TERMODINÂMICA E ESTRUTURA DA MATÉRIA

Tamanho: px
Começar a partir da página:

Download "TERMODINÂMICA E ESTRUTURA DA MATÉRIA"

Transcrição

1 TERMODIÂMICA E ESTRUTURA DA MATÉRIA LICECIATURA EM EGEHARIA ELECTROTÉCICA E COMPUTADORES. Aqusção e Análse de Dados numa Experênca. Medr uma grandeza mplca, através da nterposção entre o observador e o fenómeno fsco em causa de uma metodologa e de nstrumentos de medda, atrbur um VALOR UMÉRICO a essa grandeza, referdo a um padrão (UIDADE). Este valor vem afectado de um ERRO, devdo quer às mprecsões dos nstrumentos de medda quer às lmtações dos métodos utlzados. Assm, o resultado de uma medção deve ser sempre apresentado na segunte forma: MEDIDA = [VALOR UMÉRICO] ± [ERRO] (UIDADE) Por exemplo, suponhamos que o resultado de uma experênca para medr a velocdade do som fo: V s = 340, ± 0,5 m/s Isto sgnfca que o valor da grandeza medda se encontra entre 340, 0,5 m/s e 340, + 0,5 m/s, ou seja: 339,6 < V s < 340,6 m/s ote que o valor numérco resultante de uma medção não tem sgnfcado se não for calculada a respectva ncerteza... Erro de Letura. as experêncas em que se realza uma únca medção, o erro que se comete na letura de uma medda, devdo ao lmtado PODER RESOLVETE da escala (menor ntervalo do estímulo X que provoca uma varação na resposta do nstrumento), desgna-se por ERRO DE LEITURA. A determnação do erro de letura depende do tpo de escala do nstrumento utlzado. Erro de letura duma escala contínua O erro de letura de uma ESCALA COTÍUA, tal como o de uma régua ou da grelha do montor de um oscloscópo, é gual a metade da menor dvsão dessa escala. Por exemplo, o erro de medção num oscloscópo com a escala da base de tempo em 5 ms / DIV é de 0,5 ms, dado que a menor dvsão da escala corresponde a /5 da undade da base, sendo / desse valor /0 de 5 ms, ou seja, 0,5 ms.

2 Erro de letura duma escala dscreta O erro de letura de uma ESCALA DISCRETA, como a de um multímetro dgtal ou de um cronómetro, é dado pelo menor valor que é possível ler nessa escala. Por exemplo, se no mostrador de um multímetro o valor meddo para uma dada resstênca for 7,3 Ω, então o erro de letura será 0,0 Ω e a medda deverá apresentar-se na forma R = 7,3 ± 0,0l Ω. ote que não se deve confundr o erro de letura, assocado à precsão do aparelho, com a exactdão da medda. A exactdão (accuracy) é o erro para a medda habtualmente acete da grandeza em causa. Para termos uma medda exacta necesstamos de um aparelho precso, mas nem sempre um aparelho precso devolve uma medda exacta, por exemplo devdo a um erro sstemátco do aparelho... Erro Absoluto e Erro Relatvo. os exemplos anterores expressámos os erros nas undades da própra grandeza medda. este caso falamos de ERRO ABSOLUTO. O erro absoluto não é adequado para comparar o rgor na medda de grandezas dstntas. Para este efeto utlza-se o ERRO RELATIVO, correspondente a uma representação admensonal do erro, dado pelo quocente entre o erro absoluto E R de uma grandeza e o valor numérco R da sua medção δr E R =. R Retomando o exemplo anteror da medda de uma resstênca, teríamos um erro relatvo δr = 0,0 / 7,3 = 0,0004, sto é 0.04 %, e a medda passa a representar-se como R = 7,3 Ω ± 0,04 %..3. Tpos de Erros Expermentas. Exstem dos tpos de erros de natureza dstnta: ) Erros sstemátcos ) Erros acdentas ou aleatóros. Os ERROS SISTEMÁTICOS têm causas possíves de dentfcar e, conhecendo com detalhe a físca do fenómeno em estudo, podem ser elmnados. A sua denomnação decorre do facto da sua presença

3 se revelar por sstemátco acréscmo ou defeto dos valores obtdos, face àqueles que seram de esperar. Um exemplo de erro sstemátco é o que ocorre quando o observador se poscona sempre de manera ncorrecta perante a letura de uma escala contínua de um nstrumento com mostrador analógco. É fácl magnar que os valores ldos resultem sempre nferores ou sempre superores ao que de facto o aparelho ndca. Se nos pesarmos numa comum balança de casa de banho, e nclnarmos sucessvamente a cabeça para a dreta e para a esquerda, parecerá que em escassas fracções de segundo ora emagrecemos, ora engordamos uns "gramtas"! Este exemplo partcular pertence à categora dos erros sstemátcos de observação. Os ERROS ALEATÓRIOS resultam do efeto de um grande número de pequenas perturbações, que se manfestam de forma dferente de experênca para experênca. O resultado conjunto destas perturbações é fazer com que os valores das medções sejam por vezes mas elevados, e por vezes mas baxos, do que sera de esperar. As causas ndvduas revelam-se dfces de dentfcar, tornando-se mpossíves de elmnar, mesmo que se conheça muto bem a físca do problema e a montagem expermental utlzada. Este tpo de erros ocorre, por exemplo, devdo às smplfcações que frequentemente se ntroduzem no modelo físco escolhdo para o estudo de um dado fenómeno, desprezando-se varáves sobre as quas não se tem controlo durante a realzação da experênca. Podem também dever-se a lmtações do equpamento, ou mesmo à ntervenção subjectva do observador no processo de medção..4. Análse Estatístca de Erros Aleatóros. Quando obtemos valores dferentes, ao repetr a medção de uma mesma grandeza, estamos a ldar com erros aleatóros. Sabemos que se realzarmos uma MÉDIA sobre os valores obtdos na medda de uma certa grandeza, estamos a dmnur a ncerteza das nossas medções. Como o resultado de cada medda tem um carácter aleatóro, será de esperar (da teora das probabldades) que se o número de meddas tender para o nfnto a méda sobre os seus resultados tenderá para um valor constante, próxmo do valor exacto da grandeza se apenas exstrem erros acdentas. Cálculo de médas MÉDIA SIMPLES Suponhamos que temos um conjunto de medções de uma mesma grandeza. Se as váras meddas tverem a mesma precsão, podemos calcular uma méda smples: X= X = A VARIÂCIA (σ ) e o DESVIO PADRÃO [σ (σ ) / ] controlam a dspersão das meddas ndvduas em torno da méda, fornecendo uma ndcação sobre a precsão da experênca. A varânca defne-se como σ = (X X). = A méda X, tal como as meddas X, é também uma varável aleatóra à qual se pode atrbur um 3

4 desvo padrão (o desvo padrão da méda): σ m σ /, σ = m = σ, MÉDIAS PODERADAS Se as dversas meddas X, X,... X tverem dferentes precsões, o seu valor médo deve ser calculado de forma ponderada, sendo o peso σ da medda X tanto maor quanto mas rgoroso for o seu valor. A méda ponderada X é calculada através da expressão X = = = X σ σ, e o desvo padrão respectvo é dado por / σ = = σ. Se o número de medções for pequeno ( 0) não faz sentdo calcular o desvo padrão, usando-se nesse caso uma medda da ncerteza para a méda X, dada pelo MAIOR DESVIO EM RELAÇÃO À MÉDIA { X X } X = max, ou então pelo VALOR MÉDIO DOS DESVIOS EM RELAÇÃO À MÉDIA X = X X Em qualquer caso, o resultado fnal é dado por X ± σ ou X ± X. 4

5 .5. Propagação de Erros. a maor parte das experêncas, para medr uma certa grandeza é necessáro medr váras quantdades ndependentes. Por exemplo, numa experênca de determnação da velocdade da luz no ar, é necessáro medr o percurso L AR dum fexe lumnoso, entre duas posções em que o campo electromagnétco se encontra desfasado de π, e o período T desse snal. Supondo que L AR = 300 ± 5 cm = 3,00 ± 0,05 m e T = (0 ± 0.5) 0-9 s a velocdade da luz vem dada por c AR = L AR / (T/) = 3, m/s. As ncertezas parcas que afectam cada uma das quantdades meddas vão contrbur para a ncerteza fnal com que se determna a grandeza. Ao cálculo dessa ncerteza chama-se PROPAGAÇÃO DOS ERROS PARCIAIS. Método smplfcado para o cálculo da propagacão de erros Voltemos ao exemplo anteror. Para calcular o erro de c AR procede-se da forma segunte. Começa-se por maxmzar e mnmzar a grandeza c AR, face às suas varáves L AR e T e c ARmax = (L AR + E LAR ) / (T/ - E T/ ) = 3,3 0 8 m/s c ARmn = (L-E L ) /(T/+E T/ ) =, m/s. O erro fnal da velocdade da luz no ar será dado pela sem-dferença dos extremos Ec AR = (c ARmax c ARmn ) / ou, alternatvamente, pelo maor desvo em relação ao valor numérco de c AR calculado anteromente Ec AR = max{ (c ARmax c AR ) ; (c AR c ARmn ) }. ão exstem recetas para o cálculo dos erros. Para cada stuação há que estabelecer um compromsso entre o bom senso, as potencaldades do equpamento, o tempo dsponível e o objectvo da medção! Método geral para o cálculo da propagacão de erros A propagação do erro, no cálculo de grandezas defndas através de expressões matemátcas complexas, pode ser realzada recorrendo à defnção de dervada. Um erro é normalmente um pequeno desvo em torno dum valor médo; ora a dervada duma função permte precsamente calcular o efeto nas ordenadas de pequenas varações nas abcssas, através da lnearzação da função em torno do valor meddo. Quer sto dzer que, conhecda a função de transferênca f(x ) de determnada grandeza, em função de 5

6 váras meddas x, o erro de f(x ) é dado por f( x ) ε( f ( x)) = ε( x) x Exemplo: x= x Consdere-se a determnação da altura de uma mesa através da medda do tempo da queda de um grave. É sabdo que a expressão que permte calcular a altura da mesa é h = /gt. Ora, se conhecermos a aceleração da gravdade, g=9,8 ms -, com uma exactdão de 0,0ms -, e determnarmos estatstcamente um desvo padrão da méda de 0,0s para o tempo t=0,4s, o erro na altura h vem dado por ε hgt (, ) hgt (, ) t ( hgt (, )) ( g) ( t) 0.0 gt m 9.8 g ε = + ε = + = = = g t, t t, g g t= t g= g = = t= Algarsmos sgnfcatvos. O resultado da medção de uma grandeza, quer seja determnado drectamente ou através de cálculos sobre quantdades meddas, deve expressar a mprecsão nerente à medção, ou seja, conter apenas algarsmos sgnfcatvos. Defnem-se ALGARISMOS SIGIFICATIVOS (a.s.) como aqueles cujos valores são exactos, mas o prmero coberto pelo erro. Regras para contar o número de algarsmos sgnfcatvos A contagem é feta da esquerda para a dreta, começando no prmero algarsmo não nulo e termnando no prmero algarsmo afectado pelo erro. Se o prmero algarsmo à esquerda for 5 ou maor que 5, vale por dos a.s.. O zero à dreta do ponto decmal conta como algarsmo sgnfcatvo ao contráro do que acontece com os zeros à esquerda. Exemplos: 45 a.s a.s. 54,0 4 a.s. 0,540 4 a.s. 0, a.s. úmero de algarsmos sgnfcatvos do resultado de operações algébrcas SOMA e SUBTRAÇÃO O número de casas decmas do resultado é gual ao menor de entre todas as parcelas. 6

7 Exemplo:, , , O resultado fnal tem três a.s., tal como a parcela 6. MULTIPLICAÇÃO e DIVISÃO O resultado fnal tem um número de a.s. gual ou nferor ao menor de entre todos os factores Exemplo:,00 x,5x0 - =,303x0 -,30x0 - OUTRAS OPERAÇÕES Para operações do tpo raz quadrada, exponencas, logartmos, funções trgonométrcas, etc., o número de a.s. é gual ao dos dados de partda. Regras de arredondamento O arredondamento é feto de forma a escolher o número que menos se dstanca do ncal. Se os dos números mas próxmos estverem a gual dstânca do número ncal deve escolher-se o de maor valor absoluto. Quando o prmero algarsmo a elmnar é 5, arredonda-se o anteror para algarsmo par. Exemplos 7,5 8 8,5 8 7,3 7,3 7

8 . Dmensão de uma grandeza físca. A tabela abaxo apresenta as dmensões e as undades de base do Sstema Internaconal (S.I.). ome da Grandeza de Base Dmensão de Base Undade de Base Comprmento (L) L Metro (m) Massa (m) M Qulograma (Kg) Tempo (t) T Segundo (s) Intensdade de corrente eléctrca (I) I Ampere (A) Temperatura (T) Θ Kelvn (K) É possível expressar qualquer grandeza Y em função das dmensões de base do S.I. (M, T, L, I,... ), desgnando-se esta representação por EQUAÇÃO DIMESIOAL DIM Y [Y] = A α B β C γ... onde A, B e C,... representam as dmensões de base e α, β, γ,... são os chamados expoentes dmensonas, que ndcam o número de vezes que cada grandeza de base ntervém na expressão de Y. A dmensão de Y representa-se por [Y] (entre parênteses rectos). uma equação que relacona váras grandezas fscas deve verfcar-se a HOMOGEEIDADE DIMESIOAL, sto é, o membro da esquerda deve ser dmensonalmente gual ao membro da dreta. Esta homogenedade pode ajudar na atrbução de dmensões a constantes, e na dentfcação de relações matemátcas entre váras grandezas. Exemplo Uma partícula carregada de massa m e carga q é sujeta a um campo eléctrco E, adqurndo uma aceleração a. A força eléctrca F = qe deverá gualar-se à força mecânca F = ma. Provemos que as duas equações são dmensonalmente dêntcas. [F] = [m] [a] = M L T - [F] = [q] [E] (a) A carga q pode-se expressar em termos das grandezas de base Corrente e Tempo, já que I = dq/dt, donde vem [q] = I T O campo eléctrco E pode expressar-se em termos do potencal eléctrco, já que E = -dv/dx, 8

9 pelo que [E] = [V] L - Por sua vez, o potencal é gual ao trabalho W sobre a carga q. Temos, assm, fnalmente [F] = I T L - [W/q] = I T L - M L T - I - T - = M L T - (b) o que está de acordo com (a), como queríamos provar. 9

10 3. Tratamento de Dados. Quando estamos na presença de um certo fenómeno, pode haver uma dependênca entre grandezas meddas e estarmos nteressados em descobrr a expressão matemátca que a traduz. 3.. Regressão lnear. Consderemos, para smplfcar, um fenómeno que é descrto por apenas duas grandezas. Se estas forem dependentes, a relação mas smples que pode exstr entre elas é uma RELAÇÃO LIEAR. Se chamarmos a essas grandezas X e Y sso sgnfca que a expressão que as relacona é do tpo: Y=A+BX em que A e B são constantes. Para encontrar esta expressão tra-se um conjunto tão elevado quanto possível de pares de meddas (X, Y ) e marcam-se num gráfco XY esses pontos. Ao processo de encontrar a lnha que melhor representa a relação entre X e Y chama-se ajuste ou ft, e no caso de estarmos perante uma relação lnear, falamos de REGRESSÃO LIEAR. O método mas conhecdo para determnar os parâmetros A e B (ordenada na orgem e declve da recta, respectvamente) que melhor se adaptam aos resultados expermentas é o MÉTODO DOS MÍIMOS QUADRADOS. Segundo este método, o valor esperado (ou o valor mas credível) para a grandeza Y, dados os pontos (X, Y ), é aquele que mnmza a soma dos quadrados das dferenças entre Y e Y D = = (Y Y ) ou, substtundo a relação entre Y e X, 0

11 D = (A+ BX Y ). = Portanto, A e B determnam-se gualando a zero as dervadas de D em ordem a A e a B, e resolvendo o sstema daí resultante D = 0 A D = 0 B, onde D A é a dervada parcal de D em ordem a A, calculada consderando que todos os parâmetros que ntervêm na expressão de D se mantêm constantes, à excepção de A. Da resolução do sstema anteror obtém-se A = B = X ( X) X Y X X Y ( ) X Y X Y X X 3.. Traçado de gráfcos a partr de valores expermentas. Quando temos uma tabela de valores expermentas (X, Y ) pode-se, medante a escolha de uma escala convenente que tome em consderação os lmtes entre os quas ambas as grandezas varam, representar esses pares de valores sob a forma de um gráfco.

12 Quando essas meddas apresentam erros, estes também devem ser apresentados no gráfco sob a forma de BARRAS DE ERRO pos rão contrbur para estmar o erro do ajuste escolhdo para esses valores expermentas. o caso de escolhermos uma regressão lnear, essas barras de erro contrbuem para calcular os erros no declve B e na ordenada na orgem A. Vejamos como se pode fazer "manualmente" a escolha da recta de melhor ajuste e o respectvo cálculo de erros. Escolhe-se a recta que mnmza as dstâncas entre cada ponto (X,Y ) e a sua projecção sobre ela, utlzando o método dos mínmos quadrados. Determna-se o declve B e a ordenada na orgem A como acma ndcado. A recta de melhor ajuste será: Y = A + BX Para calcular os erros de A e de B traçam-se as rectas de: Maor declve - unndo as extremdades das barras de erro que mas se afastam da recta de regressão, para baxo dessa recta na metade ncal e para cma na metade fnal. Menor declve - unndo as extremdades das barras de erro que mas se afastam da recta de regressão, para cma dessa recta na metade ncal e para baxo na metade fnal.

13 A partr do declve e da ordenada na orgem das rectas de nclnação máxma e mínma pode-se calcular aproxmadamente o erro dos parâmetros A e B e E A ou anda A max A = mn E B E A B max B mn =, = máx {(A A) ; (A A ) } max mn e E B {(B B) ; (B B ) } = máx. max mn A precsão do ajuste duma função a um conjunto de dados expermentas mede-se através do chamado COEFICIETE DE CORRELAÇÃO LIEAR r, defndo como r = ( X Y ) X Y [ X ( X ) ] Y ( Y ) [ ] a prátca, este coefcente mede a dstânca dos dados à recta de ajuste. Se houver um ajuste perfeto, ou seja se todos os pontos se stuarem sobre a recta, então r = ; se os dados estverem dspersos, então r Exemplo de Tratamento dos Resultados de uma Experênca. Um dos testes realzados durante a fabrcação de crcutos ntegrados consste na medção da resstênca eléctrca de pstas de alumíno (Al), com uma dada espessura e comprmento, mas com larguras varáves. a tabela abaxo podem encontrar-se os resultados obtdos num destes testes, para as resstêncas R de pstas com espessura e = 400 nm e comprmento L = 330µm, e com larguras h entre,0 e 5,0µm (lµm = l0-6 m; lnm = 0-9 m). R (Ω) h ± E h (µm) 6,3,0 ± 0, 3,9, ± 0,,5,3 ± 0, 0,0,4 ± 0, 4,9,8 ± 0, 5,5,0 ± 0, 0,0 3,0 ± 0, 7,5 5,0 ± 0, 3

14 A resstênca R medda para cada uma das pstas de Al, com largura h, é dada por onde R R V + C h =, () L C = ρ. () e as expressões anterores R V é a resstênca de contacto, em cada uma das extremdades das pstas, e ρ é a resstvdade do Al. A partr da equação () e dos dados da tabela podem determnar-se grafcamente R V e ρ. ote-se que a equação () tem a forma da equação de uma recta em função de l/h, com declve C e ordenada na orgem R V. Comecemos por refazer a tabela anteror para l/h e respectvos erros. R (Ω) h ± E h (µm) /h (µm - ) (/h) max (µm - ) (/h) mn (µm - ) E /h (µm - ) 6,3,0 ± 0,,0,4 0,89 0,4 3,9, ± 0, 0,83 0,93 0,78 0,0,5,3 ± 0, 0,77 0,85 0,70 0,08 0,0,4 ± 0, 0,7 0,78 0,66 0,07 4,9,8 ± 0, 0,56 0,60 0,5 0,04 5,5,0 ± 0, 0,50 0,53 0,47 0,03 0,0 3,0 ± 0, 0,33 0,35 0,3 0,0 7,5 5,0 ± 0, 0,0 0,0 0,9 0,0 esta tabela, os valores de (/h) max e (/h) mn foram calculados, respectvamente, como /(h-e h ) e /(h+e h ). O erro de /h (E /h ) é o majorante de ( (/h) max -/h ; /h-(/h) mn ), ou seja, o maor dos desvos possíves em cada caso. Pode agora fazer-se o gráfco de R em função de l/h, com as respectvas barras de erro, após o que se pode realzar uma regressão lnear (recta que melhor se ajusta aos pontos expermentas), tendo em conta as barras de erro. Podem anda traçar-se as duas rectas de "por caso", com declve máxmo e mnmo, que permtrão uma aproxmação ao erro expermental. 4

15 O declve da recta de ajuste é dado por (ver gráfco) C = y / x = 5,00Ω / 0,99µm - = 5,5 Ω µm e a sua ordenada na orgem é R V =,0 Ω. Os valores máxmo e mínmo de C e R V são, respectvamente, e C mn = 3,00Ω / 0,99µm - = 3,3 Ω µm, R Vmax =,5 Ω Fnalmente, C max = 6,55Ω / 0,99µm - = 6,77 Ω µm, R Vmn =,3 Ω. e C ± E C = 5,5 ±,0 Ω µm (,0=5,5-3,3) R V ± E Rv =,0 ± 0,7 Ω (0,7=,0-,3), donde ρ = C e / L = 0,0306 ± 0,004 Ω µm = 3,06 ± 0,4 µω cm e R V =,0 ± 0,35 Ω. 5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Medidas e resultados em um experimento.

Medidas e resultados em um experimento. Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca

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

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

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

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

FÍSICA EXPERIMENTAL. 1. Aquisição e Análise de Dados numa Experiência.

FÍSICA EXPERIMENTAL. 1. Aquisição e Análise de Dados numa Experiência. FÍSICA EXPERIMENTAL. Aquisição e Análise de Dados numa Experiência. Medir uma grandeza implica, através da interposição entre o observador e o fenómeno fisico em causa de uma metodologia e de instrumentos

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

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

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

1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples.

1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples. Departamento de Físca ICE/UFJF Laboratóro de Físca II Prátca : Medda da Aceleração da Gravdade Objetvo da experênca: Medr o módulo da aceleração da gravdade g no nosso laboratóro com ajuda de um pêndulo

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

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

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

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

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

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017 Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter

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

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

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

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

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

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

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

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

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

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

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

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

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

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

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

Física I LEC+LET Guias de Laboratório 2ª Parte

Física I LEC+LET Guias de Laboratório 2ª Parte Físca I LEC+LET Guas de Laboratóro 2ª Parte 2002/2003 Experênca 3 Expansão lnear de sóldos. Determnação de coefcentes de expansão térmca de dferentes substâncas Resumo Grupo: Turno: ª Fera h Curso: Nome

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

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

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

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

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

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

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. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação

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

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

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. UFRGS Insttuto de Matemátca

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

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

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

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

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

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

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

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

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

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

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

Leia mais

4 Sistemas de partículas

4 Sistemas de partículas 4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as

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

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t Matemátca 0 Dos veículos, A e B, partem de um ponto de uma estrada, em sentdos opostos e com velocdades constantes de 50km/h e 70km/h, respectvamente Após uma hora, o veículo B retorna e, medatamente,

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

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

Covariância e Correlação Linear

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

Leia mais

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

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

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

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor 1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos

Leia mais

Electromagnetismo e Óptica

Electromagnetismo e Óptica Electromagnetsmo e Óptca aboratóro - rcutos OBJETIOS Obter as curvas de resposta de crcutos do tpo sére Medr a capacdade de condensadores e o coefcente de auto-ndução de bobnas por métodos ndrectos Estudar

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

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

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

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

As leis de Kirchhoff. Capítulo

As leis de Kirchhoff. Capítulo UNI apítulo 11 s les de Krchhoff s les de Krchhoff são utlzadas para determnar as ntensdades de corrente elétrca em crcutos que não podem ser convertdos em crcutos smples. S empre que um crcuto não pode

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

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

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

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

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

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

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

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

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

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos 04-05 CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada

Leia mais