A VELOCIDADE ESCALAR. Prof. Alberto Ricardo Präss
|
|
- Marco Minho Carvalhal
- 6 Há anos
- Visualizações:
Transcrição
1 Pro. Alberto Rcardo Präss A VELOCIDADE ESCALAR O conceto de velocdade. Imagnemos que um jornal tenha envado um correspondente especal à selva amazônca a m de azer uma reportagem sobre o Pco da Neblna, e suponhamos que após váras semanas de penosas marchas através da loresta tropcal o correspondente aça chegar à redação do jornal a normação de que localzou uma trbo extraordnára, da qual até mesmo as cranças de mas de 10 anos são capazes de percorrer, a pé, 5 km em apenas 10 s. Julgamos que dclmente a redação do jornal autorzara, sem maores nvestgações e reservas, a publcação da notíca. Provavelmente julgara que as condções adversas renantes na selva amazônca havam provocado um desequlíbro nervoso em seu envado... No entanto, se a normação deste osse a de que hava descoberto uma trbo da qual até mesmo as cranças de mas de 10 anos eram capazes de percorrer, a pé, 5 km, ou de andar a pé durante 10 s, a redação dó jornal não tera cado escandalzada, se bem que julgamos que também não publcaram a notca, agora por um motvo oposto ao prmero: é demasado banal o ato de que alguém seja capaz de percorrer, a pé 5 km, ou de que alguém seja capaz de andar a pé durante 10 s. O ato de não despertar nteresse algum a notíca de que uma certa pessoa é capaz de percorrer, a pé, 5 km, ou de andar a pé durante 10 s, enquanto que despertara nteresse extraordnáro a notca de que exstem pessoas capazes de percorrer, a pé, 5 km em 10 s, mostra-nos objetvamente que exstem stuações nas quas não nteressa tanto saber qual a dstânca que um certo corpo, pode percorrer, ou durante quanto tempo ele pode se mover, mas sm que mporta saber qual a relação exstente entre a dstânca percorrda e o tempo durante o qual ela o percorrda. No caso da trbo amazonense relatado pela envado especal do jornal caroca, a experênca do pessoal da redação determnara a não publcação do norme, uma vez que tal experênca lhes ensnou que é pratcamente mpossível exstr seres humanos capazes de se moverem, por seus própros meos, com uma velocdade (supersônca) de 0,5 km/s, ou seja, com uma velocdade de km/h. Fo então a grandeza ísca denomnada velocdade o índce utlzado pelo pessoal da redação do jornal para rejetar a probabldade de ser verídca a normação do seu envado. Como tal índce desempenha um papel Importante na teora da Mecânca, vamos, a segur, examnar cudadosamente como ele é construído.
2 Suponhamos, para sto, que uma pedra largada de um certo ponto passou, num determnado nstante t, por um ponto 1, e algum tempo após, sto é, no nstante t = t +, a pedra passou por um outro ponto, 2. Conseqüentemente a pedra, durante o Intervalo de tempo compreenddo entre os Instantes t e t, soreu um deslocamento x = x x Chamaremos, por convenção, velocdade escalar méda da pedra ou rapdez (speed em nglês),ou smplesmente, velocdade méda da pedra, entre os nstantes t = t +, a razão entre o deslocamento e o ntervalo de tempo o durante o qual ele ocorreu. Representando-se por v a velocdade méda da pedra, entre os nstantes t = t +, poderemos escrever então, por denção, que: v = Por exemplo: se um automóvel o do Ro a São Paulo em 6,0 h, vajou com uma velocdade méda de 72 km/h, pos que sendo de 432 km a dstânca entre essas duas cdades (dstânca esta contada sobre a rodova), vem, da denção de velocdade méda, que: v= 432 km/6,0 h = 72 km/h. Geralmente estaremos nteressados, no entanto, não na velocdade méda v de um corpo, entre os nstantes t e t, mas na sua velocdade v exatamente no Instante t. Muto grosseramente poderemos dzer que a velocdade v de uma partícula, no nstante t, é gual à sua velocdade méda v entre os nstantes t = t +, nstantes estes separados por um ntervalo de tempo. O erro cometdo nessa aproxmação, no entanto, será tanto menor quanto menor or o Intervalo de tempo, Isto é, o erro cometdo na aproxmação consderada tende para zero com. Dremos então, por convenção, que a velocdade, v, de uma partícula, num nstante t, é o lmte para o qual tende a sua velocdade méda, v, correspondente ao ntervalo de tempo compreenddo entre os nstantes
3 t e t = t+, quando tende para zero. Para Indcar sto usaremos a segunte notação: v= lm v t 0 ou seja, tendo-se em conta que v= lm t 0 t v = : sendo esta, então, a órmula de denção de velocdade escalar nstantânea. (Quando se ala em velocdade escalar, sem maores especcações, quer-se dzer velocdade escalar nstantânea). Observações: 1) Por uma questão de comoddade de lnguagem usa-se reqüentemente a expressão velocdade, em vez da expressão mas longa (porém mas precsa) velocdade escalar. Também nós, neste curso, conormando-nos ao hábto nternaconal, usaremos reqüentemente a expressão velocdade, smplesmente, sgncando velocdade escalar, quando julgarmos que não haverá possbldade de conusão. 2) Sendo velocdade, por convenção, uma razão entre o deslocamento de uma partícula e o Intervalo de tempo durante o qual ele ocorreu, é claro que a sua undade cará peretamente determnada após escolhermos uma undade de deslocamento e uma de tempo, de vez que, logcamente, a undade de velocdade deverá ser a velocdade de uma partícula que sora um deslocamento untáro num ntervalo de tempo untáro. A undade de velocdade do Sstema Internaconal de Undades, onde se tem que U( x) = 1m e U( x) = 1s, será, portanto, a velocdade de uma partícula tal que sora um deslocamento de um metro cada segundo. Tal undade não tem nome especal; para desgná-la dzemos: velocdade de um metro por segundo. O seu símbolo é m/s, ou qualquer outro algebrcamente equvalente 1 (por exemplo: m.s. 3) Dssemos, na seção anteror, que a velocdade, v, de uma partícula, num Instante t, é o valor para o qual tende a sua velocdade méda, v, correspondente aos nstantes t = t+, quando se consderam valores de t tão próxmos de t quanto se quera magnar, ou seja, usando-se uma lnguagem centca, dssemos que: a velocdade v de uma partícula é o lmte para o qual tende a sua velocdade méda, v =, quando o ntervalo de tempo tende para zero:
4 = v lm t 0 em percorre sendo a sua velocdade méda 2h 160 km 160km = 80km/h 2h 1h 80 km 80km = 80km/h 1h 30mn 40 km 40km 80km/h 1/2h = 15mn 20 km 20km 80km/h 1/4h = 7mn30s 10 km 10km 80km/h 450/3600h = 3mn45s 5 km 5km 80km/h 225/3600h = km/h Ora, quanto menor or o ntervalo de tempo que se consdere, menor será, geralmente, o correspondente deslocamento sordo pela partícula consderada, sto é, x tende para zero quando tende para zero. No entanto, o quocente não tenderá, obrgatóra mente, para zero, apesar de e tenderem smultaneamente para zero. Para vercar sto, de orma objetva, basta se consderar que um automóvel que esteja vajando à razão de 80km por hora: Neste caso, em que o corpo consderado se move com velocdade nvarável (movmento unorme, como é usualmente denomnada tal orma de movmento), a velocdade méda do corpo é constante, sto é, é ndependente do ntervalo de tempo At correspondente. Numa stuação na qual a velocdade méda do corpo consderado or varável, sto é, depender do ntervalo de tempo At correspondente, a seqüênca de valores deverá r se aproxmando de um valor bem determnado, quando consderarmos valores de cada vez mas próxmos de zero. Por exemplo, suponhamos que de um certo ponto se dexe car uma pedra e que 3,000 s após o nstante em que ela o largada (sto é, no nstante t = 3,000 s) ela esteja passando precsamente no ponto 1. Suponhamos mas que estejamos nteressados na velocdade v da pedra no nstante exato em que ela estver passando no ponto 1, sto é, no nstante t = 3,000 s. Para calcular tal velocdade vamos calcular as velocdades médas da pedra entre os
5 nstantes t = 3,000 s e t = t+, para valores de arbtraramente escolhdos. Eetuemos então uma sére de expermentações, medndo em cada uma delas a dstânca x percorrda pela pedra em ntervalos de tempo consecutvos ao nstante t = 3,000 s, sto é, a contar do nstante em que a pedra passa pelo ponto 1, e cada um deles menor que o anteror. No quadro abaxo estão tabelados os resultados encontrados. x 2,000 s 78, m 1,000s 34, m 0,100 s 2, m 0,010 s 0, m 0,001 s 0, m Dos valores tabelados acma podemos calcular as velocdades médas da pedra, correspondentes a dversos ntervalos de tempo consecutvos ao nstante t = 3,000 s e cada um deles menor que o anteror. No quadro abaxo estamos apresentando tas valores.. x v = 2,000 s 78, m 39,200 m/s 1,000 s 34, m 34,300 m/s 0,100 s 2, m 29,890 m/s 0,010 s 0, m 29,450 m/s 0,001 s 0, m 29,050 m/s Da observação do quadro acma vemos que à proporção que vamos reduzndo o ntervalo de tempo ao qual a velocdade méda v é relatva, o valor de tal velocdade méda va se aproxmando de 29,4 m/s, ou seja: 29,4 m/s é o lmte para o qual tende a velocdade méda da pedra, v =, quando tende para zero: lm v = lm = 29,4m/s 0 t 0 t 0 Adaptado de Mecânca do Pro. L. P. Maa
Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições
Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para
Leia maisResumos Numéricos de Distribuições
Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas
Leia maisTrabalho e Energia. Curso de Física Básica - Mecânica J.R. Kaschny (2005)
Trabalho e Energa Curso de Físca Básca - Mecânca J.R. Kaschny (5) Lembrando nosso epermento de queda lvre... z z 1 v t 1 z = z - v t - gt ( ) z- z v = g = t Contudo, se consderarmos obtemos: v z z 1 t
Leia maisGráficos 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 mais4 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 mais7 - 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 maisCONCEITOS 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 maisCAPÍTULO 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 mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisAlgarismos 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 maisAtividade em Soluções Eletrolíticas
Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende
Leia maisProf. 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 maisAs 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 maisCORRELAÇÃO 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 mais2003/2004. então o momento total das forças exercidas sobre o sistema é dado por. F ij = r i F (e)
Resolução da Frequênca de Mecânca Clássca I/Mecânca Clássca 2003/2004 I Consdere um sstema de N partículas de massas m, =,..., N. a Demonstre que, se a força nterna exercda sobre a partícula pela partícula
Leia maisTeoria 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 maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisCovariância 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 maisMecanismos de Escalonamento
Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur
Leia maisEstatística 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 mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisFICHA 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 maisIntrodução a Combinatória- Aplicações, parte II
Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o
Leia mais2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO
Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto
Leia mais4 Autovetores e autovalores de um operador hermiteano
T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S
Leia maisFICHA 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 maisX = 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 maisEventos 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 maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisCovariância 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 maisLaboratório de Mecânica Aplicada I Determinação de Centros de Gravidade
Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.
Leia maisV.1. Introdução. Reações Químicas.
V.1. Introdução. Reações Químcas. V. Balanços Materas a Processos com Reação Químca Uma equação químca acertada ornece muta normação. Por exemplo, a reação de síntese do metanol: CO (g) + 3H (g) CH 3 OH
Leia maisFICHA 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 maisFICHA 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 mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia maisTEORIA 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 maisLEI DE OHM A R. SOLUÇÃO. Usando a lei de Ohm
LEI DE OHM EXEMPLO. Uma resstênca de 7 é lgada a uma batera de V. Qual é o valor da corrente que a percorre. SOLUÇÃO: Usando a le de Ohm V I 444 A 7 0. EXEMPLO. A lâmpada lustrada no esquema é percorrda
Leia maisCap. 6 - Energia Potencial e Conservação da Energia Mecânica
Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma
Leia maisCálculo Numérico BCC760 Interpolação Polinomial
Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.
Leia maisDISTRIBUIÇÃO DE FREQUÊNCIAS
Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO
Leia maisEXERCÍCIOS DE RECUPERAÇÃO PARALELA 4º BIMESTRE
EXERCÍCIOS DE RECUERAÇÃO ARALELA 4º BIMESTRE NOME Nº SÉRIE : 2º EM DATA : / / BIMESTRE 4º ROFESSOR: Renato DISCILINA: Físca 1 VISTO COORDENAÇÃO ORIENTAÇÕES: 1. O trabalho deverá ser feto em papel almaço
Leia mais2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho
rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele
Leia maiswww.obconcursos.com.br/portal/v1/carreirafiscal
www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisAssociação 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 mais3 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 maisVariáveis indexadas, somatórios e produtórios
1 Computação MIEC - FEUP complado por Ana Mara Faustno Varáves ndexadas, somatóros e produtóros Varáves ndexadas Quando se pretende estudar váras característcas de um conjunto de ndvíduos convém armazenar
Leia maisEstatística e Probabilidade
Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados
Leia maisR 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 maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia maisIntrodução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis
Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,
Leia maisLeis de conservação em forma integral
Les de conservação em forma ntegral J. L. Balño Departamento de Engenhara Mecânca Escola Poltécnca - Unversdade de São Paulo Apostla de aula Rev. 10/08/2017 Les de conservação em forma ntegral 1 / 26 Sumáro
Leia maisCap. 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 maisMECÂNICA 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 maisProf. 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 maisCapítulo 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 maisEXPANSÃO TÉRMICA DOS LÍQUIDOS
Físca II Protocolos das Aulas Prátcas 01 DF - Unversdade do Algarve EXPANSÃO ÉRMICA DOS ÍQUIDOS 1 Resumo Estuda-se a expansão térmca da água destlada e do glcerol utlzando um pcnómetro. Ao aquecer-se,
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisCurso 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 maisCapítulo 9 Rotação de corpos rígidos
Capítulo 9 Rotação de corpos rígdos Defnção de corpo rígdo (CR): um sstema de partículas especal, cuja estrutura é rígda, sto é, cuja forma não muda, para o qual duas partes sempre estão gualmente dstantes
Leia maisFísica I p/ IO FEP111 ( )
ísca I p/ IO EP (4300) º Semestre de 00 Insttuto de ísca Unversdade de São Paulo Proessor: Antono Domngues dos Santos E-mal: adsantos@.usp.br one: 309.6886 4 e 6 de setembro Trabalho e Energa Cnétca º
Leia maisModelos para Localização de Instalações
Modelos para Localzação de Instalações Prof. Dr. Ncolau D. Fares Gualda Escola Poltécnca da Unversdade de São Paulo Departamento de Engenhara de Transportes CLASSIFICAÇÃO DE WEBER (WEBER, Alfred. Uber
Leia maisAo 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 mais7 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 maisQ 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )
DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco
Leia mais4 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 maisCARGA 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 maisCURSO 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 maisMETOLOGIA. 1. Histórico
METOLOGIA A Sondagem da Construção Cvl do RS é uma sondagem de opnão empresaral realzada mensalmente e fo crada pela Confederação Naconal da Indústra (CNI) com o apoo da Câmara Braslera da Indústra da
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas
Mestrado Integrado em Engenhara Cvl Dscplna: TRANSPORTES Prof. Responsável: José Manuel Vegas Sessão Prátca 7 (Tpo A): Dmensonamento de ntersecções semaforzadas smples Curso 2008/09 1/22 INTERSECÇÕES Introdução
Leia maisTRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas
Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 11 Dmensonamento de Interseções Semaforzadas Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl
Leia maisVariáveis 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 maisIntrodução 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 maisCapítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes
Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75
Leia maisANÁLISE 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 maisNÚMEROS COMPLEXOS (C)
Professor: Casso Kechalosk Mello Dscplna: Matemátca Aluno: N Turma: Data: NÚMEROS COMPLEXOS (C) Quando resolvemos a equação de º grau x² - 6x + = 0 procedemos da segunte forma: b b ± 4ac 6 ± 6 4 6 ± 6
Leia maisGabarito para a prova de 1º Ano e 8ª serie (atual 9º Ano)
Gabarto para a prova de 1º Ano e 8ª sere (atual 9º Ano) 1. t t c F 5 3 9 ; t c 451 3 5 9 o ; tc 33 C ΔS. a) Δ t 5 s V 4, 1 mnuto possu 6 s, portanto, dos 5 s temos: 8 mnutos (equvale a 48 s) e sobram segundos.
Leia maisÉ 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 maisTopologia, geometria e curvas no plano
Topologa, geometra e curvas no plano Roberto Imbuzero Olvera 23 de Março de 2011 1 Abertos, fechados e compactos Defnção 1 Um subconjunto F C é dto fechado se qualquer sequênca convergente em F tem lmte
Leia maisCoordenação de Semáforos
Paragem dos Veículos Veículos "Lbertados" Paragem dos Veículos Veículos "Lbertados" "Agrupamento " Pelotões "Agrupamento " Pelotões C O O R D E N A Ç Ã O Onda Verde... IST/ Lcencaturas em Engª Cvl & Terrtóro
Leia maisFigura 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 maisFísica do Calor Licenciatura: 14ª Aula (02/10/2015)
Físca do Calor Lcencatura: 4ª ula (2//25) Pro. lvaro annucc mos, na últma aula: Conceto de Entropa (S): exprme a tendênca de todos os sstemas íscos de evoluírem espontaneamente para uma stuação de maor
Leia mais2 Aproximação por curvas impĺıcitas e partição da unidade
Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta
Leia mais3 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 maisInterpolação 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 maisSistemas Equivalentes de Forças
Nona E 3 Corpos CÍTULO ECÂNIC VETORIL R ENGENHEIROS: ESTÁTIC Ferdnand. Beer E. Russell Johnston, Jr. Notas de ula: J. Walt Oler Teas Tech Unverst Rígdos: Sstemas Equvalentes de Forças 2010 The cgraw-hll
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisPROVA 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 maisAo 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 mais3. Um protão move-se numa órbita circular de raio 14 cm quando se encontra. b) Qual o valor da velocidade linear e da frequência ciclotrónica do
Electromagnetsmo e Óptca Prmero Semestre 007 Sére. O campo magnétco numa dada regão do espaço é dado por B = 4 e x + e y (Tesla. Um electrão (q e =.6 0 9 C entra nesta regão com velocdade v = e x + 3 e
Leia mais3 Animação de fluidos com SPH
3 Anmação de fludos com SPH O SPH (Smoothed Partcle Hydrodynamcs) é um método Lagrangeano baseado em partículas, proposto orgnalmente para smulação de problemas astrofíscos por Gngold e Monaghan (1977)
Leia maisN 70 = 40 25N+1500 = N = 1300 N = 52 LETRA D
QUESTÃO 01 QUESTÃO 0 Seja x a méda dos saláros do departamento comercal. A méda procurada é tal que 00 = x + 30 + 4 4 + + 4 x = 000 0 3300 x = R$ 400,00. QUESTÃO 03 4 0+ 3 Tem-se xp I = = 1,8 e 4+ Logo,
Leia maisFísica. Setor A. Índice-controle de Estudo. Prof.: Aula 37 (pág. 88) AD TM TC. Aula 38 (pág. 88) AD TM TC. Aula 39 (pág.
ísca Setor Prof.: Índce-controle de Estudo ula 37 (pág. 88) D TM TC ula 38 (pág. 88) D TM TC ula 39 (pág. 88) D TM TC ula 40 (pág. 91) D TM TC ula 41 (pág. 94) D TM TC ula 42 (pág. 94) D TM TC ula 43 (pág.
Leia maisUNIDADE 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 mais2 Lógica Fuzzy Introdução
2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade
Leia mais