TEM701 Termodinâmica dos Materiais
|
|
- Lorenzo Figueira Estrela
- 6 Há anos
- Visualizações:
Transcrição
1 Unversdade Federal do Paraná Setor de Tecnologa Departamento de Engenhara Mecânca TEM71 Termodnâmca dos Materas Segunda Le Interpretação estatístca da entropa Prof. Rodrgo Perto Cardoso
2 Onde estamos Introdução hstórca. Les da Termodnâmca. Potencas Termodnâmcos. Concetos de Termodnâmca estatístca. Termodnâmca de sóldos. Termodnâmca de transformação de fase. Termodnâmca químca. Dagramas de fases. Cnétca de transformações
3 Defnção de Boltzmann A entropa, apesar de ser uma das propredades termodnâmcas mas mportantes, é uma das menos entendda. Precsamos entende-la fscamente para que dexe de ser apenas uma defnção Apesar de sua grande mportânca podemos entende-la com matemátca bastante smples
4 Defnção de Boltzmann Boltzmann propôs a exstênca de uma relação entre entropa em um dado estado e a probabldade de exstênca deste estado Planck escreveu a proposção de Boltzmann matematcamente Entropa S k lnw cte Constante de Boltzmann Probabldade de um estado
5 Defnção de Boltzmann Para obter W precsamos saber algo sobre a dstrbução de átomos/moléculas do sstema Assm, saremos temporaramente da termodnâmca clássca e ntroduzremos concetos de termodnâmca estatístca Em prncípo podemos calcular as propredades de um sstema somando a contrbução de cada molécula do sstema em um dado momento Como o número de átomos/moléculas de um sstema é muto grande, aplca-se a estatístca
6 Concetos elementares de estatístca Para entendermos entropa em termos de probabldade precsamos de alguns concetos báscos de estatístca Incaremos por um exemplo: Consdere 8 objetos numerados de 1 a 8 e 4 caxas e responda: de quantas maneras dferente estes objetos podem ser organzados nas caxas, consderando que cada caxa é grande o sufcente para conter todos os objetos?
7 Concetos elementares de estatístca O objeto 1 pode ser organzado em qualquer das caxa (4 possbldades), de manera smlar para o objeto dos (4 possbldades) e assm por dante Eventos ndependentes (caxa grande o sufcente) O Resultado do total número de possbldades de organzar as bolas em 4 baxas é n1 8
8 Concetos elementares de estatístca Se os objetos são dstrbuídos aleatoramente cada um dos 4 8 estados tem a mesma probabldade de ocorrênca Mesma probabldade de encontras todas as bolas na caxa 1, 2, 3 ou 4. Que é a mesma probabldade de qualquer outra confguração(estado) probabldade
9 Concetos elementares de estatístca Em crstas podemos dferencas os tpos de átomos (ex. Au, Cu), entretanto não podemos dentfcar 1 átomo de Au entre os demas átomos de Au Trazendo para o ex., na realdade não estaremos nteressados em saber que bolar estará em qual caxa, mas sm o número de bolas de um dado tpo por caxa Para lustrar, vamos calcular o número possbldade de encontrar 2 bolas por caxa (estado estatístco) Precsamos calcular quantas possbldades temos de combnar 2 de 8 objetos na caxa 1, 2 dos 6 objetos restantes na caxa 2 e 2 dos 4 restantes na caxa 3.
10 Concetos elementares de estatístca 1º passo: calcular o numero de maneras de pegar 2 objetos de 8 para a caxa 1. O número de combnações de N objetos pegos em n W C n!( N N! 8! 87 C 8 2 2! 6! 2 Para a segunda, tercera e quarta caxa teremos N n n)! 28 6! 65 4! 43 2! C2 15 4C2 6 2C2 1 2! 4! 2 2! 2! 2 2!! 6
11 Concetos elementares de estatístca Assm o número de manera de arranjas 2 objetos em cada caxa é: W N!! n 8C26 C24 C22 C2!!! 2! 4 n1 n2 3 n4 8! 252 Agora podemos responde a segunte pergunta: Se os objetos são colocadas de manera aleatóra nas caxas, qual a probabldade de obter o estado estatístco com 2 bolas por caxa? Como temos 252 possbldade deste estado e 4 8 possbldades de dstrbur aleatoramente as bolas nas caxa, a probabldade do estado é: p ,385 Este estado calculado é o que apresenta maor probabldade de ocorrênca se comparado a todos os outros estados estatístcos
12 Concetos elementares de estatístca O estado de maor probabldade (maor W) será aquele onde os objetos estão dstrbuídos de manera unforme -> este será o estado com maor ocorrênca e o mas provável De S k lnw podemos dzer que o estado mas provável apresenta maor entropa (como era de se esperar) Logo, se o sstema va de um dado estado para outro de maor W (mas provável), sua entropa aumenta -> este processo é ntutvamente espontâneo e está de acordo com a 2ª le
13 Concetos elementares de estatístca Retomando o calculo de entropa, precsamos calcular lnw -> ln de um fatoral. Para sto é convenente aplcarmos a aproxmação de Strlng, válda para valores grandes de N (normalmente válda para nosso caso mutos átomos) ln N! N ln N N
14 Concetos elementares de estatístca Consderemos então um volume molar de crstal (1mol) com N posções na rede crstalna Vamos calcular a varação de entropa assocada à mstura randômca de n átomos do tpo B com (N -n) átomos do tpo A em N posções da rede Na forma de reação: (N -n)a + nb = Solução((N -n)a,nb) Esta varação de entropa é conhecda como entropa de mstura (S m ) S m = S A,B - S A - S B
15 Concetos elementares de estatístca De acordo com a equação de Boltzmann S m = S A,B - S A - S B =k(ln W A,B ln W A ln W B ) W A,B -> número de maneras de arranjar (N -n) átomos de A e n átomos de B em N posções da rede crstalna (N células com uma posção) W n 1! n 2 N! n!! n N 3 N! 1 n2 n3 nn Esta stuação não é realsta, pos não podemos dstngur todos os átomos, só podemos dstngur entre átomos tpo A e Tpo B (como era com as bolas) n! 1
16 Concetos elementares de estatístca Assm o valor aproprado de W será menor que N!, já que este valor leva em conta o número de manera que podemos arranjas os átomos de A e B em seus dferentes sítos O número de maneras de arranjar (N -n) átomos de A em (N -n) sítos e de arranjar n átomos de B em n sítos será, respectvamente (N -n)! e n! Assm, o número de maneras de msturar átomos ndstnguíves de A e B será reduzdo de um fator 1 ( N n)! n! W A, B ( N N! n)! n!
17 Concetos elementares de estatístca Generalzando -> Para um sstema com n A átomos de A, n B átomos de B, n C átomos de C,... W A, B, C,... n A N!! n! n B C! Para crstas puros com átomos ndstnguíves (1 tpo) só exste uma manera de arranjá-los W A W B 1 W A N! n! A na! n! A
18 Retomando Prof. Rodrgo Perto Cardoso Concetos elementares de estatístca S m = S A,B - S A S B =k (ln W A,B ln W A ln W B ), com W A, B ( N N! n)! n! W A W B 1 S m k ln ( N N! )!! n n
19 Concetos elementares de estatístca Aplcando a aproxmação de Strlng ln N! N ln N N S m k ln ( N N! n)! n! S m Será deduzda futuramente aplcando a termodnâmca clássca n n N n N k ln ln N N N S m R X A ln N N X X lnx X A e X B são a fração molar de A e B A B B n Sempre postvo
20 Concetos elementares de estatístca Podemos notar que a entropa está relaconada com a aleatoredade -> quanto maor a aleatoredade maor a entropa Veremos mas a frente que exste anda uma aleatoredade relaconada com a vbração dos átomos na célula (S ), quanto maor a aleatoredade assocada a posção do átomo (maor volume da célula) maor a entropa
21 Concetos elementares de estatístca Consdere que os átomos A e B do exemplo anteror tem tamanhos sgnfcatvamente dferente. A mstura de átomos tornara dfícl o empacotamento dos átomos em uma lnha Assm, além da entropa de mstura teremos também uma contrbução de S (vbraconal) -> dscutremos mas a frente
22
23 População de estados de energa Até o momento falamos somente de entropa da mstura Vamos tratar agora um exemplo dferente. Consdere um volume molar de um crstal puro -> os N átomos tem uma energa total E Todos os átomos não tem a mesma energa -> flutuação térmca
24 População de estados de energa Vamos consderar que alguns níves dscretos de energa exstem no crstal e cada átomo só pode assumr um destes níves Ou seja, um átomo pode exstr a E, E 1, E 2, etc, mas nunca com energa ntermedára -> Estados quantzados de energa Então a pergunta que surge é quantos átomos exstem em cada nível de energa?
25 População de estados de energa Poderíamos nocentemente pensar que o crstal tendera a mínma energa com todos os átomos em E, e energa total E = N E Mas este racocíno desconsdera a entropa Como os estados de energa podem ser dstngudos, podemos dstngur entre átomos em E e E 1... Se todos os átomos estvessem em E teríamos somente uma manera de msturálos, W=1 e S=
26 População de estados de energa O estado de equlíbro tende para um valor máxmo de S -> assm teríamos estados de maor energa ocupados Consdere os níves E,E 1,E 2,..., E r, com n, n 1, n 2,..., n r, átomos N! S k lnw S k ln n! n1! n2! n r! Da aproxmação de Strlng S k n ln N r n
27 População de estados de energa A energa total sera Se T e V são constantes E é constante e r E n E r de E dn Os níves de energa são ndependentes de n r dn S Para o equlíbro S deve ser máxmo, ds= k n ln N r n ds k r 1 ln n N dn
28 População de estados de energa O número total de átomos N r r n dn r n ds k ln dn N O máxmo depende de váras varáves (n ), conectadas por (restrções) r de E dn r dn
29 População de estados de energa Aplcando a técnca de Lagrange n ln 1 2E N n1 ln 1 2E1 N n2 ln 1 2E2 N 1 e 2 são constante, conhecdas como multplcadores de Lagrange
30 População de estados de energa Reorganzando Como n N n N exp( 1 )exp( 2E exp( ) exp( E ) exp( ) n N n ln 1 2E N 1 exp( exp( 2E ) exp( E 2 2E ) ) )
31 População de estados de energa Podemos agora calcular 2. Vamos magnar uma transferênca de dn átomos do nível E 1 para E 2 de manera reversível! De: A varação de entropa será: ln N n n k S r r dn dn N n N n k ds 2 1 ln ln
32 População de estados de energa Substtundo n 1 e n 2 de dn N n N n k ds 2 1 ln ln ) exp( ) exp( 2 2 E E N n dn E E k ds 1 2 2
33 População de estados de energa A varação de energa nterna de E2 E1 dn Com volume constante de DQ ds 2k E2 E1 dn ds 2kDQ
34 População de estados de energa Da segunda le para processos reversíves DQ ds T Por comparação ds 2kDQ 2 1 kt Atenção erro no lvro pg. 42
35 População de estados de energa Substtundo 2 1 kt n N em exp( 2E ) exp( E 2 ) Fração de átomos ocupando o estado de energa f n N E exp kt E exp kt
36 População de estados de energa O denomnar é conhecdo como função de partção (Z) E Z exp kt
37 População de estados de energa Aplcação (exemplo) A maora das reações em sóldos envolve uma energa de atvação -> ex. movmento de um átomo entre dos sítos (dfusão) -> passa por um estágo ntermedáro de maor energa (estado atvado)
38 População de estados de energa Aplcação (exemplo) A energa dos átomos na posção normal da rede é E 1. Como a dferença entre os níves de energa é pequeno, a função de partção pode ser expressa Z kt Para movmento dos átomos, não somente átomos com energa entre E 2 e E 2 +de vencerão a barrera mas sm todos com energa maor que E 2 (entre E 2 e ꝏ) E exp de kt
39 População de estados de energa Aplcação (exemplo) Assumndo a energa como contínua f E exp de kt f ( E) de E exp de kt E exp de kt E2 ( E E2) f ( E) de exp E E 2 exp de kt E2 kt
40 População de estados de energa Aplcação (exemplo) f De manera smlar E exp de kt E1 ( E E1) f ( E) de exp E E 1 exp de kt E1 kt Se o nível 1 é o de base, a fração de átomos exctados será * E f exp kt Energa de atvação
41 f Prof. Rodrgo Perto Cardoso População de estados de energa Na realdade Aplcação (exemplo) f * exp E kt não é rgorosamente correta, pos consdera que o número de estados de energa acessíves é ndependente da energa. Levando sso em conta e o concetos de entropa F2 F1 exp kt S exp k exp E kt exp F kt * F é a energa lvre A fração de átomos em estados de maor energa (reações) aumenta exponencalmente com a temperatura e deca com a energa de atvação
42 Capacdade térmca de sóldos Se um sóldo absorve calor, com volume constante sua temperatura aumenta, segundo a capacdade térmca a V cte (C V ) Mas... Porque dferentes substâncas apresentam dferentes valores de C e... porque C vara com a temperatura? Exstem prncpalmente dos mecansmos de absorção de energa em sóldos Vbração dos átomos Aumento da energa cnétca dos elétrons C V de dt V
43 Capacdade térmca de sóldos Em baxa temperatura, a componente relaconada à energa cnétca dos elétrons é pequena (relaconada aos elétrons na superfíce de Ferm) -> assm o prncpal mecansmo de absorção de energa sera por vração dos átomos (vbração da rede) Na realdade, C é zero para T=K, segue T 3 para baxas temperaturas e se aproxma de uma constante para temperaturas elevadas
44 Capacdade térmca de sóldos Vamos consderar um crstal como um sstema de átomos que vbram como oscladores harmôncos com frequênca v Cada osclador pode vbrar em três dreções de vbração (três graus de lberdade) Assm um sstema com N oscladores trdmensonas, correspondem a 3N oscladores lneares
45 Capacdade térmca de sóldos Da teora quântca, a energa de um osclador na frequênca v é Número ntero Constante de Planck E n 1/ 2hv de A capacdade térmca do crstal CV dt A energa méda de 3N oscladores é E 3 n E n é o numero de átomos no nível de energa E, expresso pelo fator de Boltzmann f n N V E exp kt E exp kt
46 Capacdade térmca de sóldos Reavalando Z Expandndo Z exp hv 2kT Ou na forma 1 Z n exp E exp E n 1/ 2hv kt exp hv kt n 1/ 2 kt exp hv 2hv kt Z exp hv 2kT 1 exp hv kt exp hv kt 2
47 Capacdade térmca de sóldos 1 Tem forma exp hv kt 2 1 x x exp hv kt 2 E esta soma nfnta vale Z exp hv 2kT 1 1 exp 1 1 x hv kt para x <1
48 Capacdade térmca de sóldos Podemos smplfcar o problema usando a relação entre a energa lvre de Helmholtz e a função partção F E TS Substtundo S k n ln N r n r E n E F n ln N r r n E kt n
49 Capacdade térmca de sóldos A relação entre n e E vem da equação de Boltzmann E Substtundo em kt ln F n N kt ln Z n N E exp kt Z n ln N r r n E kt n F kt ln Z
50 Capacdade térmca de sóldos F kt ln Z Desta relação podemos deduzr (em função de Z) S F T V S k ln Z kt Z Z T V como E F TS E kt Z 2 Z T V
51 Capacdade térmca de sóldos Fnalmente, para a consderação de oscladores harmôncos C V de dt V C V k hv kt 2 exphv/ kt exphv/ kt1 2 Ou para 1 mol (N ) com 3N oscladores x hv kt C V 3Rx 2 e x x e 1 2
52 Capacdade térmca de sóldos e x 2 CV 3Rx fo deduzda por Ensten x e 1 2 A varação de C V com T
53 Capacdade térmca de sóldos A concordânca entre os valores obtdos expermentalmente e os da função de Ensten são semquanttatvos Para T= C V é predto zero e para T elevado vale 3R Entretanto para temperaturas ntermedáras a concordânca não é satsfatóra Ensten reconheceu que o erro estava em consderar os oscladores na mesma frequênca
54 Capacdade térmca de sóldos Debye analsou o problema consderando que o crstal tem um espectro de frequêncas entre v 1 e v m.(m=maxmo) Com o aumento da temperatura a dstrbução de frequêncas se desloca para as maores frequêncas Fnalmente, a uma temperatura chamada temperatura de Debye () a função de Ensten volta a ser válda (todos oscladores a v m )
55 Capacdade térmca de sóldos A expressão obtda por Debye é C V y 3 36R y 9xR 3 x x y e 1 e 1 Apresenta boa concordânca com valores expermentas y Para baxa temperatura (x grande) C V k hv 3 78 T CT m 3 3 x hv kt hv m kt
56 Capacdade térmca de sóldos Para temperatura elevada (x << 1) C V 3R Com meddas expermentas podemos obter C e calcular a temperatura de Debye hv m k
57 Capacdade térmca de sóldos Na tabela abaxo são apresentados os valores da temperatura de Debye para algumas substâncas Mutos materas, à temperatura ambente, já se encontram acma de -> com mutos átomos a v m
58 Entropa Vbraconal Consderemos a contrbução da entropa vbraconal para temperaturas elevada (x<<1 -> maora das frequêncas próxmas a v m ) S k ln Z kt Z Z T V Z exp hv 2kT 1 1 exp hv kt Z pode ser expanddo em uma sére nfnta Z 2 1 ( hv/ 2kT) 1/ 2( hv/ 2kT) ( hv/ 2kT) 1/ 2( hv/ 2kT) 2 Para hv/kt<<1 Z kt hv
59 Entropa Vbraconal Consderemos a v ndependente de T kt S kln 1 hv Para 1 mol (3N oscladores) kt S 3Rln 1 hv Supondo uma varação de frequênca de v para v` v Se a varação de frequênca é S 3R ln negatva v >v` S é postvo v`
60 Entropa Vbraconal Consdera agora o caso de defetos na rede (mpurezas ou vacâncas) Uma frequênca vbraconal elevada está assocada com as forças elevadas (constante de mola) Defetos causam desordem, com efeto na vbração dos átomos nas proxmdades Normalmente levando a uma redução de frequênca e por consequênca a um aumento entropa relaconado ao defeto
61 Entropa Vbraconal Uma aplcação nteressante pode ser encontrada no caso do Sn (Sn(cnza-rede cúbca tpo damante) abaxo de 13 C e Sn(branco tetragonal) acma de 13 C)-> a transformação branco-cnza é exotérmca Intutvamente -> Como se perde energa os átomos estarão em menor estado de energa e mas fortemente lgados (Sn (cnza)-> mas lgado que Sn(branco) Então porque o Sn cnza não é a fase estável a temperatura elevada?
62 Entropa Vbraconal A resposta vem da energa lvre da transformação Sn(cnza)=Sn(branco) G= H- TS Para processo espontâneo G deve ser < Sabemos que H é postvo, então S tem que ser postvo. Porque S é postvo? O Sn(cnza) deve corresponder a um estado de maor forças entre átomos (maor frequênca)
63 Entropa Vbraconal Isso sgnfca dzer que aumentar os esforços (força de lgação) aumenta a frequênca (cnza->branco dmnu a frequênca) Assm de v S 3R ln v` será postvo A baxa temperatura o termo TS é menor que H (H predomna)->sn(cnza) estável (G postvo) A alta temperatura o termo TS é maor que H (S predomna)->sn(branco) estável (G negatvo) Logo, aparentemente, a elevada temperatura a fase mas estável será aquela de menor frequênca vbraconal
64 É mportante lembrar Defnção de entropa de Boltzmann Entropa de mstura Exstênca e população de estados de energa Capacdade térmca -> nterpretação Entropa vbraconal
65 Lsta de exercícos Apêndce 3 do lvro, pg. 327: 4.4, 4.8, 4.9 Resolver algebrcamente entendendo todos os passos.
Parênteses termodinâmico
Parênteses termodnâmco Lembrando de 1 dos lmtes de valdade da dstrbução de Maxwell-Boltzmann: λ
Leia maisCQ110 : Princípios de FQ
CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br 1 soluções eletrolítcas Qual a dferença entre uma solução 1,0 mol L -1 de glcose e outra de NaCl de mesma concentração?
Leia mais18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas
01/Abr/2016 Aula 11 Potencas termodnâmcos Energa nterna total Entalpa Energas lvres de Helmholtz e de Gbbs Relações de Maxwell 18 e 20/Abr/2016 Aulas 12 e 13 Introdução à Físca Estatístca Postulados Equlíbro
Leia maisγ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico
Q1 Um clndro feto de materal com alta condutvdade térmca e de capacdade térmca desprezível possu um êmbolo móvel de massa desprezível ncalmente fxo por um pno. O rao nterno do clndro é r = 10 cm, a altura
Leia maisTermo-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 mais8 Soluções Não Ideais
8 Soluções Não Ideas 8.1 Convenções para o coefcente de atvdade na escala de frações molares Para a solução deal temos ln x onde é função apenas da pressão e temperatura. Fo anterormente mostrado que todas
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisAULA 10 Entropia e a Segunda Lei da Termodinâmica
UFABC - BC0205 - Prof. Germán Lugones AULA 10 Entropa e a Segunda Le da ermodnâmca Sad Carnot [1796-1832] R. Clausus [1822-1888] W. homson (Lord Kelvn) [1824-1907] Quando um saco de ppocas é aquecdo em
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 maisMecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos
Mecânca Estatístca Tal como a Termodnâmca Clássca, também a Mecânca Estatístca se dedca ao estudo das propredades físcas dos sstemas macroscópcos. Tratase de sstemas com um número muto elevado de partículas
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia 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 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 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 maisFísica Moderna II - FNC376
Unversdade de São Paulo Insttuto de Físca Físca Moderna II - FNC376 Profa. Márca de Almeda Rzzutto 1o. Semestre de 008 FNC0376 - Fsca Moderna 1 Revsão A organzação da tabela peródca reflete a dstrbução
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 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 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 maisTermodinâmica dos Sistemas Abertos Sistemas heterogêneos: Potencial Químico. Grandezas Molares.
Termodnâmca dos Sstemas Abertos Sstemas heterogêneos: Potencal Químco. Grandezas Molares. A aplcação da função Energa Lvre de Gbbs aos sstemas de um únco componente permte a construção dos Dagramas de
Leia maisdo 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 maisAjuste 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 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 maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
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 mais2 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 maisProf. 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 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 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 maisTermodinâmica dos Sistemas Abertos Sistemas heterogêneos: Potencial Químico. Grandezas Molares.
Termoâmca dos Sstemas Abertos Sstemas heterogêneos: Potencal Químco. Grandezas Molares. A aplcação da função Energa Lvre de Gbbs aos sstemas de um únco componente permte a construção dos Dagramas de Fases
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 mais3.6. 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 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 maisRealimentação negativa em ampliadores
Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação
Leia maisProf. Oscar. Cap. 20 ENTROPIA E SEGUNDA LEI DA TERMODINÂMICA
Pro. Oscar Cap. 20 ENROPIA E SEGUNDA LEI DA ERMODINÂMICA 20.1 INRODUÇÃO Os processos que ocorrem num únco sentdo são chamados de rreversíves. A chave para a compreensão de por que processos undreconas
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 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 maisEstatística 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 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 mais13. Oscilações Eletromagnéticas (baseado no Halliday, 4 a edição)
13. Osclações Eletromagnétcas (baseado no Hallday, 4 a edção) Nova Físca Velha Matemátca Aqu vamos estudar: 1) como a carga elétrca q vara com o tempo num crcuto consttuído por um ndutor (), um capactor
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 maisCapítulo 26: Corrente e Resistência
Capítulo 6: Corrente e esstênca Cap. 6: Corrente e esstênca Índce Corrente Elétrca Densdade de Corrente Elétrca esstênca e esstvdade Le de Ohm Uma Vsão Mcroscópca da Le de Ohm Potênca em Crcutos Elétrcos
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 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 maisFísica do Calor Licenciatura: 6ª Aula (19/08/2015)
Físca do Calor Lcencatura: 6ª Aula (9/08/05) Pro. Alaro annucc mos, na últma aula: Se um gás sore uma transormação sotérmca, então o trabalho é calculado por: W F I Pd usando que P = KT: W n K T d W( T
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 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 maisCritério de Equilíbrio
Crtéro de Equlíbro ara um sstema echado onde exstem ases em equlíbro, o crtéro geral de equlíbro de ases mpõe que o potencal químco de cada espéce presente seja gual em todas as ases. α β π µ = µ = K=
Leia mais1. 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 maisEletrotécnica AULA Nº 1 Introdução
Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca
Leia maisCAPITULO II - FORMULAÇAO MATEMATICA
CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisVariação 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 maisRegressão 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 maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisCOMBUSTÍVEIS E COMBUSTÃO
COMBUSTÍVEIS E COMBUSTÃO PROF. RAMÓN SILVA Engenhara de Energa Dourados MS - 2013 CHAMAS DIFUSIVAS 2 INTRODUÇÃO Chamas de dfusão turbulentas tpo jato de gás são bastante comuns em aplcações ndustras. Há
Leia 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 maisEXERCÍCIO: 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 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 maisEstudo de Solubilidade por Método Monte Carlo Para a Molécula do Fulereno
Fundação Unversdade Federal do Amapá Pro - Retora de Ensno de Graduação Coordenação do Curso de Físca Estudo de Solubldade por Método Monte Carlo Para a Molécula do Fulereno Acadêmco: Robert Sarava Matos
Leia maisREGRESSÃO 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 maisDEFINIÇÃO - 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 mais2 - Análise de circuitos em corrente contínua
- Análse de crcutos em corrente contínua.-corrente eléctrca.-le de Ohm.3-Sentdos da corrente: real e convenconal.4-fontes ndependentes e fontes dependentes.5-assocação de resstêncas; Dvsores de tensão;
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 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 maisRadiação 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 mais8.16. Experimentos Fatoriais e o Fatorial Fracionado
8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e
Leia maisFísica 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 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 maisAEP 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 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 maisEquações de Bloch. Richard H. Chaviguri November 27, 2017
INSTITUTO DE FÍSICA DE SÃO CARLOS-USP Equações de Bloch Rchard H. Chavgur November 7, 017 1 INTRODUÇÃO O estudo da nteração radação-matéra abrange dversos processos tas como: absorçao, ndução tanto espontânea
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 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 maisEstatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard
Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja
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 maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia 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 maisNOÇÕES 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 maisFigura 1.9. Modelo estrutural corpo for suficientemente pequena quando comparada
1.5 Expansão Térmca de Sóldos e íqudos Nossa dscussão sobre o termómetro de líqudo emprega uma das mudanças mas bem conhecdas que ocorrem na maora das substâncas: quando a temperatura aumenta, o volume
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisPalavras Chaves: Linear Combination of Atomic Orbitals, LCAO, Molecular Orbitals, MO, Atomic Orbitals, AO.
Dego da Slva Manoel Insttuto de Físca de São Carlos, Unversdade de São Paulo, São Carlos-SP, Brasl Resumo Neste trabalho abordamos a descrção dos Orbtas Moleculares (MO), obtdos va Combnação Lnear dos
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 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 maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia maisProblemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.
Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisDepartamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória
Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto
Leia maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
Leia maisExpectativa de respostas da prova de Física Vestibular 2003 FÍSICA. C) Usando a lei das malhas de Kirchhoff temos para a malha mais externa:
QUESTÃO 1 FÍSICA A) Usando a le dos nós de Krchhoff temos, prmero no nó X: 0 1 0 0 1 50 6 Em seguda, temos no nó Y: 4 5 0 5 4. 188mA como 0 50 5 15 ma. 15 5 B) A le da conseração da carga. C) Usando a
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisFísica 10 Questões [Difícil]
Físca Questões [Dfícl] - (UF MG) Um líqudo encontra-se, ncalmente, à temperatura T o, pressão P o e volume o, em um recpente fechado e solado termcamente do ambente, conforme lustra a fgura ao lado. Após
Leia maisINTRODUÇÃO À ASTROFÍSICA
Introdução à Astrofísca INTRODUÇÃO À ASTROFÍSICA LIÇÃO 7: A MECÂNICA CELESTE Lção 6 A Mecânca Celeste O que vmos até agora fo um panorama da hstóra da astronoma. Porém, esse curso não pretende ser de dvulgação
Leia maisSempre 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 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 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 mais