Introdução à Teoria da Medida Texto Tutorial

Tamanho: px
Começar a partir da página:

Download "Introdução à Teoria da Medida Texto Tutorial"

Transcrição

1 Itrodução à Teora da Medda Texto Tutoral J.P. Marques de Sá FEUP DEEC 2003

2 J.P. Marques de Sá, FEUP, 2003 Ídce Classes de Subcojutos Classe Sem-Ael Ael Campo (Álgebra) Sgma-Ael (σ-ael) Sgma-Álgebra (σ-álgebra, σ-campo) σ-álgebra de Borel Medda de Lebesgue Fuções Mesuráves Medda de Probabldade... Bblografa... 2

3 J.P. Marques de Sá, FEUP, Classes de Subcojutos O estudo de classes de subcojutos surge como ecessdade de dotar colecções de subcojutos com uma certa estrutura, que permta torar a classe fechada relatvamete a operações sobre cojutos, torado-se, assm, possível dotá-los de uma medda (em partcular, a medda de probabldade).. Classe Dado um cojuto X, formamos um cojuto, C, de subcojutos de X desgado classe de subcojutos de X. C = {A: A X} Exemplo - A classe P (X) que cotém todos os subcojutos de X desga-se por vezes "classe das partes de X". Se X fto, X = P (X) = 2. Por exemplo, X = {a,b,c}; P (X) = {, {a}, {b},{ c},{a,b },{a, c},{ b,c},{a,b,c}=x}.2 Sem-Ael Defção - Um sem-ael S é a classe que satsfaz:. S;. A, B S A B S ;. A, B S A B = U com E S e E E j =, j. Exemplo -2 E = X = R ; prova-se que a classe I = {tervalos ftos semabertos de R do tpo {(x,...,x ): a < x b }} é um sem-ael. c a d b Na stuação da fgura, para I 2, temos: A = ]a, b] ]a, b]; B =]c, d] ]c, d]; A B = {]a, b] ]a, c] ]a, c] ]c, d] ]a, b] ]c, b] ]d, b] ]c, d] }. O mesmo se aplca a outros "rectâgulos". A verfcação de. e. é trval. Note-se, cotudo, que A B ão pertece a I 2. Exemplo -3 Para o caso partcular do exemplo ateror com X = R, temos a classe I = I = {tervalos ftos semabertos do tpo ]a, b]}. O facto de ser um sem-ael reflecte-se o facto de que, com operações de tersecção, se geram elemetos de I e, com dfereças, se geram cojutos costruíves como reuões de elemetos dsjutos de I. (É esta a "estrutura" do sem-ael.)

4 J.P. Marques de Sá, FEUP, Exemplo -4 Seja X = R, e a classe C = {tervalos fechados [a, b]}. Não é um sem-ael. P. ex., A = [a, b], B = [c, d], com a < c e b > d, pertecem a C; mas A B ão é costruível com reuões de elemetos dsjutos de C...3 Ael Defção -2 Um ael é qualquer classe R ão vaza tal que. A, B R A B R ;. A, B R A B R. ( A B = (A B) (B A) é a dfereça smétrca) Notar que, etão, também é satsfeta a propredade. dos sem-aés ( = A A). Por outro lado, A B R A B R (porque A B = A (A B)). Esta codção é mas forte que a ateror. dos sem-aés. Um ael é, portato, fechado para as operações de reuão, tersecção e dfereça de cojutos. Exemplo -5 { }, {, X} e P(X) são aés. { } é o meor ael. Exemplo -6 I ão é um ael. P. ex., A = ]a, b], B = ]c, d], com a < c e b > d, pertecem a I; mas A B I. Teorema - A classe C(S) gerada pelo sem-ael S, cujos elemetos se podem exprmr como reuão fta de cojutos dsjutos de S, U A k k = E =, A A j =, j, é um ael. Demostração: C(S) tem de coter todos os cojutos que se exprmem como reuão fta de cojutos dsjutos de S, por forma a ser fechado relatvamete à reuão, como exge o ael. Por outro lado, supohamos que tíhamos quasquer cojutos: A = e U m B = e sejam as tersecções C j = A B. Etão os C j são dsjutos e j m UU A B = C j C ( S) = j= Por outro lado, da defção de sem-ael, segue-se por dução que U A = B j j=

5 J.P. Marques de Sá, FEUP, A m = U C j U Dk ( =, K, ) j= r k = e B j = U C j U Ekj ( j =, K, m) = s j k = com as sequêcas ftas {D k } (k =,..., r ) e {E kj } (k =,..., s j ) cosstdo em cojutos dsjutos de S. Logo, r m s j A B = (A B) (B A) = UU D E k UU kj C ( S) = k = j= k = Exemplo -7 C(I), gerada da forma acma, é um ael. Para os cojutos dcados o Exemplo -6 temos A B = ]a, c] ]d, b] C(I)..4 Campo (Álgebra) Correspode a uma classe de X que é ael mas é também fechada relatvamete à operação de complemeto. Defção -3 Classe ão vaza, F, que satsfaz:. A, B F A B F ;. A F A F. Note-se que, sedo fechado para o complemeto, podemos aplcar as Les de Morga e faclmete mostrar que: A B F ; A B F ; S; X F. Portato, um campo é ecessaramete uma classe ão vaza porque tem de coter X. Exemplo -8 P(X) é um campo. Exemplo -9 A classe de todos os subcojutos lmtados de R é um ael mas ão é um campo (p. ex., ão cotém R). Exemplo -0 X = R ; seja a classe I = {tervalos de R do tpo {(x,...,x ): a < x b <, =,...,}}. Portato, os tervalos semabertos de I podem esteder-se ftamete à esquerda. Prova-se que, etão, E = C(I ) defda como o Teorema -, é um campo Os tervalos de I desgam-se por rectâgulos ou caxas de R. E é o campo das fguras elemetares de R. Prova-se que E é a meor álgebra que cotém I.

6 J.P. Marques de Sá, FEUP, Exemplo - Seja o tervalo Ω = ]0, ]. Podemos, tal como o exemplo ateror, costrur o campo B 0 a partr de reuões ftas de tervalos semabertos dsjutos: A = U = ], ] a b.5 Sgma-Ael (σ-ael) Trata-se de um ael que é fechado relatvamete à realzação de uma sequêca umerável de reuões ("sgma" vem do alemão "summe" de soma = reuão): A S ( =, 2, K) S U A = Note-se que, etão, pelas propredades do ael, é também fechado para tersecções umeráves..6 Sgma-Álgebra (σ-álgebra, σ-campo) Trata-se de uma álgebra que é fechada relatvamete à realzação de uma sequêca umerável de reuões. Defção -4 Uma σ-álgebra A defda em X, satsfaz:. X A (portato, A é ão vaza). A A A A (logo, também A ) U. A ( K) A A =, 2, A = Ao par (X, A) chama-se espaço mesurável. Os elemetos de A chamam-se cojutos mesuráves. Dos resultados:. Se A é uma σ-álgebra para um cojuto X, e X é um subcojuto de X, etão X A, formada por todas as tersecções de elemetos de A cuja com X, é também uma σ-álgebra (chamada traço de A em X ). 2. Sejam os cojutos X e X, e A uma σ-álgebra em X. Seja a fução f: X X. Etão a classe f ( A ) = { f ( A ) : A A } é uma σ-álgebra em X.

7 J.P. Marques de Sá, FEUP, Exemplo -2 A meor σ-álgebra é {, X}. P(X) é uma σ-álgebra. Exemplo -3 Seja X = {a,b,c}. Etão (resultado.), são σ-álgebras os traços de P(X) em {b} e {b,c}, respectvamete P(X) {b} = {, {b}} e P(X) {b,c} = {, {b}, {c}, {b,c}}. Exemplo -4 Seja X = {a,b,c} e X = {0, }. Defamos A = {, {0}, {}, {0,}} e f : X X a 0 b c 0 etão f ( ) = {, {a, c}, {b}, {a,b,c}} é uma σ-álgebra em X (resultado 2.). A Exemplo -5 Para todo o cojuto X, a classe de todos os subcojutos A X, para os quas ou A ou A são umeráves, é uma σ-álgebra. ; Teorema -2 Qualquer tersecção fta ou umerável de σ-álgebras em X é uma σ-álgebra em X. Aplcado este Teorema é possível mostrar que, para cada classe C de X, exste a meor σ-álgebra A(C) cotedo C. Para tal basta cosderar a tersecção de todas as σ-álgebras que cotêm C (P(X) é uma delas). A(C) é chamada a σ-álgebra gerada por C..7 σ-álgebra de Borel Defção -5 A σ-álgebra gerada por I, A(I ), desga-se por σ-álgebra de Borel e deota-se B = A(I ). Os elemetos de B chamam-se cojutos de Borel. Teorema -3 Sejam O, F, C as classes dos subcojutos abertos, fechados e compactos de R, respectvamete. Etão: B = A(O ) = A(F ) = A(C ) Cojutos fechados e lmtados,.e., cotedo todos os seus potos lmtes.

8 J.P. Marques de Sá, FEUP, Segudo este Teorema, B cotém ão só umeráves reuões e tersecções de tervalos semabertos, mas também umeráves reuões e tersecções de tervalos abertos, fechados e de potos solados 2. Os cojutos que se podem assm formar suportam meddas, omeadamete a medda de probabldade. Costtuem os cojutos de teresse as aplcações prátcas. Exstem, cotudo, cojutos patológcos, de dfícl costrução e sem teresse prátco, que ão são de Borel. Veremos sso mas adate. 2 Medda de Lebesgue A defção do campo E das fguras elemetares de R troduz a estrutura míma de uma classe que permte defr uma fução de medda. Comecemos por defr o volume (comprmeto) de Lebesgue. Seja: A I ; A é o produto cartesao de tervalos { x R: < a < x b } O volume é: m( A) = ( b a ) 2. = m(a) é zero se algum par de extremos dos tervalos tem o mesmo valor; é fto se algum extremo for fto. Vamos, agora, esteder esta fução para a σ-álgebra de Borel. Dado B B, tal que U k A j j= B = com A j I e dsjutos, defe-se o volume de B: k m( B) = m( ) 2.2 j= Esta fução só tem setdo se ão depeder da represetação partcular de B. De facto, prova-se que: Teorema 2- A fução m em B dada por 2.2 é uvocamete defda, ão-egatva, adtva, moótoa, e cocde com m em I. Assm:. A B, A, B B 0 m (A) m (B). {A, B} B, A B = m (A + B) = m (A) + m (B). m (A) = m(a), A I Além dsso: A j 2 Um poto solado {x} pode obter-se como tersecção de uma sequêca fta umerável de tervalos ]x /, x], =, 2,...Note-se que o caso de uma sequêca fta, como o Teorema - ão poderíamos gerar, p. ex., um poto solado.

9 J.P. Marques de Sá, FEUP, Teorema 2-2 A fução m é umeravelmete adtva,.e., dada a famíla de elemetos dsjutos A k B, se U B = = A k k (logo, pertece a B ), etão = m ( B) m( k = A k ) Uma fução µ: E R +, de uma σ-álgebra E em R +, é chamada uma medda se for umeravelmete adtva (ode a sére covege). A ateror medda m defda o cojuto de Borel, que passaremos a desgar por µ, é chamada medda de Lebesgue- Borel (medda LB). Um espaço mesurável (X, A) dotado de uma medda m,.e., o trplo (X, A, m), chamase um espaço de medda. (I, B, µ) é o espaço de medda de Lebesgue-Borel. Algumas propredades da medda LB:. µ(b) < +, para todo o cojuto lmtado B B. 2. Qualquer hperplao H em R é um cojuto LB-ulo,.e., µ(h) = Qualquer subcojuto umerável de R é um cojuto LB-ulo, em partcular µ(q) = Seja W [0,] o cubo utáro -dmesoal. Etão, por defção, µ(w) =. 5. A medda LB é a úca medda em B que é varate à traslação,.e., T a (µ) = µ, para toda a traslação x T a (x) = a + x, e que satsfaz a codção de ormalzação µ(w) =. 6. A medda LB é varate relatvamete a trasformações ortogoas dos exos. O segute Teorema, que usa a propredade 5, mostra que B ão esgota P(R ). Por outras palavras, exstem subcojutos de R que ão se podem costrur à custa de reuões e tersecções umeráves de rectâgulos de I. Teorema 2-3 B P(R ), =, 2,... Demostração: Vamos dcar como se costró um cojuto patológco. Por uma questão de facltar a "vsualzação metal" a costrução será em R. Cotudo, a geeralzação para R é drecta. Para tal vamos usar o: Axoma da Escolha: Dado uma classe C de cojutos dsjutos e ão vazos E α, exste um cojuto G E α tal que, para todo o E α, G E α é apeas um cojuto potual de E α.

10 J.P. Marques de Sá, FEUP, (A costrução de um cojuto que tem apeas um poto de uma colecção dsjuta de subcojutos é certamete trval o caso da colecção ser fta ou umerável. O axoma da escolha estpula que tal costrução é também possível o caso de colecções ão umeráves.) Seja Q R o cojuto dos racoas. Cosderemos a relação bára de cogruêca x ~ y em R: x ~ y x y Q A relação x ~ y é de equvalêca e estabelece uma dvsão de R em classes de equvalêca C x = {x + Q}. A classe de equvalêca de todos os racoas é C 0. Como para todo o real η exste um tero tal que η < +, ou seja, η [0, [, etão exste um poto em [0, [ para qualquer classe de equvalêca. Algus potos de C 0 e C : 2 [ 0 ½ ¾ 2 - [ 2 Etão, pelo axoma da escolha, exste um cojuto K [0, [ tal que tem exactamete um poto de cada classe de equvalêca. Logo: R = U{ y + K} e y y2 { y + K} { y2 + K}= y Q (y, y 2 Q) Supohamos que K B. Etão é aplcável a medda de Lebesgue. Como Q é umerável, temos: + = µ ( R) = µ ( y + K) = µ ( K) µ ( K) 0 y Q y Q Propredade 5. Mas: Logo: y [ [ y U [ 0,[ ( y + K) Q [ 0,[ Q y [ 0,[ [ 0,2[ µ ( y + K) µ ( 0,2 ) = 2 µ ( K) < + µ ( K) = 0 Q Chegamos a uma cotradção. Logo, K B. 3 Fuções Mesuráves Defção 3- Sejam (X, A) e (X, A ) espaços mesuráves. A fução f: X X dz-se uma fução A-A mesurável se: f (X ) A para todo o X A (ou seja f (A ) A) )

11 J.P. Marques de Sá, FEUP, Exemplo 3- Qualquer mapeameto costate f: X X é A-A mesurável. Exemplo 3-2 O Exemplo.4 estabelece uma fução mesurável. Teorema 3- Seja f: X X uma fução A-A mesurável. Etão, para toda a medda µ em A, defe uma medda µ em A. Exemplo 3-3 µ (A') = µ(f (A')) Seja o espaço de medda (R, A, µ) em que A é a σ-álgebra que cotém todos os subcojutos A umeráves ou ão-umeráves de R e µ(a) = 0 ou coforme A ou A é umerável. Seja X = {0, } e A = P(X ) e a fução f: X X : 0 f ( x) = x Q x Q Provar que a fução f é A-A mesurável e determar f(µ). Temos: f ( ) = A; f ({0}) = Q A; f ({}) = Q A; f ({0,}) = R A. Logo, a fução é mesurável e µ = f(µ) é gual a 0 para e {0} e gual a para {} e {0,}. Exemplo 3-4 Sejam dados os espaços mesuráves 3 (R,B), ({0,}, P({0,})), um cojuto A B e a fução dcadora I A : R {0,}: x A I A ( x) = 0 x A Temos: f ( ) = B; f ({0}) = A B; f ({}) = A B; f ({0,}) = R B. Logo, a fução dcadora é B - P({0,}) mesurável. 3 Note-se que pelo Teorema -3 a defção de B pode exprmr-se em termos de város cojutos suporte de R: O, F, C... Assm, usa-se a otação (R,B). (Isto é abusvo porque já vmos que há subcojutos de R que ão pertecem a B.)

12 J.P. Marques de Sá, FEUP, 2003 Defção 3-2 Seja (X, A) um espaço mesurável e (R, B) o espaço mesurável de Borel em R. A fução f: X R dz-se uma fução mesurável se: f (B) A para todo o B R (ou seja f (B) A) ) Pode-se mostrar que o cojuto das fuções mesuráves é fechado relatvamete à adção, subtracção, multplcação e dvsão. 4 Medda de Probabldade Defção 4- Seja P uma fução de cojutos defda um campo F. A fução é uma medda de probabldade se satsfaz às codções segutes:. 0 P(A) para todo o A F ;. P( ) = 0, P(X) = ;. Dada uma sequêca de cojutos dsjutos A, A 2,..., com A F, tal que U F = A, etão P( U A ) = ( ) = P A = (adtvdade umerável). Exemplo 4- Seja o campo B 0 do Exemplo., defdo em ]0, ]. É possível mostrar que a medda de Lebesgue P( A) = m( A) = = ( b a ) é ão só fta mas também umeravelmete adtva; logo, P defe uma medda de probabldade o campo B 0. É possível provar que uma medda de probabldade defda um campo F pode esteder-se à σ-álgebra gerada por F, A(F). Este aspecto é mportate vsto estarmos teressados em ldar com adtvdade umerável para a medda de probabldade. Assm: Defção 4-2 Se A é uma σ-álgebra em X e P é uma medda de probabldade em A, etão o trplo (X, A, P) é chamado um espaço de medda de probabldade, ou smplesmete espaço de probabldade. Teorema 4- (da extesão) Uma medda de probabldade defda um campo F tem uma extesão úca para a σ-álgebra gerada por F, A(F). A referêca [2] dca como costrur a extesão.

13 J.P. Marques de Sá, FEUP, Exemplo 4-2 Seja Ω = ]0, ]. Para cada ω Ω vamos assocar a expasão dádca fta e umerável: = d ( ω) ω com d (ω) {0,} = 2 (.e. são os bts da represetação bára fta) Para cada sequêca u,..., u, de comprmeto (tal como o laçameto de uma moeda vezes), temos: u u ω = =. = { : d ( ω) u, =,..., } =, + Logo, usado a medda de Lebesgue-Borel como medda de probabldade, temos: P( { ω : d ( ω) = u, =,..., } ) = 2 Cosdere-se o cojuto: N = ω : lm = = d ( ω) 2 Os potos do cojuto N são chamados úmeros ormas. A Le Forte dos Grades Números, aplcada a esta stuação, escreve-se P(N) =. Ora, é possível provar que N é LB-ulo, logo P( N ) = 0. Bblografa. Bauer H (972) Probablty Theory ad Elemets of Measure Theory. Holt, Rehart ad Wsto, Ic. 2. Bllgsley P (979) Probablty ad Measure. Joh Wley & Sos, Ic. 3. Papouls A (965) Probablty, Radom Varables ad Stochastc Processes. Mc Graw Hll. 4. Rao MM (987) Measure Theory ad Itegrato. Joh Wley & Sos, Ic. 5. Rud W (987) Real ad Complex Aalyss. McGraw-Hll. 6. Taylor SJ (966) Itroducto to Measure ad Itegrato. Cambrdge Uversty Press.

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares Exercícos - Sequêcas de Números Reas (Solução Prof Carlos Alberto S Soares 1 Dscuta a covergêca da sequẽca se(2. Calcule, se exstr, lm se(2. Solução 1 Observe que se( 2 é lmtada e 1/ 0, portato lm se(2

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

AULA Espaços Vectoriais Estruturas Algébricas. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resolvedo os problemas

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

USANDO PROBABILIDADES PARA APROXIMAR FUNÇÕES POR POLINÓMIOS

USANDO PROBABILIDADES PARA APROXIMAR FUNÇÕES POR POLINÓMIOS USANDO PROBABILIDADES PARA APROXIMAR FUNÇÕES POR POLINÓMIOS JOEL MOREIRA Resumo. Uma dea cetral em Aálse modera é a de aproxmar objectos potecalmete mal comportados por objectos mas smples. O Teorema de

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

Números Complexos Sumário

Números Complexos Sumário Números Complexos Sumáro. FORMA ALGÉBRICA DOS NÚMEROS COMPLEXOS.. Adção de úmeros complexos... Propredades da operação de adção.. Multplcação de úmeros complexos... Propredades da operação de multplcação..

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

Leia mais

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

NÚMEROS COMPLEXOS. z = a + bi,

NÚMEROS COMPLEXOS. z = a + bi, NÚMEROS COMPLEXOS. DEFINIÇÃO No cojuto dos úmeros reas R, temos que a = a. a é sempre um úmero ão egatvo para todo a. Ou seja, ão é possível extrar a ra quadrada de um úmero egatvo em R. Dessa mpossbldade

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Os Skew Anéis de Polinômios Tipo Automorfismo e a Fatoração Única

Os Skew Anéis de Polinômios Tipo Automorfismo e a Fatoração Única Os Skew Aés de Polômos Tpo Automorfsmo e a Fatoração Úca Skew Polyomals Rgs of Automorphsm Type ad Uque Factorsato Marlo Soares Uversdade Estadual do Cetro-Oeste - UNICENTRO Departameto de Matemátca, Guarapuava,

Leia mais

AULA Os 4 espaços fundamentais Complemento ortogonal.

AULA Os 4 espaços fundamentais Complemento ortogonal. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

CAPITULO VII. DERIVAÇÃO E DIFERENCIAÇÃO EM R n. = h 1. , fx 1

CAPITULO VII. DERIVAÇÃO E DIFERENCIAÇÃO EM R n. = h 1. , fx 1 CAPITULO VII DERIVAÇÃO E DIFERENCIAÇÃO EM R Dervadas parcas de fuções reas de varáves reas Sea f ( ) f ( ) uma fução de A R em R e cosdere-se um poto a (a a a ) A Fado a 3 a 3 a cosdere-se a fução parcal

Leia mais

5. Funções teste. L 2 ( )= {u :? ; Borel mensurável com u 2 dx < 8 }

5. Funções teste. L 2 ( )= {u :? ; Borel mensurável com u 2 dx < 8 } 5. Fções teste Até agora estvemos tratado tesvamete com a tegração. Uma cosa qe temos vsto é qe, cosderado espaços das, podemos pesar as fções como fcoas. Vamos rever brevemete esta déa. osdere a bola

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Problemas fundamentais da teoria da aproximação func/onal

Problemas fundamentais da teoria da aproximação func/onal 18 GAZETA DE MA TEM ATIÇA 2 5 ) ( A - se) l + (T _ y) * + ( Z - z) K=O p 1 1 " 1 d p 1 df-j pl - p ds T d íj (A'~ «)> -f (Y - y) ft + (2-z)v = - 3 1 e resolve-se rapdamete. X x + Aa + B\ r = y + Aß + Bp,

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

MÉTODOS QUANTITATIVOS APLICADOS À GESTÃO DE RISCOS:

MÉTODOS QUANTITATIVOS APLICADOS À GESTÃO DE RISCOS: MÉTODOS QUANTITATIVOS APLICADOS À GESTÃO DE RISCOS: FUNDAMENTOS DE PROBABILIDADE E ESTATÍSTICA Herbert Kmura Prof. Doutor Uversdade Presbteraa Mackeze e-book 008 008 by Isde Books Edtora Ltda Dados teracoas

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Estimação pontual, estimação intervalar e tamanho de amostras

Estimação pontual, estimação intervalar e tamanho de amostras Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Universidade Federal do Paraná. Setor de Ciências Exatas. Pós-Graduação em Matemática Aplicada. Patrícia Aparecida Manholi

Universidade Federal do Paraná. Setor de Ciências Exatas. Pós-Graduação em Matemática Aplicada. Patrícia Aparecida Manholi versdade Federal do Paraá Setor de Cêcas Eatas Pós-Graduação em Matemátca Aplcada Patríca Aparecda Mahol COMPACIDADE GENERALIZADA E CONCEIOS RELACIONADOS Curtba Março de Patríca Aparecda Mahol COMPACIDADE

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Introdução à Estatística

Introdução à Estatística Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

Leia mais

CAPITULO 1 CONCEITOS BÁSICOS

CAPITULO 1 CONCEITOS BÁSICOS DISCIPLIA: ESTATÍSTICA PROFESSOR: JOSELIAS SATOS DA SILVA - joselas@uol.com.br ÍDICE CAPITULO 1 COCEITOS BÁSICOS... 3 1.1 ESTATÍSTICA... 3 1. ESTATÍSTICA DESCRITIVA... 3 1.3 ESTATÍSTICA IFERECIAL... 3

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

, que chamaremos de origem, e atribuímos a este ponto o símbolo O. Com este ponto podemos associar um vetor (1.7.1)

, que chamaremos de origem, e atribuímos a este ponto o símbolo O. Com este ponto podemos associar um vetor (1.7.1) 17 Coordeadas e dferecas Fg 171 Coordeadas defdas com dstâcas dos potos aos paredes do laboratóro, Mutos objetos podem ser caracterados com a ajuda de gradeas físcas a pesar de ão serem gradeas Um eemplo

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

Introdução à Estatística. Júlio Cesar de C. Balieiro 1 Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

Leia mais

Capítulo 8. Método de Rayleigh-Ritz

Capítulo 8. Método de Rayleigh-Ritz Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

Noções de cálculo vetorial e tensorial

Noções de cálculo vetorial e tensorial 1 Noções de cálculo vetoral e tesoral Varáves escalares, vetoras e tesoras Os meos cotíuos (sóldos, líqudos, gases) (MC) ocupam parte do espaço físco, sto é os MCs ocupam um certo domío que pode ser um

Leia mais

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte Itrodução a Sstemas Itelgetes ópcos em Redes Neuras II: Redes Neuras RBF ª Parte Prof. Rcardo J. G. B. Campello Aula de Hoje Neurôos de Resposta Radal Modelos Neuras RBF Úca Saída Múltplas Saídas Represetação

Leia mais

VI - Integração Numérica

VI - Integração Numérica V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

Física II (Química) FFCLRP USP Prof. Antônio Roque Termo 5. A Energia Livre de Gibbs e o Potencial Químico

Física II (Química) FFCLRP USP Prof. Antônio Roque Termo 5. A Energia Livre de Gibbs e o Potencial Químico 59036 Físca II (Químca) FFCLRP USP Prof Atôo Roque ermo 5 A Eerga Lvre de Gbbs e o Potecal Químco Nesta aula vamos apresetar uma gradeza termodâmca fudametal para a explcação de processos espotâeos a atureza,

Leia mais

Ricardo de Godoy ESPAÇO DE HILBERT E QUANTIFICAÇÃO DE EMARANHAMENTO VIA ENTROPIA NÃO EXTENSIVA. São José do Rio Preto SP. 22 de dezembro de 2005

Ricardo de Godoy ESPAÇO DE HILBERT E QUANTIFICAÇÃO DE EMARANHAMENTO VIA ENTROPIA NÃO EXTENSIVA. São José do Rio Preto SP. 22 de dezembro de 2005 UNIVERSIDADE ESTADUAL PAULISTA Isttuto de Bocêcas, Letras e Cêcas Exatas DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Rcardo de Godoy ESPAÇO DE HILBERT E QUANTIFICAÇÃO DE EMARANHAMENTO VIA ENTROPIA

Leia mais

Medidas, integração, Teorema da Convergência Monótona e o teorema de Riesz-Markov

Medidas, integração, Teorema da Convergência Monótona e o teorema de Riesz-Markov Medidas, itegração, Teorema da Covergêcia Moótoa e o teorema de Riesz-Markov 28 de Agosto de 2012 1 Defiições de Teoria da Medida Seja (Ω, F, ν) um espaço de medida: isto é, F é σ-álgebra sobre o cojuto

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering) 7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve

Leia mais

1. Revisão Matemática

1. Revisão Matemática Sequêcias de Escalares Uma sequêcia { } diz-se uma sequêcia de Cauchy se para qualquer (depedete de ε ) tal que : ε > 0 algum K m < ε para todo K e m K Uma sequêcia { } diz-se ser limitada superiormete

Leia mais

PROPOSTAS DE RESOLUÇÃO. Capítulo 8

PROPOSTAS DE RESOLUÇÃO. Capítulo 8 MATEMÁTICA,.ª CLASSE Actvdades de vestgação PROPOSTAS DE RESOLUÇÃO Pág. Não, porque a descoberta do tesouro ão depede do poto ode se ca a marcha. Localação: da palmera: P = a + b do sâdalo: S = c + d do

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES. Dferecas de orde superor Tratareos apeas o caso das fuções de A R e R sedo que o caso geral das fuções de A R e R se obté a

Leia mais

AULA Subespaço, Base e Dimensão Subespaço.

AULA Subespaço, Base e Dimensão Subespaço. Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar

Leia mais

CIRCUITOS ELÉTRICOS CONCEITOS BÁSICOS

CIRCUITOS ELÉTRICOS CONCEITOS BÁSICOS CCUTOS ELÉTCOS CONCETOS BÁSCOS Prof. Marcos Fergütz jul/07 - Carga Elétrca (Q, q) [ Udade: Coulomb C ] e - Quado se forece ou retra eerga do elétro (e - ), pode-se movmetá-lo por etre as camadas (K, L,

Leia mais