3 Incerteza nas medições experimentais 7. 5 Estimativa das incertezas aleatórias Propagação de incertezas 13

Tamanho: px
Começar a partir da página:

Download "3 Incerteza nas medições experimentais 7. 5 Estimativa das incertezas aleatórias Propagação de incertezas 13"

Transcrição

1 Coteúdo 1 Medir A craveira e o palmer 3.1 Craveira Palmer Icerteza as medições experimetais 7 4 Algarismos sigificativos 9 5 Estimativa das icertezas aleatórias 11 6 Propagação de icertezas 13 7 Apresetação de dados e resultados 15 8 Método dos míimos quadrados Relação Y = AX + B Relação Y = AX Observações

2 Física Experimetal I - 007/008 Professor resposável: Coceição Martis Departameto de Física da FCUL 13 de Fevereiro de Medir Medir é comparar uma gradeza com outra da mesma espécie que se toma como uidade. Esta comparação pode ser feita directamete, por exemplo medido um comprimeto com uma régua, ou idirectamete, como a determiação da massa volúmica de uma substâcia a partir das medições directas da massa e das dimesões lieares de um corpo de forma regular costituído por uma amostra dessa substâcia. O resultado de uma medição é um valor umérico seguido de uma uidade. Uma medida experimetal exige a preseça de um istrumeto de medida, que se defie como um aparelho que trasforma um sial de etrada X (gradeza a medir) um sial de saída Y (valor umérico com uidade respectiva). A operação de medida itroduz uma iteracção etre o istrumeto de medida e o feómeo caracterizado pela gradeza que se mede. Em muitos casos esta iteracção pode alterar sigificativamete o resultado da gradeza a medir pelo que é ecessário quatificar essa ifluêcia e escolher o aparelho adequado. Por exemplo, ão é correcto medir a temperatura de 1 cm 3 de água itroduzido um termómetro de mercúrio com cerca de 1 cm 3 devolumequeseecotraa uma temperatura diferete. Um istrumeto de medida é caracterizado por: Itervalo de fucioameto gama de valores para os quais o aparelho temumfucioametocorrecto(valoresparaosquaisoaparelhoãoé daificado e a curva de calibração é válida). Resolução ou poder resolvete do aparelho - meor δx que o aparelho pode medir. Em geral, a medição de uma determiada quatidade apeas produz, como resultado, uma estimativa, isto é, um valor mais ou meos aproximado do verdadeiro valor dessa gradeza. Chama-se erro de uma medição à difereça etre o valor obtido a medição e o verdadeiro valor da gradeza ou o valor aceite (tabelado)paraagradeza. Oerroabsolutoéomódulododesvioetreovalor

3 medido x exp e o valor verdadeiro x v da gradeza: x exp x v. É mais sigificativo idicar o valor do erro relativo xexp xv x v 100% do que o seu valor absoluto. A exactidão 1 ou rigor de uma medição é tato maior quato meor o afastameto etre o valor medido e o valor real. A craveira e o palmer.1 Craveira A craveira é um istrumeto que serve para medir directamete, comprimetos, diâmetro de fios, diâmetros itero e extero de tubos, profudidade, etc. Também é cohecida como paquímetro e utiliza um óio. O óio é um dispositivo, cuja iveção é atribuída a Pedro Nues, que os permite efectuar a leitura das fracções de uidade, ou seja, das fracções da meor divisão de uma escala pricipal. O óio é costituído por uma escala pricipal e por uma pequea escala, que se pode fazer deslizar ao logo da escala pricipal, e que está dividida em certo úmero de partes iguais. Na figura 1 (a) e (b) estão represetados dois óios mm Escala pricipal mm 0 10 Escala auxiliar (a) (b) Figura 1: (a) a 10 divisões da escala auxiliar correspodem 9 divisões da escala pricipal (= 9mm); (b) a 0 divisões da escala auxiliar correspodem 39 divisões da escala pricipal (= 39mm). Qual é o valor da meor divisão apreciável com cada um dos óios represetados a figura 1 (a) e (b)? Para estarmos em codições de respoder a esta questão, vamos estudar em primeiro lugar o caso mais simples do óio represetado a figura 1 (a). A 10 divisões da escala auxiliar correspodem 9 divisões da escala pricipal, isto é, 9 mm. Etão, o valor da meor divisão da escala auxiliar é 9 10 mm, um pouco meos de 1 mm. A difereça etre a meor divisão da escala pricipal, 1 mm, 9 e a meor divisão da escala auxiliar, 10 mm, é 1 mm 9 10 mm = 1 10 mm Esta difereça desiga-se por atureza do óio N. 1 Accuracy em iglês. 3

4 Vamos agora olhar para o óio da figura 1 (b). A 0 divisões da escala auxiliar correspodem 39 mm. A meor divisão da escala auxiliar vale 39 0 mm, um valor próximo de mm, coforme se pode ver a figura. A atureza do óio da figura 1 (b) é mm 39 0 mm = 1 0 mm De um modo geral, a escala auxiliar é escolhida de modo que a das suas subdivisões correspodem (k 1) divisões da escala pricipal cohecida, figura ; k é um iteiro, que toma os valores 1 ou. No óio represetado a figura 1(a) k =1,oóiodafigura 1(b), k =. Sedo D o valor da meor divisão da escala pricipal e d o valor da meor divisãodaescalaauxiliar,aatureza do óio é a difereça etre kd e d, N = kd d (1) Notemos que kd éadivisãodaescalapricipalquemaisseaproximadameor divisãodaescalaauxiliar. O valor da meor divisão da escala auxiliar d éobtidade d =(k 1)D () (k-1)d mm d Figura : A divisões da escala auxiliar correspodem (k 1) divisões da escala pricipal. No óio represetado esta figura a 0 divisões da escala auxiliar correspodem 39 = 0 1 divisões da escala pricipal, vem k =. O sigificado desta relação está explicitada a figura. Vem, d = Substituido (3) em (1) vem: (k 1) D = kd D N = kd = D µ kd D (3) (4) 4

5 A atureza de um óio pode assim, ser facilmete obtida, dividido o valor da meor divisão da escala pricipal pelo úmero de divisões da escala auxiliar. A atureza de um óio represetado a figura 1(a) é, como vimos, 0.1 mm e do óio represetado a figura 1(b) 0.05 mm, respectivamete, 1mm/10 e 1mm/0, sedo 10 e 0 o úmero de divisões da escala auxiliar em cada um dos casos. Vamos agora ver como fazer a medição de um objecto de comprimeto L colocado etre as esperas fixa e móvel de uma craveira (fig. 3). Figura 3: Medição de um objecto de comprimeto L. Oobjecto A da figura deslocou ozerodaescalaauxiliarde10divisõesdaescalapricipal(l 0 =10mm) e a coicidêcia etre o traço da escala auxiliar e da escala pricipal faz-se agora a divisão i =13. Como a atureza deste óio é N =0.05 mm, ocomprimetodocorpo AéL = L 0 +in = = mm.da figura também cocluímos que x + id = kid dode x = id/ = in. Em geral, o objecto vai deslocar o zero da escala auxiliar de um úmero iteiro de divisões da escala pricipal, a que correspode um valor L 0,mais uma quatidade x, meor que uma divisão da escala pricipal, que pretedemos avaliar com o óio. L = L 0 + x Se o zero da escala auxiliar coicidir exactamete com o traço correspodete a L 0 etão x =0e o comprimeto do objecto será L = L 0 Como já dissemos (expressão 1) a atureza do óio N medeodesvioetrea divisãodaescalapricipal(kd) eameordivisãodaescalaauxiliar(d). Se o objecto tiver um comprimeto superior a L 0 a coicidêcia etre o traço da escala auxiliar e o traço da escala pricipal vai estar deslocado de i divisões a que correspode o valor in = x e o comprimeto do corpo A é L = L 0 + in 5

6 Figura 4: Na prática, os óios vêm graduados de forma a idicar directamete o produto i.n, represetado pela seta a figura, L=10.65 mm. Também podemos ecotrar este resultado guiado-os pela figura 3. Partimos de, x + id = kid e substuido d (eq. 3), vem: x = i D = in Na figura 3 apreseta-se a medição de um objecto de comprimeto L obtido do seguite modo: (a) Determia-se a atureza N do óio; (b) Desloca-se o óio de modo a ecaixar o objecto de comprimeto L que se pretede medir; (c) Lê-se o úmero L 0 da escala pricipal correspodete ao traço da régua que precede imediatamete o traço zero do óio; (d) Lê-se o úmero correspodete ao traço da escala auxiliar que coicide com um dos traços da escala pricipal; (e) O valor do comprimeto L é dado por: L = L 0 + in (5) Na prática, os óios vêm graduados de forma a idicar directamete o produto in como se idica a figura 4.. Palmer O micrómetro (ou palmer) é um istrumeto de precisão que costa basicamete de um parafuso micrométrico capazdesemoveraologodopróprioeixo. É utilizado para medir espessuras de lâmias e diâmetros de fios ou tubos. 6

7 O parafuso micrométrico serve para medir com exactidão fracções da meor divisão de uma escala rectilíea. Quado se dá ao tambor do parafuso, represetado a cizeto a figura 5, uma rotação completa, há um deslocameto o setido logitudial, medido a escala pricipal, igual ao passo do parafuso p. A atureza do parafuso é dada por: N = p/ (6) sedo oúmerodedivisõesdotambor. Figura 5: Represetação esquemática das escalas de um parafuso micrométrico. Uma escala pricipal graduada em mm e, além desta, uma outra também graduada em mm, mas deslocada de forma a permitir leituras de 0.5 mm. Perpedicularmete a estas observamos a escala do tambor, a cizeto a figura, que permite fazer leituras de umapequeafracçãodomm,coformeopassodoparafusoeasdivisõesdotambor. Estudo do aparelho 1. Verificar qual o valor de cada uma das divisões da escala pricipal.. Cotar o úmero de divisões em que está dividido o tambor. 3. Determiar o passo do parafuso (p); para isso, dá-se uma rotação completa ao parafuso, verificado-se a escala pricipal, qual o deslocameto logitudial da espera móvel. 4. Calcular a atureza do palmer (chama-se atureza do palmer, N ao meor comprimeto passível de ser medido pelo istrumeto); Para efectuar uma leitura, verificar iicialmete qual a divisão da escala pricipaldeixadaadescobertopelotamboremaispróximadoseubordoe, aida, qual a divisão deste (i) quefica em coicidêcia com a liha de referêcia. A leitura será dada pela expressão: L = L 0 + in = L 0 + i(p/) (7) 3 Icerteza as medições experimetais Qualquer medida que efectuamos tem alguma icerteza associada. Um resultado é absolutamete iútil se ão soubermos qual o seu grau de icerteza. Naturalmete, tetamos que as icertezas sejam tão pequeas quato possível, mas, em qualquer caso, é ecessário saber o valor dessas icertezas. 7

8 A icerteza a leitura de medições que usam escalas aalógicas de variação cotíua é, como regra, metade do valor correspodete à meor divisão apreciável (fig.6). A leitura o istrumeto de medida deverá ser feita com a maior precisão possível, isto sigifica estimar até uma fracção da meor divisão da escala do istrumeto. Se a meor divisão for suficietemete grade para permitir subdivisões metais com seguraça, a icerteza a leitura poderá ser cosiderada como metade dessa subdivisão. Estes critérios depedem do observador e terão de ser, por ele defiidos, com todo o cuidado. Tomado como exemplo os corpos represetados a figura 6 poderia estimar para medidas dos corpos A, B e C, respectivamete,.8, 4. e 4.5 uidades da escala, aida que, por seguraça, cotiuasse a cosiderar como icerteza a leitura 0.5 uidade da escala. Figura 6: Supodo que ão se faz uma estimativa, cosideramos para o objecto represetado pela seta A o valor 3 e para o objecto B o valor 4, por serem as divisões que estão, em cada um dos casos, mais próximas. No 1 o caso estou a fazer uma aproximação por excesso, o o caso por defeito. A maior icerteza que teho uma leitura com esta escala é de metade de uma divisão e que acotece a situação represetada pelo objecto C com uma dimesão que se situa sesivelmete a meio das divisões 4 e 5, ao fazer uma aproximação para 4 ou para 5. A icerteza a leitura em medições com istrumetos digitais é igual a uma uidade do último dígito represetado, o algarismo meos sigificativo usado. As icertezas associadas à leitura uma escala ou mostrador digital de um aparelho de medida são frequetemete desigadas por erros de leitura. A icerteza de uma medição isolada é, ormalmete, dada pelo erro de leitura, relacioado com a resolução do istrumeto de medida, a que serão adicioados evetuais erros de calibração do aparelho. Em medições repetidas haverá sempre alguma dispersão de valores aida que, em algus casos, seja muito pequea. A icerteza de uma medição devida à dispersão de valores é ormalmete maior que o valor que represeta o erro de leitura. São as icertezas aleatórias ou acidetais que se cometem aleatoriamete os dois setidos e resultam do facto de a resolução dos aparelhos de medida ser fiita ou da atureza estatística do próprio processo (por exemplo o úmero de úcleos que decaem uma desitegração radioactiva). O valor destas icertezas pode ser reduzido fazedo um tratameto estatístico de um úmero 8

9 elevado de medidas. A precisão de uma medida é tato maior quato meor for a dispersão δy os valores de saída Y para o mesmo sial de etrada X. Os resutados da medição de uma gradeza podem também estar afectados de erros sistemáticos queorigiamresultadossempreomesmosetido(ousempre por excesso, ou sempre por defeito). Uma má calibração do aparelho de medida, umdefeitoaposiçãodozeroouumaleiturafeitadeformaaorigiarerrosde paralaxe por os raios visuais ão estarem perpediculares à escala origiam erros sistemáticos que são muito diferetes das icertezas aleatórias. Os erros sistemáticos podem, se detectada a sua origem, ser compesados pela aplicação de um factor de correcção, pela alteração de procedimetos ou, se for caso disso, pela substituição do aparelho de medida. Uma deficiete correcção dos erros sistemáticos leva à perda de rigor ou exactidãodamedidadequefalámosa secção. O resultado de uma medida experimetal ão é apeas um valor umérico seguido de uma uidade, mas um itervalo de valores x exp ± x, ode x represeta uma estimativa razoável da icerteza da medição. Espera-se que o valor exacto da gradeza esteja cotido o itervalo cosiderado. Chamamos a ateção para a aplicação das palavras erro e icerteza. A palavra erro é mais correctamete aplicada aodesvioetreoresultadodeuma medição e o verdadeiro valor (ou ao valor aceite) de uma gradeza. A palavra icerteza é mais adequada para a dispersão de valores obtidos como resultado de medidas sucessivas. Cotudo, a aplicação usual destes termos ão respeita esta ideia, e temos de tomar ateção ao cotexto em que aqueles termos são aplicados. 4 Algarismos sigificativos Algarismos sigificativos são os dígitos cohecidos uma medição. O uso correcto dos algarismos sigificativos assegura a represetação correcta da icerteza uma medição. O dígito mais à direita será o úico dígito afectado pela icerteza experimetal. A cotagem é feita da esquerda para a direita, começado o primeiro algarismo ão ulo e termiado o primeiro algarismo afectado pela icerteza. O zero à direita do poto decimal cota como algarismo sigificativo ao cotrário do que acotece com os zeros à esquerda. Os úmeros seguites têm 3 algarismos sigificativos: Os zeros dão frequetemete origem a cofusões. Se pretedemos escrever o úmero 310 o mais adequado é usar otação cietífica e escrevemos seozeroãotemsigificado físico, e temos 3 algarismos sigificativos, ou se a precisão do resultado iclui aquele dígito, e temos 4 algarismos sigificativos. Quado o resultado de uma medição é correctamete represetado em otação cietífica todos os dígitos são sigificativos. Precisio em iglês. 9

10 Os registos feitos a sequêcia de uma medição devem idicar todos os dígitos que a resolução do aparelho de medida permite. Assim, um croómetro com décimas de segudo, se o itervalo de tempo medido foi exactamete 6 segudos, deverá ser registado 6.0 s. As quatidades defiidas têm um úmero ifiito de algarismos sigificativos. Na expressão do perímetro da circuferêcia, P =πr, o algarismo é exacto tem, portato, um úmero ifiito de algarismos sigificativos e π pode sempre ser represetado com um úmero de algarismos superior ao das medições efectuadas, é assim que o devemos usar, com uma precisão superior à das medições que realizamos, para que ão cotribua para a icerteza o resultado. É, portato, icorrecto usar π =3.14 se a medição de R tiver 3 ou mais algarismos sigificativos. As operações efectuadas com os resultados das medidas devem coduzir a resultados em que só último dígito apresetado está afectado de icerteza experimetal. Numa multiplicação ou uma divisão, como vemos o exemplo, pelo facto de cada uma das medições ter o último dígito afectado de icerteza (algarismo sublihado) o resultado da operação apreseta um cojuto de algarismos afectados de icerteza; o exemplo, 5 dos 6 algarismos do resultado estão afectados pela icerteza experimetal. O resultado a apresetar só deverá ter um algarismo afectado de icerteza experimetal, ou seja, este caso, algarismos sigificativos Como regra, o resultado de um produto ou divisão terá tatos algarismos sigificativos quatos o do factor com meor úmero de algarismos sigificativos. Como pretedemos apresetar aquele resultado, , com algarismos sigificativos e o algarismo a seguir a 16. é 6 arredodamos o resultado para cima e idicamos o resultado 17. A adição ou subtracção de úmeros com diferete úmero de decimais deve mater o úmero de decimais da parcela com meor úmero de decimais O resultado desta operação deverá ser idicada como 8.3, estado o algarismo 3 afectado da icerteza experimetal. De otar que estas são as regras a seguir para uma apresetação de resultados; em cálculos itermédios, cuja apresetação ão seja passível de trasmitir iformação sobre a precisão da medição ão requerem, do poto de vista de 10

11 algarismos sigificativos, cuidados a sua apresetação. Um determiado resultado que vai etrar em cálculos posteriores deve mesmo mater mais um ou dois algarismos do que os estritamete sigificativos. 5 Estimativa das icertezas aleatórias Quado fazemos uma medição isolada o resultado vem afectado da icerteza associada à resolução do aparelho de medida. Na repetição das medições observase uma dispersão de valores que desigámos por icertezas aleatórias. Qualquer que seja a experiêcia, limitamo-os a fazer um úmero fiito de medições. Os ossos valores represetam uma amostra do cojuto ifiito de possíveis resultados da medição de uma gradeza. Embora ão possamos determiar exactamete a quatidade x queremos descrever a distribuição costituída por todos os resultados possíveis das medições. Em geral, os resultados distribuem-se simetricamete em toro do valor mais provável, podedo cosiderar-se o valor médio como a melhor estimativa do valor de x. x = (8) Admitido que podemos desprezar ou corrigir evetuais erros sistemáticos, esperamos que os resultados das medições, em média, se distribuam em toro do valor correcto. Outra característica habitual do cojuto de resultados obtidos é a sua distribuição em toro da média segudo uma curva gaussiaa ode os valores mais afastados da média são pouco prováveis. A largura da distribuição das medidas experimetais pode ser parametrizada pelo desvio padrão da amostra, v u (x i x) t σ x = (9) ( 1) σ x é um desvio quadrático médio - raiz quadrado da soma do quadrado dos desvios das medidas x i relativamete ao valor médio x, divididopeloúmerode medições meos uma. Ao dividimos por ( 1) eãopor estamos a corrigir o facto de a ossa amostra ão ser ifiita. Numa distribuição gaussiaa ou ormal (fig. 7) esperamos que 68% dos valores experimetais se ecotrem o itervalo [x σ x ; x + σ x ] e 95% o itervalo [x σ x ; x +σ x ]. Se se realizarem cojutos de medidas, as médias respectivas também se distribuem segudo uma gaussiaa, cuja largura, parametrizada pelo respectivo desvio padrão da média, é v σ x = σ u (x i x) x t = (10) ( 1) x i 11

12 Figura 7: Distribuição de probabilidade dos resutados da medição de uma gradeza em toro de um valor médio m que pode ser cosiderado a icerteza da média de um cojuto úico de medidas. Se as medições x 1,x,... da gradeza x foremobtidascomprecisõesdiferetes o que acotece, por exemplo, se forem usadas técicas diferetes, se for alterado o istrumeto de medida ou o observador, o valor médio de x deve ser calculado de forma a ter em cota essas difereças de precisão; quato maior for a precisão e, portato, meor for a icerteza associada à medição, maior será a sua cotribuição, isto é, o peso desta medição o cálculo da média. A média pesada ou poderada 3 édefiida por: x = P x i σ i P 1 σ i (11) Existem algus critérios que permitem rejeitar um valor isolado que se afaste muito do restate cojuto de valores. Estes critérios baseiam-se as distribuições estatísticas esperadas. Por exemplo, para a distribuição gaussiaa, a (x i x) 3 σ À média pesada associa-se o desvio padrão da média pesada σ x = i. A icerteza defiida por σ j = 1 1 σ i ( 1) 1 σ i reflecte a cosistêcia itera das observações, devedo, as icertezas defiidasporestasduasrelaçõestervalorespróximos. 1

13 probabilidade de que uma medição caia fora do itervalo defiido por 3 desvios padrões é igual a 0.33% (P (x / [x 3σ x ; x +3σ x ]) = 0.33%) pelo que, pode cosiderar-se como critério, ão coservar valores que, um cojuto de medidas ( >10), se afastem mais do que 3σ x do valor médio x, calculado x e σ x com os restates 1 valores. Quado o úmero de valores é pequeo 4 ão se podem rejeitar valores. Se o úmero de medições for pequeo ( <10) ão faz setido calcular o desvio padrão e a icerteza é tomada igual ao módulo do maior desvio detectado, desigado habitualmete por limite superior do erro. x = max { x i x } (1) Dispodo de um cojuto de medições de uma gradeza podemos costruir com elas um histograma para os apercebermos do modo como se distribuem os valores. Para isso dividimos o itervalo ode se situam os resultados das medições em sub-itervalos a que chamamos classes e cotamos o úmero de acotecimetos, frequêcia, em cada uma das classes. O gráfico do úmero de acotecimetos em cada classe costitui o histograma. A escolha do itervalo das classes poderá ter de ser feita por tetativas; itervalos correspodetes a σ/ ou σ/3 coduzem, se o úmero de medições for elevado, ormalmete, ao aparecimeto evidete de certas regularidades estatísticas. Os itervalos de amplitude h sãodaforma]x 0 + j h/,x 0 + j + h/] sedo j =0, ±1, ±, e ode h é um valor aproximado de σ/ ou σ/3 e x 0 próximo de x. 6 Propagação de icertezas Supohamos que o cálculo do resultado R evolve várias gradezas idepedetes x, y, z, medidas experimetalmete, e com icertezas associadas: x, y, z, : x ± x, y ± y, z ± z, AgradezaR é uma fução destas variáveis, R = f(x, y, z, ). Para obter a icerteza associada a R para pequeas variações de x, y, z,, utilizamos a diferecial total dr = f x dx + f y f dy + dz + z Agora substituímos as pequeas variações dr,dx,dy,dz, pelas icertezas R, x, y, z,. Além disso, como as variáveis x, y, z, são completamete idepedetes, para termos a certeza de que obtemos a gama completa de valores de R origiados por estas icertezas, tomamos os valores absolutos das derivadas de modo que as parcelas se adicioam sempre. Obtemos R = f x x + f y y + f z z + (13) 4 Não existe um critério geral acerca do úmero míimo de observações a partir do qual se pode usar a aálise estatística dos dados. Vamos cosiderar que cerca de 10 observações costituem um limite aceitável para fazermos aquele tratameto. 13

14 ode tomamos x, y, z, positivos. A utilização correcta dos algarismos sigificativos coduz a um valor fial de R com 1 ou, o máximo, algarismos sigificativos. Esta expressão para o cálculo da icerteza R é aplicada quado a determiação de R = f(x,y,z,...) é obtida a partir de um úmero pequeo de medições (que aqui cosiderámos ser iferior a 10) de cada uma das gradezas x,y,z,...; os valores de x, y, z, que etram o cálculo de (13) são, portato, os valoresdolimitesuperiordoerro,que,ocasodeumaúicamediçãodecada uma das gradezas x,y,z,... se reduz ao erro de leitura a medição daquelas gradezas. Se a medição repetida das gradezas x,y,z,... permite um tratameto estatístico que coduza aos valores dos desvios padrão σ x,σ y,σ z,... a icerteza em R = f(x, y, z,...) édadapelodesviopadrãoder defiido por: σ R = s µ f x µ µ f f σ x + σ y y + σ z z +... (14) Vamos mostrar que assim é, exemplificado para uma fução de variáveis, f(x, y). Foram feitas medições das gradezas x e y x 1,x,..., x y 1,y,...,y tedo obtido x±σ x e y±σ y. A icerteza em R = f(x, y) será dada pela gradeza, desvio padrão, raiz quadrada da soma do quadrado dos desvios dividida por ( 1), v v P u (f(x, y) f(x t i,y i )) P u (df t i ) σ R = = (15) 1 1 Vamos fazer este cálculo. Partimos da expressão da diferecial total aplicada a cada uma das medições, ³ ode f x e expressão aterior e obtemos df i = f x dx i + f y dy i ³ f y sãocalculadosopoto(x, y). Tomamos o quadrado da (df i ) = µ f dx i + x µ f dyi + f f y x y dx idy i Substituido em (15) vem: v P u t σ R = ³ f x dx i + ³ f y dy i + f f x y dx idy i 1 (16) 14

15 O somatório em (16) pode ser simplificado admitido que, para um grade úmero de medições, a soma dos termos cruzados é ula, pois é de esperar que, sedo os desvios dx i e dy i us positivos e outros egativos, os produtos dx i dy i sejam, também eles, us positivos e outros egativos e o somatório P f f x y dx idy i se aule, dode v P ³ ³ u f t x dx i + f y dy i σ R = (17) 1 De acordo com (9) a expressão aterior toma a forma s µ f µ f σ R = σ x x + σ y y (18) como queríamos mostrar. A expressão (14) é também a expressão da icerteza a usar quado as gradezas x, y têm uma atureza itríseca que é estatística. 7 Apresetação de dados e resultados Oresultadofial da medição de uma gradeza R, obtida directa ou idirectamete, e da icerteza associada é apresetado a forma R ± R. R e R devem, para facilitar a comparação, estar a mesma uidade e, quado em otação cietífica, com os mesmos expoetes da potêcia de 10. Qualquer das seguites formas para represetar o resultado 5.3 cm, de uma medição feita com uma régua, está correcta: (5.3 ± 0.05) cm (53. ± 0.5) mm (.53 ± 0.005) 10 1 m. Sempre que possível os dados devem aparecer sob a forma de tabelas. As regras da sua apresetação são sempre regras de bom seso. Devem permitir idetificar claramete as gradezas medidas e a precisão com que foram tomadas as medidas, sem coter iformação repetida. Para quê criar uma colua em que todos os valores são iguais? Esses dados podem fazer parte do iformativo da tabela sob a forma de cabeçalho ou ota abaixo da tabela. Para quê repetir em todas as leituras a uidade em que foram feitas as medições? Essa iformação deve estar aocimodacoluajutametecomo símbolo da gradeza medida. A mesma tabela pode coter gradezas medidas directamete e outras idirectamete a partir daquelas. Utilize uma folha de cálculo para estabelecer estas relações e costruir a tabela. A represetação gráfica dos valores obtidos é, em muitas situações, uma ferrameta de trabalho idispesável, quer porque os pode permitir cohecer 15

16 o tipo de relação etre duas gradezas: liear, quadrática, expoecial,..., quer porque, admitido cohecida a relação etre aquelas duas gradezas, os permite cohecer outras gradezas físicas evolvidas. Um gráfico é também um meio poderoso para, de uma forma rápida, trasmitirmos a iformação mais relevate de um determiado processo. Destas premissas advêm os cuidados que devemos pôr o seu traçado. Em cada um dos eixos deve aparecer claramete a gradeza e a uidade em que está expressa, além de uma escala de leitura fácil (ote-se que é só uma escala, ão pretede dar iformação sobre os algarismos sigificativos das medições, essa iformação costa da tabela). Um outro aspecto muito importate: os potos experimetais são um elemeto fudametal do gráfico, portato, eles ão podem ficar ecobertos por qualquer liha, mesmo o traçado correspodete a uma fução fisicamete sigificativa ajustada aos potos experimetais, deve ser feito em traço fio de forma a respeitar a visualização dos potos experimetais. 8 Método dos míimos quadrados Frequetemete, a relação etre duas gradezas é liear ou pode ser tratada de forma a ser traduzida por uma relação liear. Vamos restrigir-os às situações que possam ser descritas por relações lieares. O movimeto de um corpo laçado de cima de uma torre com velocidade horizotal v 0x é descrito pelas equações, x = x 0 + v 0x t y = y 0 + gt / ode a direcção do eixo dos yy foi escolhida como a direcção da aceleração da gravidade e (x 0,y 0 ) são as coordeadas do poto de ode é feito o laçameto. A primeira equação exprime uma relação liear etre o espaço percorrido x x 0 eoitervalodetempot ecessário para o percorrer; o traçado do gráfico, posição x em fução de t é traduzido por uma recta cujo declive é v 0x ea ordeada a origem x 0.Na a equação o espaço percorrido y y 0 é uma fução quadrática do tempo t mas a relação de y com t é uma recta cujo declive é g/ e a ordeada a origem y 0. Um modo de obter os parâmetros da recta Y = AX + B que melhor descreve a relação etre os potos experimetais (,Y i ) é represetar em papel milimétrico os valores da gradeza Y em fução dos valores de X e traçar a recta que melhor parece miimizar as distâcias aos potos experimetais (,Y i ). Nesta situação, os desvios médios à recta dos potos experimetais situados acima e abaixo dessa recta, deverão ser aproximadamete iguais. O declive A da recta é obtido com base em dois potos (X1,Y1) e (X,Y) da recta, A = Y Y 1 X X1 (19) 16

17 A ordeada a origem B éovalordey ode a recta cruza o eixo dos yy (valor de Y para X =0). Matematicamete, o método para ecotrar os parâmetros A e B da recta que melhor se ajusta aos potos experimetais (,Y i ),opressupostodeque etre as gradezas X e Y se pode estabelecer uma relação liear, é o método dos míimos quadrados. 8.1 Relação Y = AX + B Vamos apresetar as bases do método dos míimos quadrados usadooajuste de uma recta Y = AX + B aos potos experimetais (Xi,Y i) para determiar os parâmetros A e B. Dado um cojuto de potos experimetais (,Y i ) pretedemos cohecer os parâmetros A e B da recta Y = AX + B que melhor se ajusta aos potos experimetais, o mesmo é dizer, tal que a difereça etre os valores Yi 0 determiados, para cada, a partir da recta ajustada e os valores experimetais Y i, D i = Y i Yi 0 = Y i (A + B) seja a meor possível. Isto é feito miimizado a soma do quadrado das difereças, Di = X (Y i Y 0 i ) = relativamete a A e B, Vem Y i + A X i + B +AB Y i B A Y i (0) P Di =0 (1) A P Di =0 () B A Xi + B B + A Prosseguido o desevolvimeto 5 obtemos 5 em adeda Y i =0 (3) Y i =0 (4) P P Y i P Y i A = P P X P i Y i P Y i B = (5) (6) 17

18 µ P ode = X P i. A forma de determiar a precisão de um ajuste dos dados experimetais à fução respectiva mede-se pelo coeficiete de correlação liear, r. Esteédefiido por: P P Y i P Y i r = v " µ u t P P # (7) Yi Y i Se houver um ajuste perfeito, ou seja, se todos os potos coicidirem sobre a recta, etão r =1; se os dados estiverem dispersos, etão r afasta-se de 1 e tede para 0. Certamete que as medições experimetais das gradezas X, Y que coduziram aos potos experimetais ( Y i ) estão afectadas de icertezas. Para ão dificultar o etedimeto das ideias fudametais do método dos míimos quadrados liear optámos por ão icluir, esta apresetação, as icertezas os potos experimetais. Do poto de vista de valores obtidos o cálculo dos parâmetros A e B, isto é idêtico a cosiderar que a icerteza é a mesma para todos os potos. As icertezas que afectam os parâmetros A e B pode provir das icertezas associadas à medição das gradezas X, Y 6 e das icerteza proveiete dos desvios etre a recta ajustada e os potos experimetais, estas são dadas por: s δ Y σ A = (8) v u P ode δ Y = (Y i A B). 8. Relação Y = AX σ B = t δ Y Xi (9) ParaocasodearectaaajustarserdotipoY = AX o mesmo tipo de raciocíio coduz a: P Y i A = P (30) Xi 6 Se todas as medições Y i tiverem a mesma icerteza σ e a icerteza as medições da gradeza X poder ser desprezada vem: σ A = σ/ Xi e σ B = σ/. 18

19 e a icerteza o parâmetro A é dada por v σ A = u t P (Y i A ) 1 Xi (31) 8.3 Observações O método dos míimos quadrados permite obter os parâmetros da recta que melhor se ajusta aos potos experimetais. Se o úmero de potos experimetais fôr pequeo podemos aida usá-lo para ecotrar a recta que melhor se ajusta aos potos experimetais. Cotudo, as expressões que apresetámos para o cálculo das icertezas os parâmetros é baseado um tratameto estatístico dos dados e, os valores, deste modo obtidos, terão sempre de ser tomados como uma estimativa muito optimista da icerteza que afecta os parâmetros. 19

20 Adeda Obteção das expressões (5) e (6) dos parâmetros A e B que miimizam P Di ode D i = Y i Yi 0 = Y i (A + B) Di = = = = (Y i (A + B)) ³ Yi +(A + B) Y i (A + B) Y i + A X i + B +AB Y i B A Y i Yi + A Xi + B +AB A Y i B Y i (3) P Codições de miimização de Di : P Di =A Xi +B Y i =0 (33) A P Di =B +A Y i =0 (34) B Desta última relação vem: B = que, substituido em (33) coduz a Y i A (35) Ã A Xi +! X X Y i A Y i =0 Ã A Xi 1! X = Y i 1 X Y i 0

21 dode X Y i 1 Y i A = Ã! Xi X 1 ou X X Y i Y i A = Ã! (36) Xi X Substituido a expressão de A em (35) vem X B = 1 X i Y i 1 Y i Ã! Xi X Y i B = = Xi Xi Ã! X Y i 1 Y i X Y i Ã! Xi X X Y i à X! X Y i + 1 Ã! Xi X X Y i 1

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS.

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. 1.1 Objectivos Medir gradezas físicas, utilizado os istrumetos adequados. Apresetar correctamete os resultados das medições, ao ível da utilização

Leia mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? 1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

Introdução ao Qui-Quadrado

Introdução ao Qui-Quadrado Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Capítulo X Teste do Qui-quadrado, Itrodução ao qui-quadrado Defiição geral do qui-quadrado Graus de liberdade e reduzido abilidade do 66

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,

Leia mais

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,

Leia mais

Capítulo II Propagação de erros (cont.)

Capítulo II Propagação de erros (cont.) Técicas Laboratoriais de Física Lic. Física e Eg. Biomédica 007/08 Capítulo II Propagação de erros (cot.) Propagação de icertezas idepedetes e arbitrárias Fuções de uma variável Determiação da propagação

Leia mais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal. biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa

Leia mais

Experimento 1 Estudo da Lei de Hooke

Experimento 1 Estudo da Lei de Hooke Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos

Leia mais

Análise Matemática I 2 o Exame

Análise Matemática I 2 o Exame Aálise Matemática I 2 o Exame Campus da Alameda LEC, LET, LEN, LEM, LEMat, LEGM 29 de Jaeiro de 2003, 3 horas Apresete todos os cálculos e justificações relevates I. Cosidere dois subcojutos de R, A e

Leia mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prova Escrita de MATEMÁTICA A - o Ao 08 - a Fase Proposta de resolução Cadero... Como P µ σ < X < µ + σ 0,94, logo como P X < µ σ P X > µ + σ, temos que: P X < µ σ 0,94 E assim, vem que: P X > µ σ P X

Leia mais

ESCOLA BÁSICA DE ALFORNELOS

ESCOLA BÁSICA DE ALFORNELOS ESCOLA BÁSICA DE ALFORNELOS FICHA DE TRABALHO DE MATEMÁTICA 9.º ANO VALORES APROXIMADOS DE NÚMEROS REAIS Dado um úmero xe um úmero positivo r, um úmero x como uma aproximação de x com erro iferior a r

Leia mais

2.2. Séries de potências

2.2. Séries de potências Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise

Leia mais

Capítulo I Séries Numéricas

Capítulo I Séries Numéricas Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

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

DERIVADAS DE FUNÇÕES11

DERIVADAS DE FUNÇÕES11 DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço

Leia mais

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM 6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas

Leia mais

Mas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real.

Mas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real. Resumo. O estudo das séries de termos reais, estudado as disciplias de Aálise Matemática da grade geeralidade dos cursos técicos de liceciatura, é aqui estedido ao corpo complexo, bem como ao caso em que

Leia mais

Séquências e Séries Infinitas de Termos Constantes

Séquências e Séries Infinitas de Termos Constantes Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates

Leia mais

Escola Secundária com 3º ciclo D. Dinis 11º Ano de Matemática A Tema III Sucessões Reais. TPC nº11 (entregar no dia 20 de Maio de 2011) 1ª Parte

Escola Secundária com 3º ciclo D. Dinis 11º Ano de Matemática A Tema III Sucessões Reais. TPC nº11 (entregar no dia 20 de Maio de 2011) 1ª Parte Escola Secudária com 3º ciclo D. Diis º Ao de Matemática A Tema III Sucessões Reais TPC º (etregar o dia 0 de Maio de 0) ª Parte As cico questões deste grupo são de escolha múltipla. Para cada uma delas

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 11º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema III Sucessões Reais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 11º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema III Sucessões Reais ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema III Sucessões Reais Tarefa º. Desta figura, do trabalho da Olívia e da Susaa, retire duas sequêcias e imagie o processo

Leia mais

Cálculo Diferencial e Integral I Resolução do 2 ō Teste - LEIC

Cálculo Diferencial e Integral I Resolução do 2 ō Teste - LEIC Cálculo Diferecial e Itegral I Resolução do ō Teste - LEIC Departameto de Matemática Secção de Àlgebra e Aálise I.. Determie o valor dos seguites itegrais (i) e x se x dx x + (ii) x (x + ) dx (i) Visto

Leia mais

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

Leia mais

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA) 06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes

Leia mais

APROXIMAÇÃO POR MÍNIMOS QUADRADOS. Consideremos a seguinte tabela de valores de uma função y = f(x):

APROXIMAÇÃO POR MÍNIMOS QUADRADOS. Consideremos a seguinte tabela de valores de uma função y = f(x): APROXIAÇÃO POR ÍNIOS QUADRADOS Cosideremos a seguite tabela de valores de uma fução y = f(x): i 3 x i 6 8 y i 8 Pretede-se estimar valores da fução em potos ão tabelados. Poderíamos utilizar o poliómio

Leia mais

11 Aplicações da Integral

11 Aplicações da Integral Aplicações da Itegral Ao itroduzirmos a Itegral Defiida vimos que ela pode ser usada para calcular áreas sob curvas. Veremos este capítulo que existem outras aplicações. Essas aplicações estedem-se aos

Leia mais

Séries de Fourier. As séries de Fourier são séries cujos termos são funções sinusoidais.

Séries de Fourier. As séries de Fourier são séries cujos termos são funções sinusoidais. Séries de Fourier As séries de Fourier são séries cujos termos são fuções siusoidais. Importâcia prática: uma fução periódica (em codições bastate gerais) pode ser represetada por uma série de Fourier;

Leia mais

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b, 0 y f x Isso sigifica que S, ilustrada

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) uma amostra aleatória da variável aleatória X. - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer

Leia mais

Capítulo II - Sucessões e Séries de Números Reais

Capítulo II - Sucessões e Séries de Números Reais Capítulo II - Sucessões e Séries de Números Reais 2 Séries de úmeros reais Sabemos bem o que sigifica u 1 + u 2 + + u p = p =1 e cohecemos as propriedades desta operação - comutatividade, associatividade,

Leia mais

Sucessões. , ou, apenas, u n. ,u n n. Casos Particulares: 1. Progressão aritmética de razão r e primeiro termo a: o seu termo geral é u n a n1r.

Sucessões. , ou, apenas, u n. ,u n n. Casos Particulares: 1. Progressão aritmética de razão r e primeiro termo a: o seu termo geral é u n a n1r. Sucessões Defiição: Uma sucessão de úmeros reais é uma aplicação u do cojuto dos úmeros iteiros positivos,, o cojuto dos úmeros reais,. A expressão u que associa a cada a sua imagem desiga-se por termo

Leia mais

Escola Secundária com 3º ciclo D. Dinis 11º Ano de Matemática A Tema III Sucessões Reais. TPC nº 10 (entregar no dia 6 de Maio de 2011) 1ª Parte

Escola Secundária com 3º ciclo D. Dinis 11º Ano de Matemática A Tema III Sucessões Reais. TPC nº 10 (entregar no dia 6 de Maio de 2011) 1ª Parte Escola Secudária com º ciclo D. Diis º Ao de Matemática A Tema III Sucessões Reais TPC º 0 (etregar o dia 6 de Maio de 0) ª Parte As cico questões deste grupo são de escolha múltipla. Para cada uma delas

Leia mais

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular Sistemas de Processameto Digital Egeharia de Sistemas e Iformática Ficha 4 5/6 4º Ao/ º Semestre DFS Série Discreta de Fourier DFT Trasformada Discreta de Fourier Covolução Circular Para calcular a DFT,

Leia mais

CÁLCULO I. Exibir o cálculo de algumas integrais utilizando a denição;

CÁLCULO I. Exibir o cálculo de algumas integrais utilizando a denição; CÁLCULO I Prof Edilso Neri Júior Prof Adré Almeida Aula o 9: A Itegral de Riema Objetivos da Aula Deir a itegral de Riema; Exibir o cálculo de algumas itegrais utilizado a deição; Apresetar fuções que

Leia mais

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Bauru

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Bauru EXPERIMENTO - MEDIDAS E ERROS ****************************************************************************. Objetivos: Propiciar ao estudate a compreesão dos coceitos básicos de medidas; Avaliação e propagação

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

Sumário. 2 Índice Remissivo 17

Sumário. 2 Índice Remissivo 17 i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................

Leia mais

CPV O cursinho que mais aprova na fgv

CPV O cursinho que mais aprova na fgv CPV O cursiho que mais aprova a fgv FGV ecoomia a Fase 0/dezembro/0 MATEMÁTICA 0. Chamaremos de S() a soma dos algarismos do úmero iteiro positivo, e de P() o produto dos algarismos de. Por exemplo, se

Leia mais

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

TRANSPORTES. Sessão Prática 4 Amostragem de escalares Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas

Leia mais

INTERPOLAÇÃO POLINOMIAL

INTERPOLAÇÃO POLINOMIAL 1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,

Leia mais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,

Leia mais

Ajuste de Curvas pelo Método dos Quadrados Mínimos

Ajuste de Curvas pelo Método dos Quadrados Mínimos Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias

Leia mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

Como se decidir entre modelos

Como se decidir entre modelos Como se decidir etre modelos Juliaa M. Berbert Quado uma curva é lei de potecia? O procedimeto amplamete usado para testar movimetação biológica a fim de ecotrar padrões de busca como Voos de Levy tem

Leia mais

DURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total)

DURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total) DURAÇÃO 1:30 (o teste costa de 3 págias com questões, um formulário e uma tabela - 5 folhas o total) Leia atetamete o euciado ates de respoder a cada questão. as questões de escolha múltipla seleccioe

Leia mais

Secção 1. Introdução às equações diferenciais

Secção 1. Introdução às equações diferenciais Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 5

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 5 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão 5 Nome: N.º Turma: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações ecessárias. Quado, para

Leia mais

3. Seja C o conjunto dos números complexos. Defina a soma em C por

3. Seja C o conjunto dos números complexos. Defina a soma em C por Eercícios Espaços vetoriais. Cosidere os vetores = (8 ) e = ( -) em. (a) Ecotre o comprimeto de cada vetor. (b) Seja = +. Determie o comprimeto de. Qual a relação etre seu comprimeto e a soma dos comprimetos

Leia mais

Critérios de correção e orientações de resposta p-fólio

Critérios de correção e orientações de resposta p-fólio Miistério da Ciêcia, Tecologia e Esio Superior U.C. 037 Elemetos de Probabilidade e Estatística de Juho de 0 Critérios de correção e orietações de resposta p-fólio Neste relatório apresetam-se os critérios

Leia mais

Capítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias

Capítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar

Leia mais

ELECTROMAGNETISMO E ÓPTICA

ELECTROMAGNETISMO E ÓPTICA ELECTROMAGNETISMO E ÓPTICA NOTAS DE CURSO Prof. Resposável: Mário J. Piheiro Istituto Superior Técico 008 1 O electromagetismo estuda o efeito das cargas eléctricas em repouso ou em movimeto. Eistem dois

Leia mais

O termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2

O termo linear significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2 MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica

Leia mais

CF358 Física BásicaExperimental I

CF358 Física BásicaExperimental I CF358 Física BásicaExperimetal I CONFIGURAÇÃO MÓDULO TEÓRICO MÓDULO EXPERIMENTAL => BLOCO 1-4 EXPERIMENTOS => BLOCO 2-4 EXPERIMENTOS PRESENÇA (muito importate) NO MÍNIMO 75% AVALIAÇÃO 01 PROVA -BLOCO TEÓRICO

Leia mais

1 a Lista de PE Solução

1 a Lista de PE Solução Uiversidade de Brasília Departameto de Estatística 1 a Lista de PE Solução 1. a) Qualitativa omial. b) Quatitativa discreta. c) Quatitativa discreta. d) Quatitativa cotíua. e) Quatitativa cotíua. f) Qualitativa

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

Novo Espaço Matemática A 12.º ano Proposta de Teste [outubro ]

Novo Espaço Matemática A 12.º ano Proposta de Teste [outubro ] Proposta de Teste [outubro - 017] Nome: Ao / Turma: N.º: Data: / / Não é permitido o uso de corretor. Deves riscar aquilo que pretedes que ão seja classificado. A prova iclui um formulário. As cotações

Leia mais

Estacionariedade e correlação temporal em dados financeiros

Estacionariedade e correlação temporal em dados financeiros Estacioariedade e correlação temporal em dados fiaceiros Hoje em dia há uma quatidade imesa de dados fiaceiros sedo armazeados, egócio a egócio, pelo mudo afora. Gratuitamete, é possível coseguir facilmete

Leia mais

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS INTRODUÇÃO O desevolvimeto do homem deve-se ao fato de que ele procurou observar os acotecimetos ao seu redor. Ao ver os resultados dos diversos evetos, ele

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas

Leia mais

Sumário. 2 Índice Remissivo 11

Sumário. 2 Índice Remissivo 11 i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de

Leia mais

1.1. Ordem e Precedência dos Cálculos 1) = Capítulo 1

1.1. Ordem e Precedência dos Cálculos 1) = Capítulo 1 Capítulo. Aritmética e Expressões Algébricas O estudo de cálculo exige muito mais que o cohecimeto de limite, derivada e itegral. Para que o apredizado seja satisfatório o domíio de tópicos de aritmética

Leia mais

Em certas situações particulares é possível operar com raízes quadradas, raízes cúbicas,...

Em certas situações particulares é possível operar com raízes quadradas, raízes cúbicas,... Escola Secudária/, da Sé-Lamego Ficha de Trabalho de Matemática A Ao Lectivo 000/0 Cojuto IR - Operações com radicais, racioalização de deomiadores e equadrametos 0º Ao Nome: Nº: Turma: NÚMEROS IRRACIONAIS

Leia mais

Regressão linear simples

Regressão linear simples Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão Aluo: N.º Turma: Professor: Classificação: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações

Leia mais

Distribuições Amostrais

Distribuições Amostrais 7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão 4 Nome: N.º Turma: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações ecessárias. Quado, para

Leia mais

δ de L. Analogamente, sendo

δ de L. Analogamente, sendo Teoremas fudametais sobre sucessões Teorema das sucessões equadradas Sejam u, v e w sucessões tais que, a partir de certa ordem p, u w v lim u = lim v = L (fiito ou ão), a sucessão w também tem limite,

Leia mais

Distribuições Amostrais

Distribuições Amostrais 9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Comparação entre duas populações

Comparação entre duas populações Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas

Leia mais

CÁLCULO DIFERENCIAL. Conceito de derivada. Interpretação geométrica

CÁLCULO DIFERENCIAL. Conceito de derivada. Interpretação geométrica CÁLCULO DIFERENCIAL Coceito de derivada Iterpretação geométrica A oção fudametal do Cálculo Diferecial a derivada parece ter sido pela primeira vez explicitada o século XVII, pelo matemático fracês Pierre

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

Cálculo Numérico Lista 02

Cálculo Numérico Lista 02 Cálculo Numérico Lista 02 Professor: Daiel Herique Silva Essa lista abrage iterpolação poliomial e método dos míimos quadrados, e cobre a matéria da seguda prova. Istruções gerais para etrega Nem todos

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 04 -. a Fase Proposta de resolução... Aplicado o método de Hodt a distribuição dos madatos, temos: Partido A B C D E Número de votos 4 4 Divisão

Leia mais

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma

Leia mais

5. O algoritmo dos mínimos quadrados

5. O algoritmo dos mínimos quadrados Apotametos de Processameto Adaptativo de Siais 5. O algoritmo dos míimos quadrados Método dos míimos quadrados Os algoritmos de míimos quadrados são uma alterativa aos algoritmos de gradiete. Estrutura

Leia mais

Algoritmos de Iluminação Global

Algoritmos de Iluminação Global Sistemas Gráficos/ Computação Gráfica e Iterfaces Objectivo: calcular a cor de cada poto a partir da ilumiação directa de uma fote de luz, mais a soma de todas as reflexões das superfícies próximas. Nos

Leia mais

5 DESENVOLVIMENTOS EM SÉRIE DE POTÊNCIAS

5 DESENVOLVIMENTOS EM SÉRIE DE POTÊNCIAS 5 DESENVOLVIMENTOS EM SÉRIE DE POTÊNCIAS Na secção aterior cocluímos que uma fução aalítica um determiado poto é holomorfa uma viihaça desse poto. Iremos mostrar que o iverso é igualmete válido. Nesta

Leia mais

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco Taxas e Ídices Aa Maria Lima de Farias Dirce Uesu esco Itrodução Nesse texto apresetaremos coceitos básicos sobre ídices e taxas. Embora existam aplicações em diversos cotextos, essas otas utilizaremos

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão Nome: N.º Turma: Professor: Classificação: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as ustificações

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 006 -. a Fase Proposta de resolução 1. 1.1. 1.1.1. Utilizado a iformação da tabela dada e idetificado o úmero de votos de cada partido com a

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS COIMBRA 12º ANO DE ESCOLARIDADE MATEMÁTICA A FICHA DE AVALIAÇÃO 12º B1. Grupo I

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS COIMBRA 12º ANO DE ESCOLARIDADE MATEMÁTICA A FICHA DE AVALIAÇÃO 12º B1. Grupo I ESCOLA SECUNDÁRIA COM º CICLO D. DINIS COIMBRA º ANO DE ESCOLARIDADE MATEMÁTICA A FICHA DE AVALIAÇÃO º B Grupo I As três questões deste grupo são de escolha múltipla. Para cada uma delas são idicadas quatro

Leia mais

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy Viziho Próximo ógica Fuzzy Métodos de Classificação dos Objetos Segmetados(IAR) objeto REGRA CASSE Fuzzy Cohecimeto Miima Distâcia Viziho Próximo O método do viziho próximo é baseado o método da míima

Leia mais

3ª Lista de Exercícios de Programação I

3ª Lista de Exercícios de Programação I 3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros

Leia mais

TESTE DE AVALIAÇÃO GLOBAL - MATEMÁTICA A 11.º ANO DURAÇÃO DO TESTE: 90 MINUTOS GRUPO I

TESTE DE AVALIAÇÃO GLOBAL - MATEMÁTICA A 11.º ANO DURAÇÃO DO TESTE: 90 MINUTOS GRUPO I TESTE DE AVALIAÇÃO GLOBAL - MATEMÁTICA A 11º ANO DURAÇÃO DO TESTE: 90 MINUTOS GRUPO I Os cico ites deste grupo são de escolha múltipla Em cada um deles, são idicadas quatro opções, das quais só uma está

Leia mais