Transferência de massa. Aula 9. Prof. Gerônimo

Tamanho: px
Começar a partir da página:

Download "Transferência de massa. Aula 9. Prof. Gerônimo"

Transcrição

1 Trasferêca de massa ula 9 Prof. Gerômo

2 - ITRDUÇÃ Etede-se por trasferêca de massa, o trasporte de um compoete de uma regão de alta cocetração para outra de baxa cocetração. g ag

3 - ITRDUÇÃ Ecotramos trasferêca de massa a dústra, o laboratóro, a cozha, o corpo humao, efm em todo lugar em que há dfereça de cocetração de uma determada espéce para que ocorra o seu trasporte. trasferêca de calor é promovda pelos gradetes de temperatura. trasferêca de massa um sstema ocorre de maera aáloga. fluxo de massa ocorre o setdo das regões de alta para os de baxa cocetração. este feômeo deoma-se dfusão molecular de massa. trasporte de massa pode também estar assocado com a covecção, processo este o qual porções do fludo são trasportados de uma regão a outra do escoameto em escala macroscópca.

4 -TRSFERÊI DE SS: DIFUSÃ vs. VEÇÃ ÁSSI De acordo com a seguda le da termodâmca (ds 0), haverá fluxo de matéra (ou massa, ou mols) de uma regão de maor a outra de meor cocetração de uma determada espéce químca. Esta espéce que é trasferda deoma-se soluto. s regões que cotêm o soluto podem abrgar população de uma ou mas espéces químcas dsttas do soluto, as quas são deomadas de solvete. cojuto soluto/solvete, por sua vez, é cohecdo como mstura (para gases) ou solução (para líqudos). Tato uma quato a outra costtuem o meo ode ocorrerá o feômeo de trasferêca de massa. Trasferêca de massa é um feômeo ocasoado pela dfereça de cocetração, maor para meor, de um determado soluto em um certo meo

5 bserva-se desse eucado uma ítda relação de causa e efeto a trasferêca de massa. Para causa: dfereça de cocetração de soluto, exste o efeto da trasferêca de massa. Portato: causa gera o feômeo, provoca a sua trasformação, ocasoado o movmeto dfereça de cocetração do soluto, equato causa, traduz-se em força motrz ecessára ao movmeto da espéce cosderada de uma regão a outra; levado-os a: movmeto da matéra força motrz teor da resposta de reação desse movmeto, em vrtude da ação da força motrz, está assocado à resstêca oferecda pelo meo ao trasporte do soluto como: movmetoda matéra força motrz resstêca aotrasporte

6 resstêca presete a equação ateror está relacoada com: * teração soluto/meo * teração soluto/meo + ação extera trasferêca de massa pode ocorrer em ível macroscópco, cuja força motrz é a dfereça de cocetração e a resstêca ao trasporte está assocada à teração soluto/meo + ação extera. Essa ação extera relacoa-se com as característcas dâmcas do meo e geometra do lugar ode ele se ecotra. Esse feômeo é cohecdo como covecção mássca. Por outro lado, o movmeto das espéces (soluto) o meo, é cohecdo como dfusão.

7 a trasferêca de massa há dversas cotrbuções, mas as mas urgetes seram: - cotrbução dfusva: trasporte de matéra devdo às terações moleculares, - cotrbução covectva: auxílo ao trasporte de matéra como coseqüêca do movmeto do meo. Exemplo: - ar calmo, um surfsta e sua pracha. Para deslocar-se de um certo lugar a outro, o surfsta faz das mãos remos e assm, ao locomover-se, etra em cotato ítmo com o mar. Idetfcado : soluto surfsta meo mar movmeto mãos otrbução Dfusva

8 parece uma oda de bom tamaho e carrega o surfsta. Idetfcado : soluto surfsta meo mar movmeto oda otrbução ovectva ou também: Idetfcado : soluto surfsta meo mar movmeto mãos oda otrbução Dfusva e ovectva bserve as stuações descrtas que o cotato ítmo está assocado à teração (surfsta/mar) ou (soluto/meo). este caso, tem-se a cotrbução dfusva. Já a stuação em que o surfsta se dexa carregar pelo mar, exste a ação do mar em levar a pracha de um lugar para outro, acarretado a cotrbução covectva. Pode haver a tercera stuação a qual as duas ctadas há pouco ocorrem smultaeamete.

9 Exstem dversos mecasmos de trasferêca de massa. classfcação dada por R.. rd abrage oto tpos: - Dfusão molecular (ordára), resultate de um gradete de cocetração. - Dfusão térmca, resultate de um gradete de temperatura; 3- Dfusão devdo à pressão, que ocorre em vrtude de um gradete de pressão; 4- Dfusão forçada, que resulta de outras forças exteras além das gravtacoas; 5- Trasferêca de massa por covecção forçada; 6- Trasferêca de massa por covecção atural; 7- Trasferêca de massa turbuleta, resultate das corretes de redemoho exstete um fludo; 8- Trasferêca de massa etre as fases que ocorre em vrtude do ão equlíbro através da terface. s quatro prmeros tpos ocorrem com trasferêca de massa molecular, os quatro últmos ocorrem com trasferêca de massa por coveçcão.

10 - ETRÇÕES, VELIDDES E FLUXS. ocetrações ocetração mássca: m V massa da espéce por udade de volume da solução ocetração molar: V m V úmero de mols da espéce por udade de volume da solução

11 Fração mássca: w ode: cocetração mássca da espéce dvdda pela cocetração mássca total. Fração molar: x cocetração molar da espéce dvdda pela cocetração molar total da solução. ode: otação para gases de fração molar será:

12 Quado relacoado com a fase gasosa em codções deas, as cocetrações molares são expressas em termos de pressões parcas, sto é: PV RT m RT m V P RT V P RT ode P é a pressão parcal do compoete a fase gasosa e R é a costate uversal dos gases. Para uma mstura gasosa deal temos: P RT ode P é a pressão total da mstura gasosa. m V P RT

13 Quado relacoado com a fase gasosa em codções deas, as frações molares são expressas em termos de pressões parcas, sto é: P R P T RT P P Represetação algébrca da Le de Dalto P P

14 Defções báscas para uma mstura bára ( + ): ( cocetração mássca da solução ) ( cocetração mássca de ou ) ( cocetração molar da mstura ) ( cocetração molar de ou )

15 ( fração mássca de ou ) x x ( fração molar de ou para líqudos ) ( fração molar de ou para gases )

16 Relações adcoas de uma mstura bára ( + ): x x ( molar para líqudos ) ( molar para gases ) ( mássco ) ( massa molar méda para gases ) x x ( massa molar méda para líqudos ) ( massa molar médo mássco )

17 Por defção temos: w Portato temos: x w w w w x x x x w ( molar em fase líquda) ( mássco ) w w x x w x ou

18 Exemplo 0: Determe a massa molecular da segute mstura gasosa: 5% de, 0% de H, 4% de e 7% de. alcule, também, as frações másscas das espéces que compõe essa mstura: a) Solução: H H 0,058,0 0,043,999 0,(8,05) 0,7 8,03 6,73g/gmol b) Solução: Frações másscas: w ; ; w

19 assa molecular Fração molar Fração mássca Espéce químca (g/gmol) w = / 8,0 0,05 0,0535 3,999 0,04 0,0489 H 8,05 0,0 0,377 8,03 0,7 0,7599

20 Exemplo 0: alcule a massa molecular do ar cosderado-o como uma mstura as segutes proporções: a) 79% de e % de b) 78,09%, 0,65% de, 0.93% de r (argôo) e 0,33 de a) Solução: r 8,85 g/gmol b) Solução: r 0,798,03 0, 3,999 r r 0,065 3,999 8,99 g/gmol r r r 3 3 0,78098,0 9,3x0 39,948 3,3x0 44,0

21 Exemplo 03: alcule a cocetração mássca da mstura e de cada compoete a atm e 5, assm como as frações másscas de cada espéce presete os tem (a) do exercíco ateror. a) ocetração mássca do P P P 0,79(atm) 0,79 atm RT 9,05x0 4 (0,79 atm)(8,0g/gmol) (8,05atm.g/gmol.K)(98,5K) g/cm 3 b) ocetração mássca do P P P 0,(atm) 0,atm RT,75x0 4 (0,atm)(3,999 g/gmol) (8,05atm.g/gmol.K)(98,5K) g/cm 3

22 c) ocetração mássca da mstura: 4 3 3,75 9,050,8x0 g/cm d) Fração mássca do w w 0,767 9,05x0,8x0 4 3 g/cm g/cm 3 3 e) Fração mássca do w w 0,33,75x0,8x0 4 3 g/cm g/cm 3 3

23 Exemplo 04: alcule a massa molecular do ar úmdo com água = 0,05. Supoha o ar puro como uma mstura deal das espéces químcas cotdas o tem (a) do exercíco 0. alcule também a fração mássca do vapor d água. R úmdo R úmdo 0,05 8,05 g/gmol 0,058,85 g/gmol 8,3g/gmol R úmdo H H R R H H H R r úmdo r úmdo P RT r úmdo,57x0 3 g/cm 3 atm (8,3g/gmol) (8,05 atm.g/gmol.k)(98,5k)

24 3 5 H H H H H H g/cm 3,79x0 (8,05 atm.g/gmol.k)(98,5k) (0,05 atm)(8,05 g/gmol) RT P 0,05 atm 0,05(atm) P P 0,03 g/cm,57x0 g/cm 3,79x0 H r úmdo H H w w

25 . Velocdades Quado mecoamos velocdade, esta ão será apeas de uma molécula da espéce, mas sm a méda de moléculas dessas espéces cotdas em um elemeto de volume. omo a solução é uma mstura de dsttas espéces químcas, a velocdade com a qual escoa esta solução é dada pelas segutes equações: v V v v ( velocdade méda mássca ) ( velocdade méda molar )

26 ode v ( v ) é uma velocdade local com que a massa da solução atravessa uma seção utára colocada perpedcularmete à velocdade v ( V ). ovém saletar que v é uma velocdade absoluta, pos dz respeto à espéce químca. Essa velocdade pode estar referecada a outro tpo de velocdade: - à de exos estacoáros: v 0 - à da solução ( para velocdade mássca ): 3- à da solução ( para velocdade molar ): v v V v resultado orudo das dfereças dos tes e 3 deoma-se velocdade de dfusão.

27 De modo a compreeder o sgfcado dessa velocdade, atede para a segute metáfora: Em um ro há dversas espéces de pexes como lambarí, traíra, pacu, etc. Exste uma velocdade méda absoluta erete a cada espéce que está assocada ao seu cardume. Por exemplo: a velocdade do lambarí é a velocdade do cardume de lambarí e assm por date. Desse modo, se cosderarmos o cardume (espéce) à do ro, teremos a velocdade de dfusão da espéce. Exemplo 05: Sabedo que as velocdades absolutas das espéces químcas presetes a mstura gasosa do exemplo 0 são: v,z = 0 cm/s, v,z = 3 cm/s, v H,z = 9 cm/s, v,z = cm/s, determe: a) velocdade méda molar da mstura; b) velocdade mássca da mstura; c) velocdade de dfusão do a mstura, tedo como referêca a velocdade méda molar da mstura; d) Idem ao tem (c), tedo como referêca a velocdade méda mássca da mstura. bs: Utlzar as composções molares e másscas dos gases do exemplo.

28 Solução: a) Da defção da velocdade méda molar da mstura para a dreção z, temos: mas Substtudo () em (), temos: v V, z Z ( ) ; ; ( ) v V z, Z ( 3 ) z z z z,, H H,,z v v v v V

29 ,63 cm/s V 0,7 9 0, 3 0,04 0 0,05 V v v v v V,, H H,,z z z z z z z b) Da defção da velocdade méda mássca da mstura para a dreção z, temos: Porém Substtudo (5) em (4), temos: v v,z Z ; ; w w ( 4 ) ( 5 ) v v z, w z z z z z w w w w,, H H,,z v v v v v ( 6 )

30 ohece-se os valores de w do exemplo 0: v z w v,z w v, z w H vh, z w v, v v z z 0, , ,3779 0,7599,5 cm/s c) Da defção de velocdade de dfusão do, referecada à velocdade méda molar a dreção z, temos: v V v V 3,63 0,37 cm/s,z z d) Da defção de velocdade de dfusão do, referecada à velocdade méda mássca a dreção z, temos: 3,5 0,85 cm/s,z z v v v v z

31 .3 Fluxos o tem ateror sempre que houve a meção velocdade, hava para ela algum complemeto: - da espéce químca ou - da solução. o caso dos pexes, fo: - dos pexes ( cardume ) ou - do ro Evdecou-se que, ao mecoar pexe, estava mplícto o cojuto de uma determada espéce, ou seja, cardume. cardume de pexes traz a déa de cocetração de uma certa espéce. Escreve-se, dessa maera, o segute produto do qual resulta a defção de fluxo total: FLUX Velocdade ocetraç ão sedo a udade de fluxo: massa( área. ou mols tempo )

32 FLUX: Quatdade de matéra que atravessa uma superfíce com uma determada área um tervalo de tempo. fluxo é gerado pelo gradete de cocetração. ols (ou assa) mols Kg FLUX ou Área superfcal Tempo m s m s Área Utára

33 Se cosderarmos que os dversos cardumes de pexes passem por debaxo de uma pote, a qual está stuada perpedcularmete ao escoameto do ro ( observe que a área etre os colchetes a udade de fluxo é aquela stuada perpedcularmete sob a pote ), fca a segute questão: que velocdade está assocada ao fluxo? Qualquer que seja a velocdade, ou seja, velocdade do ro, velocdade de dfusão do cardume ou velocdade absoluta do cardume, o fluxo total do cardume referecado a um exo estacoáro é dado por: ovmeto de observado da pote ovmeto de decorrete do ato de adar o ro ovmeto de resultate do escoameto doro ( )

34 Defmos aterormete a velocdade de dfusão como sedo a dfereça etre a velocdade absoluta da espéce químca com a velocdade méda (molar ou mássca). ssm, o exemplo dos cardumes de pexes em um ro, mplca a teração cardume / ro, portato um feômeo dfusvo e o fluxo assocado será devdo à cotrbução dfusva, escrta como: J v V ( ), Z, Z Z v, Z V Z : : velocdade da espéce ( pexe cardume ) a dreção Z velocdade do ro ( meo ) a dreção Z

35 Supoha agora que, ao vés de adar, o cardume dexe-se levar pelo ro. movmeto do cardume será devdo à velocdade do meo. fluxo assocado, esse caso, decorre da cotrbução covectva ou advecção de acordo com: J V ( 3 ), Z Z equação ateror represeta a cotrbução covectva aalsada por aquele observador parado, pescado traqulamete sobre uma pote. equação é vsta, também da segute maera: v V V ( 4 ), Z, Z Z Z a qual represeta o fluxo decorrete do cardume adar a dreção Z, equato o ro estver escoado.

36 ssm, a equação 4 é válda para o fluxo udrecoal de qualquer espéce químca, referecada à coordeada estacoára Z. Fluxo total de referecado a um exo estacoáro Fluxo resultate da cotrbução dfusva Fluxo resultate do movmeto global da solução ou Fluxo total da espéce referecado a um exo estacoáro otrbução dfusva otrbução covectva ( 5 )

37 3- LEI DE FIK D DIFUSÃ (855) osdere um recpete que cotém dos gases e ( >> ), calmete separados etre s por uma partção:, V, V V Gás Gás V dx Partção x T e P costates

38 o retrar-se a partção, os dos gases dfudem um através do outro até que a cocetração de ambos seja uforme em todo o volume V. Gás + V >> T e P costates s cocetrações de cada gás serão, respectvamete: V V V V V V

39 Este feômeo é regdo pela prmera le de Fck, que pode ser expressa pela segute equação: J D d dx D D ( 6 ) sal egatvo dca o decréscmo da cocetração da espéce com o setdo do fluxo ode: = ocetração molar total [mols/cm 3 ] J = Desdade de fluxo molar de dfusão [mol/cm.s] D = oefcete de dfusão da espéce em relação a espéce ou dfusvdade [cm /s ou m /s] d dx

40 d dx Se for lear: Gradete de cocetração d dx x x fal fal x cal cal J D d dx D x Le de Fck para dfusão em estado estacoáro x x

41 Exemplo 06: dclorometao é um gredete comum em decapates de ttas. lém de causar rrtações, pode ser absorvdo pela pele. Deve-se usar luvas de proteção quado mapular este decapate. Usado-se luvas de borracha butílca (0,04 cm de espessura), qual é o fluxo de dclorometao através da luva? Dados: oefcete de dfusão em borracha butílca: 0x0 - m /s ocetrações superfcas: = 440 Kg/m 3 = 0 Kg/m 3

42 Decapate Pele x x J J J D d dx 0x0,6x0 4 m /s D kg/m.s x D kg/m 0,04x0 m 3 x x

43 partr da equação 5, toma-se uma mstura bára ( + ), em que represeta a cocetração molar da espéce químca e v, a velocdade absoluta de e V a velocdade méda molar da solução, respectvamete. fluxo molar total da espéce referecado a exos estacoáros será: v V V ( 7 ) omo cosequêca da equação 7: v ( 8 ) sedo que o fluxo molar da espéce. posto desta forma é deomado fluxo absoluto

44 parcela correspodete à cotrbução dfusva é: J v V ( 9 ) sedo restrta segudo a le ordára da dfusão: J D ( 0 ) omo a cocetração total da solução é costate e cosderado o soluto em fase gasosa, a relação para gases será: J D ( )

45 Levado a defção de velocdade méda molar, para uma mstura bára, a parcela da cotrbução covectva, o resultado fca: v v V V ( ) Substtudo as equações e a equação 7, temos: D ( 3 ) equação 3 represeta o fluxo total da espéce em uma mstura bára (+), válda para gases.

46 Para líqudo a equação 3 tora-se: D x x ( 4 ) o caso de fluxo mássco do soluto referecado a exos estacoáros, o procedmeto é aálogo ao molar, ou seja: D w w ( 5 ) s equações, e 3 são deomadas prmera le de Fck escrta para e. o caso de eleger apeas a dreção z para o fluxo, tas equações serão, respectvamete:

47 d, Z D,Z dz, Z ( 6 ) dx, Z D x,z dz, Z ( 7 ) dw, Z D w,z dz, Z ( 8 ) fluxo total para uma espéce químca presete em uma mstura com espéces químcas será dado por:.d, ( 9 ) j j

48 D j j j j D D j j j j j j j j, ( 0 ) ( ) equação é cohecda como a equação de Stefa-axwell, ela é útl para a determação do coefcete de dfusão a stuação em que o meo ão é estagado; a vetura de sê-lo (para todas as espéces j). este caso, a equação tora-se: j 0 D D j j j j j, ( )

49 omo ão etra o somatóro, a equação tora-se: D... D D D D D j j j j j, ( 3 )

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

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

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

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

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

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

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

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

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio Potecas termodâmcos crtéros de espotaedade e codções de equlíbro O Prcípo da Etropa Máxma váldo para um sstema solado estabelece um crtéro para determarmos o setdo em que ocorrem os processos de forma

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

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA O objetvo deste capítulo é apresetar formas da equação da coservação da massa em fução de propredades tesvas faclmete mesuráves, como a temperatura, a pressão,

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

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

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

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

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

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

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

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

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

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

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

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

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

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

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

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

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

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

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

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I MÉTOO OSS Seja agora uma estrutura de ós fxos duas vezes hergeométrca,.e. tal que os ós ão sofrem qualquer deslocameto de traslação e cotem ós com cógtas de rotação.. cos. cos etermemos os esforços mometos

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

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

Radiosidade. Claudio Esperança Paulo Roma Cavalcanti

Radiosidade. Claudio Esperança Paulo Roma Cavalcanti Radosdade Claudo Esperaça Paulo Roma Cavalcat Radosdade Resumo Modelo de lumação global Lumosdade aparete de um poto de uma superfíce depede de todos os potos de todas as superfíces Cada obeto da cea é

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

3 Fundamentação Teórica

3 Fundamentação Teórica 3 Fudametação Teórca A segur são apresetados os fudametos teórcos os quas é embasado o desevolvmeto do trabalho. 3.. Espectros de Resposta De acordo com Sampao [3], é descrta a resposta máxma de um osclador

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

6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS

6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS 6. ÉOOS APROXAOS ANÁS SSAS CONÍNUOS Nos dos capítulos aterores, estudaram-se métodos exactos de aálse de sstemas dscretos e de sstemas cotíuos. Agora, serão aalsados algus métodos aproxmados da solução

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

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

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

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

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

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

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

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

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

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

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

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

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

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

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

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

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

As seguintes variáveis são propriedades extensivas e funções do estado: (2.4) Já vimos que para um sistema fechado, da equação (1.1) podemos escrever

As seguintes variáveis são propriedades extensivas e funções do estado: (2.4) Já vimos que para um sistema fechado, da equação (1.1) podemos escrever 2. Fuções Auxlares e odções de Equlíbro As segutes varáves são roredades extesvas e fuções do estado: Etala: H (2.) Eerga lvre de Helmholtz: A (2.2) Eerga lvre de Gbbs: G G H (2.3) G A Proredades da Etala

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

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

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

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

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

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

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

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES Cemátca da Posção de Robôs Mapuladores Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES A cemátca de um robô mapulador é o estudo da posção e da velocdade do seu efetuador e dos seus lgametos. Quado

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

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

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

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

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

Matemática C Semiextensivo V. 2

Matemática C Semiextensivo V. 2 Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

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

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

Companhia Energética de Minas LINHAS DE TRANSMISSÃO VISTO N o.

Companhia Energética de Minas LINHAS DE TRANSMISSÃO VISTO N o. Impressora utlzada PLSERJET00 a REV. PROJ.J DES. CONF. LCR LCR BSLM BSLM 03//0 FEITO VISTO DT PROV. L T E R Ç Õ E S PRO V. BSLM Compaha Eergétca de Mas LINS DE TRNSMISSÃO VISTO N o. DT BSLM 03//0 Compatbldade

Leia mais

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014) Físca IV Pol Egehara Elétrca: 8ª Aula (8/08/014) Prof. Alvaro Vaucc Na últma aula vmos: Resolução de Images: segudo o crtéro estabelecdo por Raylegh que quado o máxmo cetral devdo à dfração das odas do

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

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

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

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

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

Leia mais

Í N D I C E. Séries de Pagamentos ou Rendas Renda Imediata ou Postecipada Renda Antecipada Renda Diferida...

Í N D I C E. Séries de Pagamentos ou Rendas Renda Imediata ou Postecipada Renda Antecipada Renda Diferida... Curso: Pós-graduação / MBA Campus Vrtual Cruzero do Sul - 2009 Professor Resposável: Carlos Herque de Jesus Costa Professores Coteudstas: Carlos Herque e Douglas Madaj UNIVERSIDADE CRUZEIRO DO SUL Cohecedo

Leia mais

Transferência de Massa ENG 524

Transferência de Massa ENG 524 Trasferêa de assa EG 54 apítulo oetrações, Velodades e Fluxos Prof. Édler Ls de lbuquerque osderações Ias Hpótese do otuu... Os eos estudados este urso são osderados oo dstrbuídos otuaete pela regão de

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

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

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

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES ANÁLISE MATRICIAL E ESTRUTURAS: APLICAA A MOELOS LINEARES Luz erado Martha Potfíca Uversdade Católca do Ro de Jaero PUC-Ro epartameto de Egehara Cvl Rua Marquês de São Vcete - Gávea CEP - Ro de Jaero RJ

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais