6.1 O experimento de Stern-Gerlach: estados puros e mistos

Tamanho: px
Começar a partir da página:

Download "6.1 O experimento de Stern-Gerlach: estados puros e mistos"

Transcrição

1 Capítulo 6 Operador densdade 6. O expermento de Stern-Gerlach: estados puros e mstos O aparelho de Stern-Gerlach consste essencalmente em um mã produzndo um campo magnétco não unforme. Um fexe de átomos penetra no mã numa dreção perpendcular ao gradente do campo magnétco. Em consequênca da nteração do seu spn com o campo magnétco, os átomos sofrem uma deflexão na sua passagem pelo campo. Na saída do mã, os átomos são detectados por contadores. Para smplfcar a análse, suponhamos que o expermento é realzado com átomos de prata, os quas possuem um total de 47 elétrons. Nestes átomos, 46 elétrons formam uma nuvem esférca sem momento angular, L =e S =. Se gnorarmos o momento angular do núcleo, o momento angular do átomo se deve apenas ao spn do quadragésmo-sétmo elétron. Assm, o momento magnétco µ de um átomo resulta proporconal ao spn do elétron, µ / S. A energa de nteração entre o momento magnétco e o campo magnétco é µ B. Se o gradente do campo for vertcal (dreção z) e a dreção ncal do fexe de átomos for horzontal, os átomos sofrem uma força cuja componente z é: F ( µ B) z eles serão defletdos para cma ou para baxo, dependendo do valor da componente do seu spn na dreção vertcal. O fexe de átomos que entra no campo magnétco é produzdo em um forno onde são evaporados os átomos de prata que posterormente serão colmados. Estes átomos estão orentados randomcamente (não há uma dreção preferencal para o spn), e por sso o fexe é chamado de não-polarzado. Após a passagem pelo mã, temos dos fexes polarzados. No fexe defletdo para cma a componente vertcal do spn dos átomos é postva e no fexe defletdo para baxo é negatva. De acordo com o formalsmo da Mecânca Quântca, o fexe defletdo para cma é descrto por um ket S z ;+ e o fexe defletdo para baxo por S z ;, tasques S z ; ± = 3 4 ~ S z ; ± e S z S z ; ± = ± ~ S z; ±. O ket mas geral possível para um sstema de spn é: (6.) = c + S z ;+ + c S z ; (6.) 56

2 S CONTADOR% N ELETROIMÃ% FORNO% FENDA%COLIMADORA% Fgura 6.: Representação esquemátca do expermento de Stern-Gerlach. onde c + c + + c c =. Este ket geral descreve um estado cujo spn aponta em qualquer dreção possível;.e. descreve qualquer estado polarzado. Porém, ele não é capaz de descrever o fexe de átomos que entra no campo magnétco, já que este é uma mstura de átomos orentados em todas as dreções possíves. Isto nos leva a defnr dos tpos de estados: estados puros e estados mstos. Os estados puros podem ser descrtos por uma únca função de onda. No exemplo do expermento de Stern-Gerlach, os dos fexes que saem da regão com campo magnétco são estados puros. Os estados mstos não podem ser descrtos por uma únca função de onda. O fexe que entra na regão com campo magnétco pode ser vsto como uma mstura de 5 % de átomos no estado S z ;+ e5%deátomos no estado S z ; (veja que precsamos de dos kets). Alternatvamente, podemos descrever esse fexe com uma mstura de 5 % de átomos no estado S x ;+ e 5 % de átomos no estado S x ;. Frequentemente um estado de este tpo é denomnado mstura ncoerente de estados com spn + e. Deve fcar claro que essa mstura ncoerente nada tem a ver com uma superposção lnear coerente como, por exemplo, = p S z ;+ + p S z ; que representa o estado polarzado S x ;+. O fexe completamente ncoerente descrto acma, é um caso extremo de estado msto. Em um fexe msto arbtráro, uma certa fração dos estados (e.g. %) é descrta por um ket e o resto dos estados (e.g. %) é descrto por um outro ket (não é necessáro que e sejam ortogonas). Neste caso, o fexe é parcalmente polarzado. Para descrever estados mstos é muto útl ntroduzr o formalsmo do operador densdade, já que qualquer estado, puro ou msto, poderá ser descrto por um únco operador densdade. 57

3 6. O operador densdade para estados puros 6.. Defnção Consderemos um estado quântco puro descrto pelo ket. Nesse estado, um observável A tem um valor de expectação dado por: Defnmos o operador densdade do estado como ha = h A. (6.3) = h. (6.4) Com essa defnção, é fácl mostrar que o valor de expectação do observável A édadopor ha =Tr( A), (6.5) onde devemos lembrar que o traço é um nvarante algébrco,.e. não depende da base utlzada. Para demonstrar a relação anteror consderamos uma base ortonormal completa arbtrára { n}. O traço de um operador é defndo como Tr P nhn n, logo, Tr( A) n hn A n = n hn h A n = n h A nhn = h A. (6.6) É fácl verfcar que o operador densdade verfca Tr =e que é hermtano =. No caso de estados puros, o operador densdade é dempotente, =, (6.7) a qual é uma condção sufcente e necessára para que um estado seja puro. 6.. Exemplos Consderemos um fexe de luz se propagando na dreção z. Calcularemos prmero a matrz densdade para um estado puro polarzado na dreção x. Este estado é descrto pelo ket S x ;+, logo, seu operador densdade é: = S x ;+hs x ;+. (6.) Agora escrevemos na base { S z ;+, S z ; }: = = apple p S z ;+ + p S z ; p p! p, p = apple p hs z ;+ + p hs z ;. (6.9) Consderemos agora um estado com polarzação arbtrára, descrto pelo ket = c + S z ;+ + c S z ; (6.) 5

4 onde c + c + + c c =. O operador densdade na base { S z ;+, S z ; } é: = [c + S z ;+ + c S z ; ] c +hs z ;+ + c hs z ; c+ = c c +, c c+ c = + c + c c c + c c. (6.) A partr desta últma expressão obtemos os seguntes casos partculares: a. estado polarzado na dreção S z ;+: c + =, c =, =. (6.) b. estado polarzado na dreção S z ; : c + =, c =, =. (6.3) c. estado polarzado na dreção S x ;+: c + = p, c = p, = d. estado polarzado na dreção S x ; : c + = p, c = p, = 6.3 O operador densdade para estados mstos 6.3. Defnção. (6.4). (6.5) Vamos descrever um estado msto que contém uma fração p de estados descrtos por,uma fração p de estados descrtos por, etc., onde p =. (6.6) O valor de expectação de um observável A édadopor: ha = p h A. (6.7) Veja que temos duas médas dferentes envolvdas nesta expressão; uma méda puramente quântca (o braket) devda à natureza probablístca da função de onda e outra estatístca (a soma sobre ) devda à mstura de estados. O operador densdade do estado msto é defndo como = p h, (6.) 59

5 e os elementos de matrz na base base ortonormal completa { n} são hn n = p hn h n. (6.9) Neste caso também temos: ha =Tr( A). (6.) Para demonstrar esta relação consderemos novamente uma base ortonormal completa arbtrára { n}. Temos então: Tr( A) hn A n =! hn p h A n = n n = p hn h A n = p h A nhn = n n! n = p h A nhn = p h A = = ha (6.) Para estados mstos também se verfca Tr =e =. Porém, neste caso temos 6.3. Exemplos 6=.e., não é dempotente, (6.) Tr < desde que p 6=para mas de um. (6.3) Consderemos novamente um fexe se propagando na dreção z. Calcularemos prmero a matrz densdade para uma mstura que tem 5% dos estados polarzados na dreção S z ;+ 5% dos estados polarzados na dreção S z ; = + =. (6.4) Para uma mstura que tem 5% dos estados polarzados na dreção S x ;+ 5% dos estados polarzados na dreção S x ; obtemos o mesmo resultado = + =. (6.5) Estes exemplos representam o mesmo estado completamente ncoerente. Por esse motvo, a matrz fcou dagonal; o sstema está gualmente dstrbuído em todos os estados possíves. Agora consderemos um fexe parcalmente polarzado, e.g. 75% dos estados polarzados na dreção S z ;+, e 5% dos estados polarzados na dreção S x ;+ = =. (6.6) 4 4 6

6 Para o estado apresentado neste últmo exemplo, podemos calcular a méda dos operadores S x, S y e S z, cujas matrzes são: S x = ~ S y = ~ S z = ~. (6.7) Para sso, fazemos: hs x =Tr( S x )=Trapple 7 hs y =Tr( S y )=Trapple 7 hs z =Tr( S z )=Trapple 7 ~ = ~ (6.) ~ = (6.9) = 3~. (6.3) ~ 6.4 Evolução operador densdade: a equação de Von Neumann Vamos determnar a equação de movmento para o operador densdade. Para sso, = p h = ~ h + h (6.3) Cada um dos estados da mstura verfca a equação do Schrödnger e a sua adjunta, portanto, a Eq. (6.3) fca A equação ~ = H ~h = h H, (6.3) ~ = p (H h h H) =H p h p h H = H H =[H, ] (6.33) ~ =[H, ] (6.34) recebe o nome de equação de Von Neumann, e é o análogo quântco da equação de Louvlle (o colchete de Posson fo substtuído pelo comutador [, ]/(~). A equação de Von Neumann descreve a evolução temporal do operador densdade na representação de Schrödnger. Ela e válda também para hamltonanos dependentes do tempo. Esta equação não deve ser confundda com a equação de movmento para um observável na representação de Hesenberg: ~Ẋ =[H, ], que tem um snal negatvo do lado esquerdo. Esta dferença nas equações não leva a nenhuma contradção já que não é um observável dnâmco na representação de Hesenberg. 6

7 6.5 Interpretação probablístca da matrz densdade Consderemos uma base ortonormal { n}, onde é representado por uma matrz densdade cujos elementos de matrz são nm = hn m = p hn h m. (6.35) Defnndo os coefcentes a n hn,.e. = n a n n, (6.36) temos nm = p a na m. (6.37) O coefcente a n hn é a ampltude de probabldade de que o autoestado n esteja contdo em. A probabldade correspondente é Pn = a n = a na n, a qual aparece nos elementos dagonas de, nn = p a na n = p P n. (6.3) Veja que os elementos da dagonal são reas (é assm que deve ser para uma matrz hermtana). Cada termo da somatóra anteror representa a probabldade de que o autoestado n esteja ocupado no sstema representado por. O elemento nn échamadodepopulação do estado n. Asomade todas essas probabldades é (anda bem!) já que Tr =, nn = n n p a na n = p Pn = (6.39) Em relação aos elementos não dagonas, sabemos que a na m representa os efetos de nterferênca quântca entre os estados n e m que ocorrem quando é uma superposção lnear de estados coerentes. O elemento não dagonal nm é a méda ponderada na mstura desses efetos de nterferênca. Mesmo que a na m seja não nulo, podemos ver que nm = P p a na m pode ser nulo para estados mstos, já que a méda ponderada pode cancelar os efetos de nterferênca. Assm, os elementos não dagonas fornecem uma medda da coerênca dos estados n e m;.e. se nm = os efetos de nterferênca entre esses estados se cancelam. Obvamente, as populações e as coerêncas dependem da base escolhda. Como é um operador hermtano, é sempre possível obter uma base onde a matrz densdade é dagonal,.e. nesse caso não haverá coerênca entre os elementos da base. Na base dagonal, a matrz densdade de um sstema puro tem todos os seus elementos nulos, n 6

8 com exceção de um dos elementos da dagonal,... =.... (6.4) C A Na base dagonal, a matrz densdade de uma mstura completamente ncoerente deve ter todos os elementos dagonas guas, e todos os elementos não-dagonas nulos. Se a matrz é N N, então ela deve ter a forma para que se verfque Tr =. = N 6.6 O operador densdade na estatístca quântca Um operador densdade que verfca C A (6.4) = (6.4) échamadodeensemble estaconáro. Pela equação de Von Neumann, temos ~ =[H, ] =, (6.43).e., se o ensamble for estaconáro H e comutam e, portanto, exste um conjunto ortonormal completo de estados que são autoestados tanto de H quanto de. Nessa base, chamada de representação de energa, tantoh quanto de são dagonas: 6.6. Ensemble mcrocanônco H nm = E n nm nm = n nm. (6.44) Vamos consderar um sstema com um número N muto grande de partículas em um volume V (N e V são fxos). Se o sstema estvesse verdaderamente solado, ele podera ser descrto por uma únca função de onda que pode ser expressa como uma superposção lnear dos estados de uma base ortonormal 63

9 completa de funções estaconáras. Na lnguagem do operador densdade, dríamos que o sstema é descrto por um operador que representa um estado puro. Porém, se o sstema nterage com a vznhança, quem está verdaderamente solado é o conjunto sstema + vznhança. Para descrever esta stuação em termos de um estado puro, precsaríamos determnar a função de onda do conjunto sstema + vznhança. Se queremos nos referr apenas ao sstema, devemos consderar que ele está em um estado que é uma superposção ncoerente de estados quântcos. Vamos consderar prmeramente que o sstema nterage muto fracamente com a vznhança, de manera que a sua energa está restrta ao ntervalo (E,E+ ). Na representação de energa, o operador densdade do sstema é da forma nm = n nm. (6.45) Os elementos dagonas ndcam a probabldade de que o sstema se encontre em um certo autoestado n. Este autoestado n está dretamente relaconado com a energa E n do sstema, já que estamos na representação de energa,.e. H n = E n n. Em outras palavras, se medmos a energa em um conjunto muto grande de sstemas dêntcos (um ensemble) descrtos pelo mesmo Hamltonano e a mesma matrz densdade, vamos obter o valor E n com uma probabldade n. Para estabelecer ovalorde n, vamos postular que todos os estados com energas no ntervalo (E,E + ) são gualmente prováves. Este é o prncpo de gual probabldade a pror que defne o ensemble mcrocanônco. De acordo com esse prncípo, temos então n = (! se E <E n <E+ em qualquer outro caso onde! é o número de estados no ntervalo de energa consderado. adotando o lmte! o operador densdade adota a forma onde!(e) =Tr( (H que está relaconada com! pela relação (6.46) Em uma base arbtrára, e (H E ) =, (6.47)! E )). Podemos defnr a densdade de estados ntegrada como (E) =Tr( (H E )), (6.49).e. da mesma forma já utlzada para o ensemble mcrocanônco clássco. Para um sstema quântco com um espectro {E}, é fácl ver que (E) representa o número de estados com energa menor o gual a E. Com estas defnções podemos estabelecer a conexão com a termodnâmca defnndo a entropa da mesma manera que no caso clássco,.e. temos as entropas de Boltzmann e de Gbbs dadas por S B = k ln(!(e)), (6.5) S G = k ln( (E)), (6.5) onde é uma constante com undades de energa, necessára para que o argumento do logartmo fque admensonal. 64

10 6.6. Ensemble canônco O operador densdade canônco na representação de energa tem elementos dagonas dados por n = e E n Pn e E n, (6.5) onde o denomnador é a função de partção canônca Q N = P n e E n. Em uma base arbtrára temos = e H Tr(e H ), (6.53) sendo Q N =Tr(e de Taylor H ). A função exponencal deve ser nterpretada como uma expansão em sére e H ( H) k. (6.54) k! k= A partr da matrz densdade em qualquer representação, podemos determnar todas as grandezas observáves do sstema por meo de hf = Tr(e H f) Tr(e H ), (6.55) que é uma expressão análoga à apresentada para sstemas clásscos (no caso clássco o traço é substtuído por uma ntegral no espaço das fases). Na hora de usar a expressão anteror, lembrar que Tr(AB) =Tr(BA) Ensemble macrocanônco No ensemble macrocanônco é dado por = e (H µn) Tr(e (H µn) ), (6.56) sendo =Tr(e (H µn) ) a função de partção macrocanônca. Na representação de energa os elementos dagonas são n = onde a função de partção macrocanônca é e (E n µn) Pn,N e (E n µn), (6.57) = n,n e (E n µn) = N z N Q N. (6.5) Veja que na mecânca quântca o número de partículas é um operador ˆN. Este operador pode ser substtuído pelo autovalor N apenas para sstemas com um número fxo de partículas. Para sstemas onde há cração e anqulação de partículas, o operador ˆ atua no espaço de de Fock (generalzação do espaço de Hlbert formado pela soma dreta de todos os espaços de Hlbert com número fxo de partículas). Assm, o traço que aparece na função de partção macrocanônca roda sobre os elementos de matrz calculados com estados no espaço de Fock. 65

11 6.7 Elétron em um campo magnétco externo 6. Partícula lvre em uma caxa Operador densdade na representação de coordenadas Gás deal 66

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos Mecânca Estatístca Tal como a Termodnâmca Clássca, também a Mecânca Estatístca se dedca ao estudo das propredades físcas dos sstemas macroscópcos. Tratase de sstemas com um número muto elevado de partículas

Leia mais

Módulo I Ondas Planas. Reflexão e Transmissão com incidência normal Reflexão e Transmissão com incidência oblíqua

Módulo I Ondas Planas. Reflexão e Transmissão com incidência normal Reflexão e Transmissão com incidência oblíqua Módulo I Ondas Planas Reflexão e Transmssão com ncdênca normal Reflexão e Transmssão com ncdênca oblíqua Equações de Maxwell Teorema de Poyntng Reflexão e Transmssão com ncdênca normal Temos consderado

Leia mais

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor 1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos

Leia mais

4 Autovetores e autovalores de um operador hermiteano

4 Autovetores e autovalores de um operador hermiteano T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S

Leia mais

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma

Leia mais

Parênteses termodinâmico

Parênteses termodinâmico Parênteses termodnâmco Lembrando de 1 dos lmtes de valdade da dstrbução de Maxwell-Boltzmann: λ

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

8 Soluções Não Ideais

8 Soluções Não Ideais 8 Soluções Não Ideas 8.1 Convenções para o coefcente de atvdade na escala de frações molares Para a solução deal temos ln x onde é função apenas da pressão e temperatura. Fo anterormente mostrado que todas

Leia mais

18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas

18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas 01/Abr/2016 Aula 11 Potencas termodnâmcos Energa nterna total Entalpa Energas lvres de Helmholtz e de Gbbs Relações de Maxwell 18 e 20/Abr/2016 Aulas 12 e 13 Introdução à Físca Estatístca Postulados Equlíbro

Leia mais

O Formalismo Matemático da Mecânica Quântica

O Formalismo Matemático da Mecânica Quântica O Formalsmo Matemátco da Mecânca Quântca Márco H. F. Bettega Departamento de Físca Unversdade Federal do Paraná bettega@fsca.ufpr.br Escola de Verão de Físca de Curtba - 2019. Introdução Vamos dscutr nesta

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

Atividade em Soluções Eletrolíticas

Atividade em Soluções Eletrolíticas Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende

Leia mais

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4 O íon lantanídeo no acoplamento Russell-aunders e a classfcação de seus estados segundo os subgrupos do grupo G(4 ) O hamltonano, H, dos íons lantanídeos contém uma parte que corresponde ao campo central,

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Equações de Bloch. Richard H. Chaviguri November 27, 2017

Equações de Bloch. Richard H. Chaviguri November 27, 2017 INSTITUTO DE FÍSICA DE SÃO CARLOS-USP Equações de Bloch Rchard H. Chavgur November 7, 017 1 INTRODUÇÃO O estudo da nteração radação-matéra abrange dversos processos tas como: absorçao, ndução tanto espontânea

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não Preparar o Exame 0 0 Matemátca A Págna 9. Se 5 5 é o argumento de z, é argumento de z e 5 5. Este ângulo é gual ao ângulo de ampltude 5 é argumento de z.. Resposta: D w w a b b a b b. a b a a b b b bem

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br 1 soluções eletrolítcas Qual a dferença entre uma solução 1,0 mol L -1 de glcose e outra de NaCl de mesma concentração?

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia 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. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

4 Sistemas de partículas

4 Sistemas de partículas 4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as

Leia mais

Dinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc

Dinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc Dnâmca Estocástca Insttuto de Físca, outubro de 2016 1 Dnâmcas estocástcas para o modelos defndos em redes Sstema defndo em um retculado em um espaço de d dmensões Exemplo: rede quadrada d=2 em que cada

Leia mais

Trabalho e Energia. Curso de Física Básica - Mecânica J.R. Kaschny (2005)

Trabalho e Energia. Curso de Física Básica - Mecânica J.R. Kaschny (2005) Trabalho e Energa Curso de Físca Básca - Mecânca J.R. Kaschny (5) Lembrando nosso epermento de queda lvre... z z 1 v t 1 z = z - v t - gt ( ) z- z v = g = t Contudo, se consderarmos obtemos: v z z 1 t

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

SC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1

SC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1 SC de Físca I - 2017-2 Nota Q1 88888 Nota Q2 Nota Q3 NOME: DRE Teste 1 Assnatura: Questão 1 - [3,5 pontos] Uma partícula de massa m se move sobre uma calha horzontal lsa com velocdade constante de módulo

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Estatística Quântica e o Gás de Férmi

Estatística Quântica e o Gás de Férmi Estatístca Quântca e o Gás de Férm Aluno: André Hernandes Alves Malavaz Insttuto de Físca de São Carlos - IFSC Departamento de Físca e Cênca dos Materas (FCM) Unversdade de São Paulo 23 de Novembro, 2017

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Capítulo 24: Potencial Elétrico

Capítulo 24: Potencial Elétrico Capítulo 24: Potencal Energa Potencal Elétrca Potencal Superfíces Equpotencas Cálculo do Potencal a Partr do Campo Potencal Produzdo por uma Carga Pontual Potencal Produzdo por um Grupo de Cargas Pontuas

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Estatística Quântica Gás de Fermi

Estatística Quântica Gás de Fermi Unversdade de São Paulo Monografa Estatístca Quântca Gás de Ferm André Hernandes Alves Malavaz SFI5814 - Físca Atômca e Molecular, 17- de novembro de 17 Monografa Físca Atômca e Molecular Estatístca Quântca

Leia mais

Física E Semiextensivo V. 3

Física E Semiextensivo V. 3 Físca E emextensvo V. 3 Exercícos 0) D É mpossível um dspostvo operando em cclos converter ntegralmente calor em trabalho. 0) A segunda le também se aplca aos refrgeradores, pos estes também são máqunas

Leia mais

Dinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc

Dinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc Dnâmca Estocástca Insttuto de Físca, outubro de 06 Dnâmcas estocástcas defndas em retculados odelo de Isng Dnâmcas estocástcas em retculados Retculado (rede Exemplo: Rede quadrada regular com = 4 X 4=6

Leia mais

3 Animação de fluidos com SPH

3 Animação de fluidos com SPH 3 Anmação de fludos com SPH O SPH (Smoothed Partcle Hydrodynamcs) é um método Lagrangeano baseado em partículas, proposto orgnalmente para smulação de problemas astrofíscos por Gngold e Monaghan (1977)

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

2003/2004. então o momento total das forças exercidas sobre o sistema é dado por. F ij = r i F (e)

2003/2004. então o momento total das forças exercidas sobre o sistema é dado por. F ij = r i F (e) Resolução da Frequênca de Mecânca Clássca I/Mecânca Clássca 2003/2004 I Consdere um sstema de N partículas de massas m, =,..., N. a Demonstre que, se a força nterna exercda sobre a partícula pela partícula

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Resumo de Álgebra Linear - parte II

Resumo de Álgebra Linear - parte II Aula 7 Resumo de Álge Lnear - parte II 7.1 Resumo Nesta aula contnuamos desenvolvendo concetos báscos de álge lnear, aprmorando a famlardade com a notação de Drac. Bblograa: Moysés, 8.7 (em parte), e Cohen-Tannoudj,

Leia mais

Ajuste de um modelo linear aos dados:

Ajuste de um modelo linear aos dados: Propagação de erros Suponhamos que se pretende determnar uma quantdade Z, a partr da medda drecta das grandezas A, B, C,, com as quas se relacona através de Z = f(a,b,c, ). Se os erros assocados a A, B,

Leia mais

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele

Leia mais

do Semi-Árido - UFERSA

do Semi-Árido - UFERSA Unversdade Federal Rural do Sem-Árdo - UFERSA Temperatura e Calor Subêna Karne de Mederos Mossoró, Outubro de 2009 Defnção: A Termodnâmca explca as prncpas propredades damatéra e a correlação entre estas

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

Leia 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. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação

Leia mais

AULA 10 Entropia e a Segunda Lei da Termodinâmica

AULA 10 Entropia e a Segunda Lei da Termodinâmica UFABC - BC0205 - Prof. Germán Lugones AULA 10 Entropa e a Segunda Le da ermodnâmca Sad Carnot [1796-1832] R. Clausus [1822-1888] W. homson (Lord Kelvn) [1824-1907] Quando um saco de ppocas é aquecdo em

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

3. Um protão move-se numa órbita circular de raio 14 cm quando se encontra. b) Qual o valor da velocidade linear e da frequência ciclotrónica do

3. Um protão move-se numa órbita circular de raio 14 cm quando se encontra. b) Qual o valor da velocidade linear e da frequência ciclotrónica do Electromagnetsmo e Óptca Prmero Semestre 007 Sére. O campo magnétco numa dada regão do espaço é dado por B = 4 e x + e y (Tesla. Um electrão (q e =.6 0 9 C entra nesta regão com velocdade v = e x + 3 e

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

Física Moderna II - FNC376

Física Moderna II - FNC376 Unversdade de São Paulo Insttuto de Físca Físca Moderna II - FNC376 Profa. Márca de Almeda Rzzutto 1o. Semestre de 008 FNC0376 - Fsca Moderna 1 Revsão A organzação da tabela peródca reflete a dstrbução

Leia mais

Gabarito para a prova de 1º Ano e 8ª serie (atual 9º Ano)

Gabarito para a prova de 1º Ano e 8ª serie (atual 9º Ano) Gabarto para a prova de 1º Ano e 8ª sere (atual 9º Ano) 1. t t c F 5 3 9 ; t c 451 3 5 9 o ; tc 33 C ΔS. a) Δ t 5 s V 4, 1 mnuto possu 6 s, portanto, dos 5 s temos: 8 mnutos (equvale a 48 s) e sobram segundos.

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Eletromagnetismo Aplicado

Eletromagnetismo Aplicado letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros

Leia mais

γ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico

γ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico Q1 Um clndro feto de materal com alta condutvdade térmca e de capacdade térmca desprezível possu um êmbolo móvel de massa desprezível ncalmente fxo por um pno. O rao nterno do clndro é r = 10 cm, a altura

Leia mais

1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples.

1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples. Departamento de Físca ICE/UFJF Laboratóro de Físca II Prátca : Medda da Aceleração da Gravdade Objetvo da experênca: Medr o módulo da aceleração da gravdade g no nosso laboratóro com ajuda de um pêndulo

Leia mais

Critério de Equilíbrio

Critério de Equilíbrio Crtéro de Equlíbro ara um sstema echado onde exstem ases em equlíbro, o crtéro geral de equlíbro de ases mpõe que o potencal químco de cada espéce presente seja gual em todas as ases. α β π µ = µ = K=

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Leis de conservação em forma integral

Leis de conservação em forma integral Les de conservação em forma ntegral J. L. Balño Departamento de Engenhara Mecânca Escola Poltécnca - Unversdade de São Paulo Apostla de aula Rev. 10/08/2017 Les de conservação em forma ntegral 1 / 26 Sumáro

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

MAP Cálculo Numérico e Aplicações

MAP Cálculo Numérico e Aplicações MAP0151 - Cálculo Numérco e Aplcações Lsta 5 (Correção Neste ponto, todos já sabemos que todas as questões têm o mesmo valor, totalzando 10.0 pontos. (Questão 1 Fque com vontade de fazer mas do que fo

Leia mais

Dinâmica do Movimento de Rotação

Dinâmica do Movimento de Rotação Dnâmca do Movmento de Rotação - ntrodução Neste Capítulo vamos defnr uma nova grandeza físca, o torque, que descreve a ação gratóra ou o efeto de rotação de uma força. Verfcaremos que o torque efetvo que

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

EXERCÍCIOS DE RECUPERAÇÃO PARALELA 4º BIMESTRE

EXERCÍCIOS DE RECUPERAÇÃO PARALELA 4º BIMESTRE EXERCÍCIOS DE RECUERAÇÃO ARALELA 4º BIMESTRE NOME Nº SÉRIE : 2º EM DATA : / / BIMESTRE 4º ROFESSOR: Renato DISCILINA: Físca 1 VISTO COORDENAÇÃO ORIENTAÇÕES: 1. O trabalho deverá ser feto em papel almaço

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Palavras Chaves: Linear Combination of Atomic Orbitals, LCAO, Molecular Orbitals, MO, Atomic Orbitals, AO.

Palavras Chaves: Linear Combination of Atomic Orbitals, LCAO, Molecular Orbitals, MO, Atomic Orbitals, AO. Dego da Slva Manoel Insttuto de Físca de São Carlos, Unversdade de São Paulo, São Carlos-SP, Brasl Resumo Neste trabalho abordamos a descrção dos Orbtas Moleculares (MO), obtdos va Combnação Lnear dos

Leia mais

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

Leia mais

Dados ajustáveis a uma linha recta

Dados ajustáveis a uma linha recta Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:

Leia mais

Física do Calor Licenciatura: 14ª Aula (02/10/2015)

Física do Calor Licenciatura: 14ª Aula (02/10/2015) Físca do Calor Lcencatura: 4ª ula (2//25) Pro. lvaro annucc mos, na últma aula: Conceto de Entropa (S): exprme a tendênca de todos os sstemas íscos de evoluírem espontaneamente para uma stuação de maor

Leia mais

1º Exame de Mecânica Aplicada II

1º Exame de Mecânica Aplicada II 1º Exame de Mecânca Aplcada II Este exame é consttuído por 4 perguntas e tem a duração de três horas. Justfque convenentemente todas as respostas apresentando cálculos ntermédos. Responda a cada pergunta

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci Eletromagnetsmo II o Semestre de 7 Noturno - Prof. Alvaro Vannu a aula /abr/7 Vmos: meos ondutores: σ + (Cte. Delétra) ω Índe de refração: n ; n n + n + ; σ ω K K + K K + K u K u ; Vetor de onda: ˆ ˆ r

Leia mais

Universidade Estadual do Sudoeste da Bahia

Universidade Estadual do Sudoeste da Bahia Unversdade Estadual do Sudoeste da Baha Departamento de Cêncas Exatas e Naturas 5 - Rotações, Centro de Massa, Momento, Colsões, Impulso e Torque Físca I Ferrera Índce 1. Movmento Crcular Unformemente

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

ESTUDO DA MÁQUINA SIMÉTRICA TRIFÁSICA

ESTUDO DA MÁQUINA SIMÉTRICA TRIFÁSICA CAPÍTUO ETUDO DA ÁQUINA IÉTICA TIFÁICA. INTODUÇÃO A máquna de ndução trfásca com rotor bobnado é smétrca. Apresenta estruturas magnétcas clíndrcas tanto no rotor quanto no estator. Os enrolamentos, tanto

Leia mais

Lei dos transformadores e seu princípio de funcionamento

Lei dos transformadores e seu princípio de funcionamento Le dos transformadores e seu prncípo de funconamento Os transformadores operam segundo a le de Faraday ou prmera le do eletromagnetsmo. Prmera le do eletromagnetsmo Uma corrente elétrca é nduzda em um

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Cristina Caldeira 97. Tem-se assim uma decomposição da região Q em mkq paralelipípedos rectangulares

Cristina Caldeira 97. Tem-se assim uma decomposição da região Q em mkq paralelipípedos rectangulares Crstna Caldera 97 (c) T {(x, y) R : y a x } (a R + ) e ρ(x, y) é a dstânca de (x, y) ao ponto (, ); (d) T [, 3] [, ] e ρ(x, y) xy..4 Integral trplo.4.1 efnção e propredades Seja Q um paralelpípedo rectangular

Leia mais