O Modelo Logístico Aplicado a Estudos Epidemiológicos

Tamanho: px
Começar a partir da página:

Download "O Modelo Logístico Aplicado a Estudos Epidemiológicos"

Transcrição

1 O Modlo Logístco Aplcado a studos pdmológcos Aluíso J D Barros uclyds Custódo d Lma Flho 99 / 994. Dfçõs báscas.. O studo prospctvo O studo prospctvo também chamado d studo d coorts ou follow-up é um dsho m qu s cohc o stado d xposção aos fators m studo d cada um dos dvíduos o íco do príodo d obsrvação. sts dvíduos são tão acompahados por um dtrmado príodo d tmpo, quado a ocorrêca d um ou mas tpos d doças srá aotada. Na população a sr obsrvada starão apas pssoas qu rcohcdamt ão aprstam o agravo d trss, sto é, qu podm vr a adocr (sr casos) durat a obsrvação []. Um studo prospctvo pod sr strtamt prospctvo, hstórco ou msto. O prmro caso é o prospctvo típco, od as coorts (grupos d pssoas a srm acompahadas) são motadas obsrvadas a partr dst momto, o prst. é o studo qu mas s assmlha a um xprmto. No prospctvo hstórco, todas as formaçõs são obtdas através d rgstros, vtos qu ocorrram o passado. Pod ocorrr também uma mstura, od as coorts são formadas com formaçõs prgrssas alguma obsrvação ada é fta as pssoas rmascts. xstm duas qualdads mportats st tpo d studo. A prmra é a qustão da tmporaldad. Cohc-s a xposção d íco s obsrva m qu momto ocorr a doça. Isto prmt cohcr a volução atural da doça. Pod-s sabr ão apas quatas pssoas adocram durat os aos d obsrvação, mas d qu forma, sto é, s as morts ocorrram rapdamt, o íco do príodo, s gradualmt ou s muto ltamt, ao fal da obsrvação. O stablcmto dsta sqüêca tmporal é muto mportat para a dfção d uma tologa. A outra qualdad rsd o fato d qu as dsdads d cdêca para cada ívl d xposção, assm como as cdêcas cumulatvas, são drtamt stmávs [9]. Os studos prospctvos, por outro lado, são sabdamt fcts quado a doça m studo é rara. Nst caso, para qu sja obsrvado um úmro mímo d casos, o studo dvrá cotar com grads coorts ou s stdr por um logo príodo d tmpo. st prologamto do studo acaba por causar outros problmas. O maor stá o sgumto dos dvíduos, qu tdm, com o passar do tmpo, a sar do studo dvdo a mort por outras causas, mgração, mudaça d drço ou smplsmt rcusa d s aprstar para xam.

2 2 AJD Barros & C Lma Flho Outra qustão é, para coorts fxas, o vlhcmto dstas, o qu provoca ftos dfícs d srm stmados ou cotrolados..2. O studo trasvrsal studos trasvrsas são xcutados a partr da scolha d apas uma amostra da população alvo. Os dvíduos scolhdos são submtdos a quérto, d forma a s cohcr sua codção m rlação à doça m rlação aos fators m studo. Como toda a população é usada o studo, cludo pssoas dots saudávs, a formação obtda s rfr a um momto (um cort) o tmpo, a proporção d dots obtda é a prvalêca. Por sso st studo também é chamado d studo d prvalêca. Uma caractrístca mportat do studo trasvrsal é qu tato o fator ou fators m studo como a stuação m rlação à doça d trss são alatóros. No procsso d amostragm ão s fxou huma caractrístca para drgr o procsso d amostragm, qu fo fto d apas uma população, dfrt do qu ocorr o prospctvo o rtrospctvo, od plo mos 2 subpopulaçõs são amostradas. sta partculardad cofr algumas proprdads statístcas aos studos trasvrsas, como a possbldad d s mdr corrlação tr o fator a doça. st tpo d studo é frqütmt utlzado para s stablcr ovas hpótss tológcas []..3. O studo rtrospctvo O studo rtrospctvo, também chamado d studo d caso-cotrol, part da classfcação dos dvíduos d acordo com sua stuação m rlação à doça m studo. Os dvíduos são classfcados como dots (casos) ou ão dots (cotrols), poddo havr mas d um grupo d cotrols. A partr dsto, a codção d xposção ao fator m studo srá dtrmada rtrospctvamt. Os studos d caso-cotrol são, m gral, mas fács mas baratos d srm ralzados do qu os prospctvos. Isso s dv, m grad part, ao fato d qu podm sr ftos com dados já coltados, rgstrados m arquvos como protuáros médcos ou atstados d óbto. Além dsto, o príodo d studo costuma sr mor ão há, d rgra, obsrvação ou sgumto d pacts. A maor dsvatagm dst tpo d vstgação stá a ausêca d tmporaldad, qu dfculta o stablcmto d uma rlação causal. A stmação d mddas d frqüêca também aprsta dfculdads. A prmra formação qu s tm é m rlação à codção do dvíduo m rlação à doça, ou sja, dot ou ão dot. A partr dsso, a formação sobr xposção é psqusada. Portato, a proporção stmávl é a d xpostos para as populaçõs d casos cotrols, ou sja a probabldad d xposção, dada a codção d doça. Sm huma formação adcoal é mpossívl stmar a probabldad d adocr codcoal à xposção. S a cdêca cumulatva da doça a população gral é cohcda, s tora possívl d stmar sta probabldad usado proprdads da probabldad codcoal. Nst caso, m trmos da stmação da cdêca cumulatva, os studos prospctvo d caso-cotrol s quvalm. Outra grad dfculdad do caso-cotrol é qu casos cotrols provêm d populaçõs dfrts. Cab, tão, ao psqusador assgurar a comparabldad dsts 2 grupos m rlação a fators d rsco xtríscos (varávs d cofudmto) a outras fots d

3 O modlo logístco aplcado a studos pdmológcos 3 dstorção. sta tarfa é complxa mutas vzs polêmca. A déa qu orta a scolha do grupo d rfrêca é a qu l sja o mas próxmo possívl da população d casos, ão havdo cssdad qu st grupo sja rprstatvo da população gral [9]..4. Itração cofudmto sts dos coctos são usados muto frqütmt os txtos pdmológcos, rvstdos d grad mportâca. Não obstat, ada são alvos d cotrovérsa, spcalmt o d cofudmto. Itração é um cocto statístco clássco é usado m pdmologa m sua forma orgal. Supoha qu 2 fators, A B, flucm o aparcmto d dtrmada doça. Por smplcdad, admtamos qu tmos 2 ívs d cada fator, d forma qu tmos 4 grupos com dfrts ívs xposção: ão xposto aos 2 fators (grupo ), xposto somt ao prmro (grupo ), xposto somt ao sgudo (grupo ) duplamt xposto (grupo ). S, para cada ívl do fator B, o fto da xposção ao fator A for dfrt, dz-s qu há tração. O cocto d tração é fortmt dpdt do modlo adotado []. Assm, dpddo d qual sja a mdda d fto scolhda, tração trá uma trprtação um pouco dfrt. S a mdda d fto d trss é o rsco rlatvo, tão ocorrrá tração quado os rscos rlatvos para o fator A m cada ívl d B form dfrts. Ou, ao cotráro, s sts rscos rlatvos form guas, dz-s qu ão há tração. S chamamos d a probabldad d adocr o grupo, a hpóts d ão tração srá qu é quvalt à xprssão () (2) qu rprsta um modlo multplcatvo. Isto é, a ausêca d tração, o rsco rlatvo da dupla xposção é gual ao produto dos rscos rlatvos das xposçõs smpls. S a mdda d fto scolhda é a dfrça d rscos, tração é dfda como rscos atrbuívs dfrts para o fator A m cada ívl d B, o qu lva à xprssão (3) para dfr a hpóts d ão tração. sta xprssão é quvalt a ( ) + ( ) (4) qu corrspod a um modlo adtvo, ou sja, o rsco atrbuívl à dupla xposção é gual à soma dos rscos atrbuívs às xposçõs smpls a ausêca d tração. O cocto d cofudmto ada é alvo d alguma cotrovérsa. Uma dfção smpls, útl para um tdmto prlmar do cocto é dada por Klbaum t al []. la dz qu cofudmto corrspod à ocorrêca d tdêca a stmatva da rlação tr xposção doça, qu pod acotcr quado st fto stá msturado com o fto d

4 4 AJD Barros & C Lma Flho varávs xtríscas ao problma. Dpddo do tpo d assocação tr as varávs d cofudmto xposção doça, a assocação tr stas duas últmas pod sr supr ou substmada [3]. Um fator, para sr cosdrado como d cofudmto, prcsa prchr dtrmados rqustos. Prmramt, o fator dv sr prdtvo da doça tr os ão xpostos, sto é, dv havr assocação tr fator d cofudmto doça tr os ão xpostos. Além dsso, dv havr assocação tr o fator d cofudmto xposção, assm como tr o fator a doça, codcoalmt ao cotrol d todos os outros fators sdo studados [3]. Dsta forma, uma varávl d cofudmto dv sr, por s só, prdtora da doça, dpdtmt da xposção m studo. S, rtrado o fto da xposção, a assocação tr fator d cofudmto doça dsaparc, sto sgfca qu sta assocação dpd tramt daqula tr xposção doça, ão caractrzado st fator como d cofudmto. 2. Modlagm dos studos pdmológcos Uma das prcpas procupaçõs m pdmologa é a dtrmação do rsco d adocr para um dvíduo m dtrmadas sub-populaçõs a comparação dsts rscos. Num studo prospctvo o stado d xposção d cada dvíduo uma população a ou mas fators d trss é cohcdo. Tm-s também formação sobr outras varávs qu s qur cotrolar, como fators d cofudmto. O vtor qu cotém as formaçõs sobr a codção d xposção sobr stas outras varávs d trss, domados d forma gral como fators m studo, para o -ésmo dvíduo, srá domado X. Domarmos por Y a varávl alatóra bára qu dcará s o -ésmo dvíduo adoc ou ão durat a obsrvação. sta varávl assum o valor s o -ésmo dvíduo ão adoc s o -ésmo dvíduo adoc. Por covção, trmos dvíduos obsrvados p fators m studo. Assm, podmos dfr o rsco d adocr d um dvíduo como sdo P( Y X ). (5) O qu s prtd é modlar a probabldad d adocr m fução dos fators cohcdos. A forma mas smpls d s stablcr sta rlação é usado um modlo lar: P( Y X ) β + X β + X β + K + X β (6) 2 2 p p od os β 's são os parâmtros do modlo os X j são valors cohcdos da xposção do -ésmo dvíduo ao j-ésmo fator m studo. Apsar d sr smpls, st modlo aprsta algumas dfculdads. A mas séra [5] s rfr ao fato d sr uma probabldad star rstrto ao trvalo (, ). É possívl qu s cotrm valors ajustados para fora dst trvalo, quado são calculados a partr dos stmadors d quadrados mímos. Outro problma a sr cosdrado é qu a varâca dos Y, além d ão sr costat, dpd d, qu é a spraça d Y. Vja qu Y, Y 2 Y portato, 2 2 Var( Y ) ( Y ) ( Y ) ( ) (7)

5 O modlo logístco aplcado a studos pdmológcos 5 Além dsso, aalsado a própra ssêca dos fômos m studo, ão é razoávl supor qu a probabldad d adocr var d a larmt uma dtrmada faxa d xposção. Uma varação d acordo com uma curva sgmód, do tpo d uma curva dos-rsposta, parc bm mas vrossíml. D acordo com sta curva, a probabldad d adocr crsc ltamt com a xposção até um dtrmado valor, a partr do qual há um crscmto rápdo, voltado a sr lto coform a probabldad s aproxma d. 2.. O modlo logístco O modlo qu tm s mostrado mas adquado para a modlagm qu s prtd é o Modlo Logístco. O om vm da trasformação qu s faz da probabldad d adocr : logto( ) log, (8) sdo, ao logo dst trabalho, log(.) o logartmo atural. O modlo logístco é lar o logto d, sdo scrto como para, 2, K,. λ log β + Vamos dfr algumas matrzs d forma qu os sja possívl utlzar uma otação mas smpls. p s X s β s (9) β β M β p [ ( p+ ) ] ( ) λ log M log X + [ ( p ) ] x L x p x2 L x2 p M M O M x L xp () Usado a otação matrcal, o modlo logístco dfdo m (9) é scrto como od X é um vtor qu cotém a -ésma lha d X. log λ X β, ()

6 6 AJD Barros & C Lma Flho scrvdo a xprssão acma m fução d, ( ) xp X β ( X xp( X xp ( + xp( X ) xp( X ( X ( X xp P( Y X ), 2, K,. (2) + xp 2.2. A trasformação logístca Para dar uma déa mlhor do qu stá acotcdo com os parâmtros st modlo, farmos um rápdo studo da trasformação logístca. Para sto, usarmos sua forma gral λ log, < <. sta fução é também cohcda como o logto d. Su domío é o trvalo (,) sua magm é a rta ral. sta fução é buívoca, vsto qu sua drvada dλ d ( ), (3) é smpr postva para (, ), o qu caractrza uma fução strtamt crsct. Isto sgfca qu cada poto do trvalo (, ) é lvado a apas um poto do trvalo ( +, ) pla fução logto. Plo xposto, fca claro qu sta trasformação rsolv o prcpal problma do modlo lar comum. O parâmtro λ vara m todo o R, ão aprstado mas os,. problmas d stmação qu ofrca por star rstrto ao trvalo ( ) 2.3. Aplcação do modlo aos studos pdmológcos O modlo logístco é muto vrsátl, prmtdo qu pratcamt todas as stuaçõs d trss do psqusador possam sr modladas. Nst trabalho os rstrgrmos a studar o modlo com uma varávl rsposta bára. Na ltratura, algus autors aprstam a xtsão do modlo logístco para rspostas poltômcas (.g. Prtc Pyk, 979 [7]). Mostrarmos a sgur como pod sr costruído st modlo para uma vardad d stuaçõs, dsd a mas smpls, com apas uma varávl d xposção bára, até casos m qu s clum o modlo varávs d stratfcação, tração cofudmto. Icalmt starmos assumdo qu tmos um studo prospctvo para aalsar, od os parâmtros d trss, cludo os rscos rlatvos, são drtamt stmávs. m sguda stdrmos sts rsultados também aos studos d caso-cotrol.

7 O modlo logístco aplcado a studos pdmológcos 7 xposção Doça sm ão sm d d ão d d Total Tabla Dados rfrts a uma rsposta uma xposção báras a forma d uma tabla As dfrts paramtrzaçõs do modlo O caso 2 2 st é o caso mas smpls, od tmos uma varávl rsposta bára, qu dca s o -ésmo dvíduo adocu (Y ) ou ão (Y ) apas uma varávl d xposção, também bára, qu dca s o -ésmo dvíduo faz part do grupo xposto ( X ) ou do ão xposto ( X ). sta stuação gra como rsultado uma tabla d cotgêca 2 2, xmplfcada a Tabla. Nst caso tmos dvíduos xpostos dvíduos ão xpostos, d dvíduos adocram tr os xpostos d adocram tr os ão xpostos. Assummos qu o vto d um dvíduo adocr ou ão durat o príodo d obsrvação, rprstado pla varávl alatóra Y, rprsta um sao d Broull com probabldad d sucsso (s stvéssmos cosdrado um studo d caso-cotrol a varávl qu tra carátr alatóro sra a qu dca o ívl d xposção). Supomos também qu a probabldad d adocr é gual para os dvíduos dtro d cada um dos grupos d xposção. Como st caso tmos apas 2 grupos, trmos apas 2 probabldads dfrts d adocr: ( X ) P Y (4) ( X ) O modlo logístco st caso é scrto da sgut forma: P Y (5) [ ( )] o qu para X smplfca para a xprssão logto P Y X β + β X [ ( Y X )] logto( ) λ logto P β (6)

8 8 AJD Barros & C Lma Flho para X, [ ( Y X )] logto( ) λ logto P β + β Colocado as xprssõs acma m fução dos parâmtros do modlo, tmos qu β ( ) logto log - (7) qu β ( ) ( ) logto logto log - β log log - - β log ( - ) ( - ). (8) Isto é, o parâmtro β corrspod ao log da razão d odds das probabldads d adocr tr os xpostos os ão xpostos. O parâmtro β corrspod smplsmt ao logto da probabldad d adocr tr os ão xpostos. Tstar a ausêca d assocação tr xposção doça sgfca tstar qu a probabldad d adocr tr os xpostos é a msma qu aqula tr os ão xpostos, ou sja,, o qu o modlo logístco corrspod a tstar qu β, qu é quvalt a tstar qu a razão d odds m (8) é gual a. Df-s como odds d uma probabldad o quoct tr sta probabldad su complmtar: p odds ( p) (9) p Chamarmos d razão d odds o quoct tr o odds da probabldad d adocr para um dtrmado grupo xposto o odds da probabldad d adocr para o grupo d rfrêca (ão xposto). Assm, a razão d odds da xposção é ( ) RO ( ) ( ) ( ). (2) No caso d ausêca d fto da xposção, a razão d odds é gual a. Valors maors qu a udad dcam rsco mors, protção. Város autors ttam comparar a razão d odds ao rsco rlatvo (RR), ttado trprtá-la como uma aproxmação dst. Mostra-s faclmt a partr d (2) qu RO RR (2)

9 O modlo logístco aplcado a studos pdmológcos 9 Portato, quado s trabalha com doças raras, a fração m (2) s aproxma d a razão d odds é uma boa aproxmação do rsco rlatvo. Idpdtmt d aproxmar ou ão o rsco rlatvo, a razão d odds é uma mdda d fto qu smpr cocorda com l m rlação à drção do fto. Ou sja, smpr qu o rsco rlatvo dcar um aumto do rsco d adocr ou uma dmução dst rsco, a razão d odds apotará a msma drção, mbora a ampltud do fto dcada plas 2 mddas possa sr dfrt. Dos fators d xposção báros Nst caso studamos dos fators d xposção, X X 2, qu podm assumr valors ou, coform o dvíduo stja ou ão xposto ao rspctvo fator. Da msma forma qu o caso atror, supomos qu a probabldad d adocr m cada um dos grupos d xposção sja gual para todos os sus dvíduos. Dfmos ( ) j P Y X, X 2 j (22) RO j j ( ) ( j ) d forma qu é a probabldad d adocr d um dvíduo ão xposto aos dos fators, portato prtct ao grupo cosdrado basal m trmos da xposção. O modlo logístco para st caso pod sr scrto como λ β + X β + X β 2 2 (23) No tato, o maor trss st caso stá m studar a tração tr os dos fators, qu m (23) ão fo cosdrada. Há váras formas d s modlar tração. A mas smpls qu coduz a um modlo d tração multplcatvo d fácl trprtação é usada o modlo a sgur: λ β + X β + X β + X X β (24) Agora a prguta qu s faz é s a tração é dfrt d zro, o qu quval a tstar β 3. Calculado os parâmtros do modlo d forma smlar ao caso atror, cotramos qu β logto ( ) β log( RO ) β 2 log( RO ) RO log RO RO β 3 d mara qu tstar β 3 quval a tstar RO RO RO. sta xprssão rvla qu o modlo logístco é um modlo multplcatvo, ou sja, os ftos s combam d forma multplcatva a ausêca d tração a prsça dsta é sal d um afastamto da stuação d multplcação dos ftos. (25)

10 AJD Barros & C Lma Flho O modlo logístco m studos d caso-cotrol Nos studos d caso-cotrol as probabldads d adocr ão são drtamt stmávs, como já mostramos atrormt. Dsta forma, ão é mdato supor qu o modlo logístco, qu propõ um modlo para uma fução do rsco d adocr, sja aplcávl a st tpo d studo. Prtc Pyk [7] mostraram qu ão só o modlo logístco pod sr aplcado aos studos d caso-cotrol, como, do poto d vsta dst modlo, ls são quvalts aos studos prospctvos. Prmramt, otmos qu, mbora os rscos ão sjam stmávs o caso-cotrol, xst uma mdda d fto qu é: a razão d odds. No caso-cotrol, stma-s a probabldad d s obsrvar o vtor d xposção X, dada a prsça ou ausêca d doça: P X Y. A razão d odds tr uma dtrmada xposção X a xposção basal X é ( ) scrta como RO X [ ] [ ] ( Y X) ( Y X) ( Y X ) ( Y X) P P P P qu, usado a rlação da probabldad codcoal pod sr rscrta como ( Y X x) ( X x Y ) ( Y ) P( X x) P P P RO X ( X Y ) ( X Y ) ( X Y ) ( X Y ) P P P P sdo qu todas stas probabldads são stmávs um studo caso-cotrol. Lmbrado qu os parâmtros do modlo logístco são razõs d odds ou fuçõs dlas, já s pod tr uma psta da aplcabldad do modlo aos studos d caso-cotrol. Dpos d mostrar sta quvalêca, Prtc Pyk [7] dduzm o modlo duzdo plo modlo logístco para um studo prospctvo quado os dados provêm d um studo rtrospctvo mostram qu st modlo também é da forma logístca. m sguda, calculam a quação d vrossmlhaça para os 2 modlos, d forma a podr compará-las. A vrossmlhaça obtda para o modlo com dados prospctvos é L p xp( β + ) X β [ + xp( β + X ] para o modlo com dados rtrospctvos tmos L r xp * ( β + X * ( β X [ + xp + ] P ( X ) (26) (27) (28) (29). (3) O rsultado acma é mostrado sta forma por Klbaum t al [9]. l é fudamtal, pos, daí s dprd qu as vrossmlhaças são proporcoas, sto é, a razão tr as 2 quaçõs d vrossmlhaça é uma costat, ão dpd dos parâmtros. Isto sgfca qu,

11 O modlo logístco aplcado a studos pdmológcos sscalmt, a formação cotda um studo prospctvo um caso-cotrol do poto d vsta do modlo logístco é a msma. No procsso d stmação por Máxma Vrossmlhaça a fução d vrossmlhaça é maxmzada m rlação aos parâmtros, usado-s os dados da amostra obtda. Os valors cotrados st procsso srão usados como stmatva dos parâmtros d trss. Assm, a fução d vrossmlhaça é o úco lo d lgação tr a amostra (spaço amostral) os parâmtros (spaço paramétrco). Cosdramos um xprmto statístco como a ralzação d um sao qu clu um dtrmado procdmto d amostragm. S ocorr qu 2 xprmtos statístcos dfrts aprstam fuçõs d vrossmlhaça guas ou proporcoas, sto sgfca qu a formação qu cada xprmto traz sobr os parâmtros é quvalt à do outro. Ou sja, qualqur dos xprmtos traz a msma formação sobr os parâmtros d trss. Prtc Pyk [7] mostram ada qu os stmadors dos parâmtros da matrz d varâca covarâca são os msmos m ambos os modlos, como sprado. sts rsultados os prmtm, d forma dftva, usar o modlo logístco tato para os studos prospctvos quato para os rtrospctvos ada afrmam qu sts studos são quvalts quado aalsados por st modlo. Por ssa razão, o modlo logístco é uma frramta muto podrosa a aáls pdmológca, rforçado a mportâca dos studos d caso-cotrol facltado sua aáls. Por outro lado, s sts 2 tpos d studos são quvalts, pod-s qustoar od stá a rfrda suprordad dos studos prospctvos. Obsrvmos qu o modlo logístco ão lva m cota a tmporaldad, sto é, o momto d ocorrêca dos vtos d trss. st é um dado qu stá dspoívl os studos prospctvos é o qu dfrca sts dos studos d caso-cotrol. A formação d como os dvíduos adocm o dcorrr da obsrvação ão é lvada m cota o modlo logístco, assm, s a maora dos dvíduos adoc logo o íco da obsrvação ou só o fm do príodo, sto ão altra o problma do poto d vsta dst modlo. Portato, fca claro qu é cssáro um outro tpo d aáls qu lv m cota o tmpo d obsrvação até adocr para qu toda a formação cotda um studo prospctvo sja utlzada. As 2 quaçõs acma trazm uma pqua modfcação da otação qu stamos usado, X β para fatzar qu st parâmtro ão é sparado o parâmtro β da xprssão ( ) xatamt gual os studos prospctvo caso-cotrol. Já vmos qu, o prospctvo, β é o logto da probabldad d adocr tr os ão xpostos. No caso-cotrol, st parâmtro stá cofuddo com outras quatdads qu dpdm da fração amostral [3]. Dvdo a st fômo, st parâmtro prd sua trprtabldad st caso.

12 2 AJD Barros & C Lma Flho 3. stmação tsts d hpótss 3.. A fução d vrossmlhaça 3... Vrossmlhaça ão codcoal Para cotrar os stmadors dos parâmtros do modlo logístco vamos studar sua fução d vrossmlhaça, buscado statístcas sufcts. A fução d vrossmlhaça é a fução d probabldad da dstrbução vsta como uma fução dos parâmtros para rspostas fxadas []. A fução d vrossmlhaça do studo m qustão é ( ) ( ) { Y } { Y } ( ) L β, y P Y X P Y X : : (3) L ( β, y) { } ( X ( X { } + + : Y : Y ( X ( X + + ( X ( X y ( X { } y ( X β ) ( X { + } + xp y { } { y ( ) X β } ( X + { } y y. (32) S stablcrmos qu os casos (Y ) são os prmros dvíduos, podmos smplfcar a quação atror para L ( β,y) ( X ( X { + } od X β são os dfdos m () X é o vtor qu cotém a -ésma lha d X. sta quação é a msma daqula aprstada m (29) com pquas altraçõs d otação. Cotuado a buscar as statístcas sufcts rtomamos a quação (32) scrvmos (33) L ( β,y) ( X Y ( X ) { } β +

13 O modlo logístco aplcado a studos pdmológcos 3 od β X Y ( X ( X { + } + T [( p ) ] β T { } (34) X Y ( ) X Y + M, (35) X p Y ( ) Ts X ( s) Y XsY ( s,, K, p) (36) od X ( j ) é o vtor qu cotém a j-ésma colua d X. Plo torma da fatoração d Nyma, as T s são statístcas sufcts a partr dlas podrmos cotrar as statístcas ótmas. S comparamos o modlo logístco com o modlo d rgrssão lar, vrmos qu as statístcas sufcts para st modlo volvm statístcas dêtcas às T s ada a soma d quadrado do rsíduo. Isso dca qu o modlo logístco tm mas smlhaças com o modlo d rgrssão lar sob tora ormal do qu podra parcr à prmra vsta [5]. cotradas a fução d vrossmlhaça as statístcas sufcts, cotrar os stmadors do vtor d parâmtros β é um problma d cálculo. A dfculdad aprstada plo modlo logístco fca clara com a quação (34): la ão é lar os parâmtros. Porsso ão é possívl uma solução xplícta para os parâmtros, a ão sr m casos spcas muto smpls. m gral, ls têm qu sr cotrados através d métodos umércos tratvos, como o método d Nwto-Raphso, por xmplo. Não os dtrmos st dtalh da stmação. Os stmadors d Máxma Vrossmlhaça a tabla 2 2 O modlo logístco o caso m qu tmos uma rsposta bára uma xposção bára, qu rsulta uma tabla 2 2, stá dscrto a sção 2.3., a partr da pága 6. Nsta sção mostrarmos os stmadors d Máxma Vrossmlhaça dos parâmtros dduzdos as quaçõs (7) (8). As matrzs utlzadas para dscrvr o modlo são: X ( 2 ) M M ( ) λ β M β λ β λ M X,, 2, K, ( ) X, +, K, As statístcas sufcts para st caso são: T s X ( s) Y ( s, 2) (37)

14 4 AJD Barros & C Lma Flho portato, T Y T Y 2 + (38) Para cotrar os stmadors d Máxma Vrossmlhaça dos parâmtros, gualarmos as statístcas sufcts às rspctvas spraças []. T β β T $ $ + + Agora ot qu T d + d (Tabla ) qu T2 d. Daí podmos scrvr $ $ $ $ + $ $ d β + β β+ β β β $ $ $ + β+ β β d + d d $β (39) (4) (4) $ d β log d (42) Substtudo m (4), d + d d d d ( d ) ( ) d d d $β ( d ) ( ) $ d log d d β (43) (44) É trssat otar qu os stmadors d Máxma Vrossmlhaça dos parâmtros dscrtos as quaçõs (7) (8) são smplsmt a substtução dos stmadors d Máxma Vrossmlhaça d as rspctvas xprssõs Qualdad d ajust scolha do modlo Uma vz obtdos os stmadors d Máxma Vrossmlhaça, o passo sgut é usá-los para fazr frêcas statístcas sobr as rlaçõs tr xposção doça m studo. Nss

15 O modlo logístco aplcado a studos pdmológcos 5 momto, há ada 2 tarfas qu o psqusador dv ralzar. m prmro lugar, dv-s scolhr um dtrmado modlo tr todos os possívs. m gral, part-s do modlo complto, ou saturado, qu cotém todos os ftos prcpas traçõs tta-s smplfcá-lo ao máxmo, lmado os parâmtros rsposávs plas traçõs ftos qu ão s mostrarm mportats. Pod-s também partr d um modlo mímo r-s adcoado fators até qu os rstats ão sjam rlvats, ou msmo usar uma técca qu mstur sts dos procdmtos. Qualqur qu sja o método scolhdo, a mara d s dcdr s um parâmtro fca ou ão o modlo fal é smlhat. Para tal, é cssáro qu façam tsts d hpóts, m gral sqücas, sobr os parâmtros. xstm város procdmtos para ralzar sts tsts. Dscutrmos a sgur a statístca d Wald, a statístca dos scors fcts a statístca da razão d vrossmlhaça. Supohamos qu o vtor d p + parâmtros do modlo stá partcoado m dos sub- β β, β 2 qu tmos vtors com q r parâmtros rspctvamt, d forma qu ( ) trss m tstar a hpóts H :β 2. Dotarmos por β $ o vtor com os stmadors d Máxma Vrossmlhaça dos parâmtros do modlo sm rstrçõs β $ H o vtor d stmadors d Máxma Vrossmlhaça dos parâmtros do modlo sob H. O vtor dos scors fcts é dfdo como o vtor qu cotém as drvadas prmras da fução d vrossmlhaça m rlação aos parâmtros, U ( L( log (45) β od L ( β ) é a fução d vrossmlhaça para um modlo com vtor d parâmtros β. A matrz d formação d Fshr é dfda como I( U( V ( β $ ) β (46) od V ( β $ ) é a matrz d varâca covarâca d β $. Dotarmos por I( β $ ) a matrz d formação obsrvada, sto é, quado β β $. m sguda aprstamos as statístcas qu são usadas para tstar a hpóts H :β A statístca d Wald A statístca d Wald é dfda como od $ V $ 22 ( ) ( ) $ $ β β $ β $ 2 V 22 2 (47) β é a porção da matrz d varâca covarâca corrspodt aos r parâmtros qu stão sdo tstados. sta statístca tm uma dstrbução asstótca χ 2 com r graus d lbrdad sob H.

16 6 AJD Barros & C Lma Flho A statístca dos scors fcts sta statístca é dfda como $ ( β H ) ( $ H ) ( β H ) U I U (48) qu também tm dstrbução asstótca χ 2 com r graus d lbrdad sob H A statístca da razão d vrossmlhaça sta statístca é a mas utlzada das 3, sdo dfda como ( ) ( ) L H 2 G 2log ( β H ) L. (49) sta statístca também tm dstrbução asstótca χ 2 com r graus d lbrdad sob H. la é aprstada por Prgbo [6] com o om d dsvo (dvac, D). Quado s ajustam modlos m sqüêca, spcfcamt modlos hrárqucos mbutdos, as dfrças tr as statístcas G 2 dos modlos também têm dstrbução χ 2, d forma qu stas dfrças podm sr usadas para a scolha do mlhor modlo para um dtrmado problma. Modlos hrárqucos são aquls qu cotêm todos os trmos d mor ordm rlacoados com um d ordm supror prst o modlo. Por xmplo, s a tração X X 2 stá prst, obrgatoramt os fators X X 2 starão. Ou, s a tração XX2 X 3 stvr prst, também starão as traçõs XX2, XX 3, X2 X3 os rspctvos ftos prcpas. sts modlos são quas smpr utlzados a aáls d dados por qustõs d trprtação, pos, s as traçõs form aalsadas m trmos d cotrasts, las volvrão smpr cotrasts dos ftos prcpas [6]. Modlos hrárqucos mbutdos são cojutos d modlos cotdos um o outro, sqücalmt. Por xmplo, ( ) λ β + X β + X β + X X β ( 2) λ β + X β + X β ( 3) λ β + X β 2 2 são modlos hrárqucos mbutdos. Nst caso, a dfrça G com grau d lbrdad. G (5) 2 G tm dstrbução χ 2 2 ( 3) ( 2) 2 G tm dstrbução χ 2 com 2 graus d lbrdad. 2 ( 3) ( ) Agora obsrvmos qu a statístca G 2 do modlo (3) é scrta como 2 L( 3) G( 3) 2log (5) L( )

17 O modlo logístco aplcado a studos pdmológcos 7 qu a statístca G 2 d (2) é scrta como 2 L( 2) G( 2) 2log (52) L( ) qu a dfrça tr stas statístcas é ou sja, 2 2 L( 3) L( 2) G( 3) G( 2) 2 log 2 log L( ) L( ) 2log L( 3) 2log L ( 2). (53) Isto sgfca qu a dfrça tr as statístcas da razão d vrossmlhaça para 2 modlos mbutdos é gual à dfrça tr sus logartmos da vrossmlhaça do modlo. O log da vrossmlhaça ão tm uma dstrbução dtrmada, mas, as dfrças, como já vmos, têm. 4. Rfrêcas bblográfcas [] BICKL PJ DOKSUM KA. Mathmatcal Statstcs. Sa Fracsco, Hold-Day Ic., 977. [2] BISHOP YMM, FINBRG S HOLLAND PW. Dscrt Multvarat Aalyss: Thory ad Practc. Cambrdg, Th MIT Prss, 975. [3] BRSLOW N DAY N. Statstcal Mthods Cacr Rsarch. Vol.. Lyo, Itratoal Agcy for Rsarch o Cacr, 98. [4] CORNLL RG. Bostatstcs ad pdmology. Commucatos Statstcs A. Thory ad Mthods 982; : [5] COX DR. Th aalyss of bary data. Lodo, Mthu & Co, 97. [6] FINBRG S. Th Aalyss of Cross-classfd Catgorcal Data. Cambrdg (MA), Th MIT Prss, 977. [7] GRIZZL J; STARMR CF KOCH GG. Aalyss of catgorcal data by lar modls. Bomtrcs 969; 25: [8] KAY R LITTL S. Assssg th ft of th logstc modl: a cas study of chldr wth hamoltc aamc sydrom. Appld Statstcs 986; 35:6 3. [9] KLINBAUM DG; KUPPR LL CHAMBLSS L. Logstc rgrsso aalyss of pdmologc data: thory ad practc. Commucatos Statstcs A 982; : [] KLINBAUM DG; KUPPR LL MORGNSTRN H. pdmologc Rsarch. Blmot, Lftm Larg Publcatos, 982. [] LANDWHR JM; PRGIBON D SHOMAKR AC. Graphcal mthods for assssg logstc rgrsso modls. JASA 984; 79:6 83. [2] MITTINN O. stmablty ad stmato cas-rfrt studs. Amrca Joural of pdmology 976; 3: [3] MITTINN O COOK F. Cofoudg: ssc ad dtcto. Amrca Joural of pdmology 98; 4: [4] MORGNSTRN H; KLINBAUM DG KUPPR LL. Masurs of dsas cdc usd pdmologc rsarch. Itratoal Joural of pdmology 98; 9:97 4. [5] MORRISON AS. Squtal pathogc compots of rats. Amrca Joural of pdmology 979; 9: [6] PRGIBON D. Logstc rgrsso dagostcs. Th Aals of Statstcs 98; 9:

18 8 AJD Barros & C Lma Flho [7] PRNTIC RL PYK R. Logstc dsas cdc modls cas-cotrol studs. Bomtrka 979; 66:43 4. [8] ROS G BARKR DJP. pdmology for th utatd. Lodo, Brtsh Mdcal Assocato, 979. [9] ROTHMAN KJ. Modr pdmology. Bosto, Lttl, Brow & Co., 986. [2] WILLIAMS DA. Gralzd lar modl dagostcs usg th dvac ad sgl cas dltos. Appld Statstcs 987; 36:8 9.

NÚMEROS COMPLEXOS. Podemos definir o conjunto dos números complexos como sendo o conjunto dos números escritos na forma:

NÚMEROS COMPLEXOS. Podemos definir o conjunto dos números complexos como sendo o conjunto dos números escritos na forma: NÚMEROS COMPLEXOS DEFINIÇÃO No cojuto dos úmros ras R, tmos qu a a a é smpr um úmro ão gatvo para todo a Ou sja, ão é possívl xtrar a ra quadrada d um úmro gatvo m R Portato, podmos dfr um cojuto d úmros

Leia mais

Raciocínio-Lógico (Receita Federal 2009 Prova 1 - Gabarito 1):

Raciocínio-Lógico (Receita Federal 2009 Prova 1 - Gabarito 1): Racocío-Lógco (Rcta Fdral 009 Prova 1 - Gabarto 1): 1 Cosdr a sgut proposção: S chov ou va, tão o chão fca molhado. Sdo assm, pod-s afrmar qu: a) S o chão stá molhado, tão chovu ou vou b) S o chão stá

Leia mais

Estimação dos Estados da Cadeia de Markov de um MMPP(2)

Estimação dos Estados da Cadeia de Markov de um MMPP(2) Estmação dos Estados da Cada d Markov d um MMPP() Cláuda Nus Atóo Pachco Dpartamto d Matmátca Ctro d Matmátca Aplcada Isttuto Supror écco Rsumo: Um MMPP (Markov Modulatd Posso Procss) é um procsso d Posso

Leia mais

Leonardo da Vinci ( ), artista, engenheiro e cientista italiano

Leonardo da Vinci ( ), artista, engenheiro e cientista italiano ormas dos rabalhos Vrtuas Itrodução Loardo da Vc (45-59), artsta, ghro ctsta talao Aplcou oçõs do prcípo dos dslocamtos vrtuas para aalsar o qulíbro d sstmas d polas alavacas PEF-40 Prof. João Cyro Adré

Leia mais

Variáveis aleatórias Conceito de variável aleatória

Variáveis aleatórias Conceito de variável aleatória Variávis alatórias Muitos primtos alatórios produzm rsultados ão-uméricos. Ats d aalisá-los, é covit trasformar sus rsultados m úmros, o qu é fito através da variávl alatória, qu é uma rgra d associação

Leia mais

sen( x h) sen( x) sen xcos h sen hcos x sen x

sen( x h) sen( x) sen xcos h sen hcos x sen x MAT00 Cálculo Difrcial Itgral I RESUMO DA AULA TEÓRICA Livro do Stwart: Sçõs 3., 3.4 3.8. DEMONSTRAÇÕES Nssa aula srão aprstadas dmostraçõs, ou sboços d dmostraçõs, d algus rsultados importats do cálculo

Leia mais

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM O modlo log-lnar d Posson Intrss m modlar a dstrbução d uma varávl rfrnt a algum tpo d contagm m função d covarávs. A stratéga mas comum para modlagm nssas stuaçõs

Leia mais

CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO

CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO Exst um cojuto d métodos statístcos qu vsam studar a assocação tr duas ou mas varávs alatóras. Dtr tas métodos, a tora da rgrssão corrlação ocupa um lugar d dstaqu por

Leia mais

Anexo III Temperatura equivalente de ruído, Figura de ruído e Fator de mérito para estações de recepção (G/T)

Anexo III Temperatura equivalente de ruído, Figura de ruído e Fator de mérito para estações de recepção (G/T) Axo III mpratura quivalt d ruído, igura d ruído ator d mérito para staçõs d rcpção (/) III.. mpratura Equivalt d Ruído A tmpratura quivalt d ruído d um compot pod sr dfiida como sdo o valor d tmpratura

Leia mais

(1) Raízes n-ésimas. r cos. nϕ = θ + 2kπ; k = 0, 1, 2, 3, 4,... ρ n cos nϕ = r cos θ ρ n = r ρ= (r) 1/n. Portanto:

(1) Raízes n-ésimas. r cos. nϕ = θ + 2kπ; k = 0, 1, 2, 3, 4,... ρ n cos nϕ = r cos θ ρ n = r ρ= (r) 1/n. Portanto: Raís -ésmas A ra -ésma d um úmro complxo s é o complxo s Vamos vr qu os complxos possum raís dfrts!!! Em coordadas polars: s r cos θ s θ ρ cos ϕ s ϕ Aplcado Movr trmos: r cos θ s θ ρ cos ϕ s ϕ Portato:

Leia mais

A B LM. A onde Y Y ; P. P P, no PONTO. T o que provocará um C 0. T 0 desloca curva IS para a direita IS IS

A B LM. A onde Y Y ; P. P P, no PONTO. T o que provocará um C 0. T 0 desloca curva IS para a direita IS IS Gabarto Blachard Capítulo 7 2) Choqu d gasto médo prazo MODELO AD AS (OA-DA) Rdução do Imposto d Rda (T): C c c T 0 0 c 0 - cosumo autôomo c - propsão margal a cosumr T 0 dsloca curva IS para a drta Dado

Leia mais

Análise de regressão

Análise de regressão Análs d rgrssão Slvana Lags Rbro Garca FDV Hlo Garca Lt UFV Um dos usos da análs d rgrssão é vrfcar s, como, uma ou mas varávs ndpndnts nfluncam o comportamnto d outra varávl dpndnt Y. As varávs ndpndnts

Leia mais

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas Dstrbuçõs Dscrtas Dstrbuçõs 30/09/05 Contínuas DISTRIBUIÇÃO DE PROBABILIDADE Dscrtas DISTRIBUIÇÃO BIOMIAL Bnomal Posson Consdramos n tntatvas ndpndnts, d um msmo prmnto alatóro. Cada tntatva admt dos rsultados:

Leia mais

Estudo de diversidade populacional: efeito da taxa de mutação

Estudo de diversidade populacional: efeito da taxa de mutação IA369 - Guwn & Von Zubn (s/98) Estuo vrsa populaconal: fto a taxa mutação. Ausênca prssão sltva ausênca mutação é assumo qu caa nvíuo a população é ao por um cromossomo hapló qu o crossovr é unform. um

Leia mais

Exercícios de Cálculo Numérico - Erros

Exercícios de Cálculo Numérico - Erros Ercícios d Cálculo Numérico - Erros. Cosidr um computador d bits com pot máimo ( a rprstação m aritmética lutuat a bas. (a Dtrmi o mor úmro positivo rprstávl sta máquia a bas. (b Dtrmi o maior úmro positivo

Leia mais

ISSN Dezembro, Métodos estatísticos na seleção genômica ampla

ISSN Dezembro, Métodos estatísticos na seleção genômica ampla ISSN 1980-3958 Dzmbro, 011 19 Métodos statístcos a slção gômca ampla ISSN 1980-3958 Dzmbro, 011 Emprsa Braslra d Psqusa Agropcuára Embrapa Florstas Mstéro da Agrcultura, Pcuára Abastcmto Documtos 19 Métodos

Leia mais

Capitulo 4 Resolução de Exercícios

Capitulo 4 Resolução de Exercícios FORMULÁRIO i Taxa Proporcioal ou quivalt (juros simpls) i k Taxas Equivalts (juros compostos) 3 i i i i i i i 4 6 360 a s q t b m d Taxa Eftiva Nomial k i i p ao príodo d capitalização ; i k Taxa Ral Taxa

Leia mais

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc. Cotabilomtria Prof.: Patricia Maria Bortolo, D. Sc. Dimsioado Amostras Itrvalos d Cofiaça m Auditoria Fot: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Toria Aplicaçõs,

Leia mais

7 Teoria da Detecção e da Estimação em Problemas de Telecomunicações

7 Teoria da Detecção e da Estimação em Problemas de Telecomunicações 7 ora da Dtcção da stmação m Problmas d lcomucaçõs Nst capítulo rmos troduzr os coctos udamtas da ora da Dtcção da stmação bm como as téccas báscas d procssamto d sal qu dcorrm da sua aplcação m problmas

Leia mais

MATEMÁTICA. QUESTÃO 1 De quantas maneiras n bolas idênticas podem ser distribuídas em três cestos de cores verde, amarelo e azul?

MATEMÁTICA. QUESTÃO 1 De quantas maneiras n bolas idênticas podem ser distribuídas em três cestos de cores verde, amarelo e azul? (9) - www.litcampias.com.br O ELITE RESOLVE IME 8 TESTES MATEMÁTICA MATEMÁTICA QUESTÃO D quatas mairas bolas idêticas podm sr distribuídas m três cstos d cors vrd, amarlo azul? a) b) d) ( )! ) Rsolução

Leia mais

TÓPICOS DE RESOLUÇÃO DO EXAME DE CÁLCULO I

TÓPICOS DE RESOLUÇÃO DO EXAME DE CÁLCULO I Faculdad d Ecoomia Uivrsidad Nova d Lisboa TÓPICOS DE RESOLUÇÃO DO EXAME DE CÁLCULO I Ao Lctivo 7-8 - º Smstr Eam Fial d 1ª Época m d Juho d 8 Duração: horas 3 miutos É proibido usar máquias d calcular

Leia mais

Enunciados equivalentes

Enunciados equivalentes Lógica para Ciência da Computação I Lógica Matmática Txto 6 Enunciados quivalnts Sumário 1 Equivalência d nunciados 2 1.1 Obsrvaçõs................................ 5 1.2 Exrcícios rsolvidos...........................

Leia mais

Resolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra.

Resolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra. Dscplna: SComLMol Numann, Ulam Mtropols (945-947) Numann Ulam [945] prcbram qu problmas dtrmnístcos podm sr transormados num análogo probablístco qu pod sr rsolvdo com amostragm alatóra. Els studavam dusão

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

Tópicos de Álgebra Linear Aplicados a Equações Diferenciais

Tópicos de Álgebra Linear Aplicados a Equações Diferenciais UNIVERSIDDE FEDERL DE SNT CTRIN Ctro d Cêas Físas Matmátas Curso d Latura m Matmáta Tópos d Álgbra Lar plados a Equaçõs Dras utora: Dala Fraso Ortador: Pro Dr Gustavo dolo Torrs Frads da Costa Floraópols

Leia mais

MAURÍCIO KOUBAY DO AMARAL APLICAÇÃO DA ESTATÍSTICA MULTIVARIADA NA ANÁLISE DAS OBRIGAÇÕES CONDICIONAIS DO PROGRAMA BOLSA FAMÍLIA

MAURÍCIO KOUBAY DO AMARAL APLICAÇÃO DA ESTATÍSTICA MULTIVARIADA NA ANÁLISE DAS OBRIGAÇÕES CONDICIONAIS DO PROGRAMA BOLSA FAMÍLIA MAURÍCIO KOUBAY DO AMARAL APLICAÇÃO DA ESTATÍSTICA MULTIVARIADA NA ANÁLISE DAS OBRIGAÇÕES CONDICIONAIS DO PROGRAMA BOLSA FAMÍLIA Dssrtação aprstada como rqusto parcal à obtção do grau d Mstr m Cêcas, Curso

Leia mais

2 x. ydydx. dydx 1)INTEGRAIS DUPLAS: RESUMO. , sendo R a região que. Exemplo 5. Calcule integral dupla. xda, no retângulo

2 x. ydydx. dydx 1)INTEGRAIS DUPLAS: RESUMO. , sendo R a região que. Exemplo 5. Calcule integral dupla. xda, no retângulo Intgração Múltipla Prof. M.Sc. Armando Paulo da Silva UTFP Campus Cornélio Procópio )INTEGAIS DUPLAS: ESUMO Emplo Emplo Calcul 6 Calcul 6 dd dd O fato das intgrais rsolvidas nos mplos srm iguais Não é

Leia mais

Solução da equação de Poisson 1D com coordenada generalizada

Solução da equação de Poisson 1D com coordenada generalizada Solução da quação d Poisson 1D com coordnada gnralizada Guilhrm Brtoldo 8 d Agosto d 2012 1 Introdução Ao s rsolvr a quação d Poisson unidimnsional d 2 T = fx), 0 x 1, 1) dx2 sujita às condiçõs d contorno

Leia mais

A Origem do Potencial de Membrana e a Equação de Nernst

A Origem do Potencial de Membrana e a Equação de Nernst 5915756 Itrodução à Nuroêa Computaoal Atoo Roqu Complmto à aula Equaçõs d Nrst d GHK A Orgm do Potal d Mmbraa a Equação d Nrst A razão pla qual xst uma dfrça d potal létro através da mmbraa uroal é porqu

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Patrca Mara Bortolon, D. Sc. Modlos d Escolha Qualtatva Font: GUJARATI; D. N. Economtra Básca: 4ª Edção. Ro d Janro. Elsvr- Campus, 2006 Modlos d scolha qualtatva Varávl dpndnt: bnára

Leia mais

28 a Aula AMIV LEAN, LEC Apontamentos

28 a Aula AMIV LEAN, LEC Apontamentos 8 a Aula 49 AMIV LEAN, LEC Apontamntos (RcardoCoutnho@mathstutlpt) 8 Exponncal d matrzs smlhants Proposção 8 S A SJS ond A, S J são matrzs n n,(comdt S 6 ), ntão A S J S Dmonstração Tmos A SJS, dond por

Leia mais

Modelo de Carreador Simples e Simétrico com Quatro Estados

Modelo de Carreador Simples e Simétrico com Quatro Estados 5910187 Bofísa II FFCLRP UP Prof. Atôo Roqu Aula 9 Modlo d Carrador mpls métro om Quatro stados Nsta aula, vamos aplar a tora dsvolvda a aula 8 para dsrvr um modlo smpls d arrador para mplmtar o trasport

Leia mais

Teoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2014-I. Aula 7 Teoria dos Jogos Maurício Bugarin. Roteiro

Teoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2014-I. Aula 7 Teoria dos Jogos Maurício Bugarin. Roteiro Tora dos Jogos Prof. Mauríco Bugarn Eco/UnB 4-I Rotro Capítulo : Jogos dnâmcos com nformação complta. Jogos Dnâmcos com Informação Complta Prfta Forma xtnsva Estratégas Equlíbro d Nash Subjogos qulíbro

Leia mais

Desse modo, podemos dizer que as forças que atuam sobre a partícula que forma o pêndulo simples são P 1, P 2 e T.

Desse modo, podemos dizer que as forças que atuam sobre a partícula que forma o pêndulo simples são P 1, P 2 e T. Pêndulo Simpls Um corpo suspnso por um fio, afastado da posição d quilíbrio sobr a linha vrtical qu passa plo ponto d suspnsão, abandonado, oscila. O corpo o fio formam o objto qu chamamos d pêndulo. Vamos

Leia mais

Equações Diferenciais Lineares

Equações Diferenciais Lineares Equaçõs Diriais Liars Rordmos a orma gral d uma quação dirial liar d ordm a d d d d a a a, I d d m qu as uçõs a i são idpdts da variávl. S, a quação diz-s liar homogéa. Caso otrário, diz-s liar omplta.

Leia mais

EXPRESSÕES LÓGICAS. 9.1 Lógica proposicional AULA 9

EXPRESSÕES LÓGICAS. 9.1 Lógica proposicional AULA 9 AULA 9 EXPRESSÕES LÓGICAS 9.1 Lógica proposicional Lógica é o studo do raciocínio 1. Em particular, utilizamos lógica quando dsjamos dtrminar s um dado raciocínio stá corrto. Nsta disciplina, introduzimos

Leia mais

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre Faculdad d Ecoomia Uivrsidad Nova d Lisboa EXAME DE CÁLCULO I Ao Lctivo 8-9 - º Smstr Eam Fial d ª Época m d Jairo 9 Tópicos d Corrcção Duração: horas miutos É proibido usar máquias d calcular ou tlmóvis

Leia mais

Física Tópicos Modernos Difícil [10 Questões]

Física Tópicos Modernos Difícil [10 Questões] Física Tópicos Modros Difícil [1 Qustõs] 1 - (ITA SP) Um átomo d idrogêio tm ívis d rgia discrtos dados pla quação E = 1,6 m qu { Z / 1}. Sabdo qu um fóto d rgia 1,19 V xcitou o átomo do stado fudamtal

Leia mais

MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO

MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício

Leia mais

3. Geometria Analítica Plana

3. Geometria Analítica Plana MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS DEPARTAMENTO DE MATEMÁTICA E ESTATÍSITICA APOSTILA DE GEOMETRIA ANALÍTICA PLANA PROF VINICIUS 3 Gomtria Analítica Plana 31 Vtors no plano Intuitivamnt,

Leia mais

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre Faculdad d Ecoomia Uivrsidad Nova d Lisboa EXAME DE CÁLCULO I Ao Lctivo 8-9 - º Smstr Eam Fial d ª Época m d Jairo 9 Tópicos d Corrcção Duração: horas miutos É proibido usar máquias d calcular ou tlmóvis

Leia mais

Adriano Pedreira Cattai

Adriano Pedreira Cattai Adriano Pdrira Cattai apcattai@ahoocombr Univrsidad Fdral da Bahia UFBA, MAT A01, 006 3 Suprfíci Cilíndrica 31 Introdução Dfinição d Suprfíci Podmos obtr suprfícis não somnt por mio d uma quação do tipo

Leia mais

/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P

/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P 26 a Aula 20065 AMIV 26 Exponncial d matrizs smlhants Proposição 26 S A SJS ntão Dmonstração Tmos A SJS A % SJS SJS SJ % S ond A, S J são matrizs n n ", (com dt S 0), # S $ S, dond ; A & SJ % S SJS SJ

Leia mais

RI406 - Análise Macroeconômica

RI406 - Análise Macroeconômica Fdral Univrsity of Roraima, Brazil From th SlctdWorks of Elói Martins Snhoras Fall Novmbr 18, 2008 RI406 - Anális Macroconômica Eloi Martins Snhoras Availabl at: http://works.bprss.com/loi/54/ Anális Macroconômica

Leia mais

ONDAS ELETROMAGNÉTICAS EM MEIOS CONDUTORES

ONDAS ELETROMAGNÉTICAS EM MEIOS CONDUTORES LTROMAGNTISMO II 3 ONDAS LTROMAGNÉTICAS M MIOS CONDUTORS A quação d onda dduida no capítulo antrior é para mios sm prdas ( = ). Vamos agora ncontrar a quação da onda m um mio qu aprsnta condutividad não

Leia mais

Transformador Monofásico

Transformador Monofásico Trasformador Moofásico. Cocito O trasformador (TR) é um quipamto qu rcb rgia létrica com uma tsão uma corrt forc ssa rgia, a mos das prdas, m outra tsão outra corrt. A frqüêcia létrica s matém ialtrada.

Leia mais

EXAME NACIONAL DE SELEÇÃO 2016

EXAME NACIONAL DE SELEÇÃO 2016 EXAME NACIONAL DE SELEÇÃO 016 PROA DE MATEMÁTICA o Dia: 4/09/015 QUINTA-EIRA HORÁRIO: 8h00m às 10h15m (horário d Brasília) EXAME NACIONAL DE SELEÇÃO 016 PROA DE MATEMÁTICA º Dia: 4/09 - QUINTA-EIRA (Mahã)

Leia mais

λ, para x 0. Outras Distribuições de Probabilidade Contínuas

λ, para x 0. Outras Distribuições de Probabilidade Contínuas abilidad Estatística I Antonio Roqu Aula 3 Outras Distribuiçõs d abilidad Contínuas Vamos agora studar mais algumas distribuiçõs d probabilidads para variávis contínuas. Distribuição Eponncial Uma variávl

Leia mais

PINDYCK & RUBINFELD, CAP 5; VARIAN, CAP.12

PINDYCK & RUBINFELD, CAP 5; VARIAN, CAP.12 Escolha sob Icrtza PINDYCK & RUBINFELD, CAP 5; VARIAN, CAP. OBS.: ESTAS NOTAS DE AULA NÃO FORAM SUBMETIDAS A REVISÃO, TENDO COMO ÚNICA FINALIDADE A ORIENTAÇÃO DA APRESENTAÇÃO EM CLASSE. COMENTÁRIOS SÃO

Leia mais

Teoria dos Jogos. Prof. Maurício Bugarin

Teoria dos Jogos. Prof. Maurício Bugarin Tora dos Jogos Prof. Mauríco Bugarn Aula B Tora dos Jogos Mauríco Bugarn Cap. 7. Jogos Dnâmcos com Informação Incomplta Rotro Capítulo 7. Jogos Dnâmcos com Informação Incomplta Dfção xmplos Dfção d Raconaldad

Leia mais

4.1 Método das Aproximações Sucessivas ou Método de Iteração Linear (MIL)

4.1 Método das Aproximações Sucessivas ou Método de Iteração Linear (MIL) 4. Método das Aproimaçõs Sucssivas ou Método d Itração Linar MIL O método da itração linar é um procsso itrativo qu aprsnta vantagns dsvantagns m rlação ao método da bisscção. Sja uma função f contínua

Leia mais

Curso: Engenharia Industrial Elétrica. Análise de variáveis Complexas MAT 216 Turma: 01

Curso: Engenharia Industrial Elétrica. Análise de variáveis Complexas MAT 216 Turma: 01 urso: Egharia Idustrial Elétrica Aális d variávis omplas MAT 6 Profssora: Edmary S B Araújo Turma: Lista d Provas Rspodu Jsus: Em vrdad, m vrdad t digo: qum ão ascr da água do Espírito ão pod trar o rio

Leia mais

TRANSFORMADAS DE FOURIER

TRANSFORMADAS DE FOURIER TRASORMADAS DE OURIER Dfção: É a raformação qu lva uma magm a r rprada o domío da frqüêca Io é poívl porqu uma magm pod r dcompoa m fuçõ o coo com dfr frqüêca amplud A vaagm prcpal d rabalhar o domío da

Leia mais

Resolução da Prova 1 de Física Teórica Turma C2 de Engenharia Civil Período

Resolução da Prova 1 de Física Teórica Turma C2 de Engenharia Civil Período Rsolução da Prova d Física Tórica Turma C2 d Engnharia Civil Príodo 2005. Problma : Qustõs Dados do problma: m = 500 kg ; v i = 4; 0 m=s ;! a = 5! g d = 2 m. Trabalho ralizado por uma força constant: W

Leia mais

DICAS PARA CÁLCULOS MAIS RÁPIDOS ARTIGO 03

DICAS PARA CÁLCULOS MAIS RÁPIDOS ARTIGO 03 DICAS PARA CÁLCULOS MAIS RÁPIDOS ARTIGO 0 Em algum momnto da sua vida você dcorou a tabuada (ou boa part dla). Como você mmorizou qu x 6 = 0, não prcisa fazr st cálculo todas as vzs qu s dpara com l. Além

Leia mais

A relação formal (parataxe ou hipotaxe) é assegurada pelas conjunções (no caso da coordenação e da subordinação).

A relação formal (parataxe ou hipotaxe) é assegurada pelas conjunções (no caso da coordenação e da subordinação). Rita Vloso - matriais d PPE Faculdad d Ltras da Univrsida d Lisboa Cosão intrfrásica assgurada por procssos d squncialização qu xprimm vários tipos d intrdpndência smântica das frass qu ocorrm na suprfíci

Leia mais

Razão e Proporção. Noção de Razão. 3 3 lê-se: três quartos lê-se: três para quatro ou três está para quatro

Razão e Proporção. Noção de Razão. 3 3 lê-se: três quartos lê-se: três para quatro ou três está para quatro Razão Proporção Noção d Razão Suponha qu o profssor d Educação Física d su colégio tnha organizado um tornio d basqutbol com quatro quips formadas plos alunos da ª séri. Admita qu o su tim foi o vncdor

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

O MÉTODO DOS ELEMENTOS DE CONTORNO APLICADO À ANÁLISE NÃO-LINEAR DE PLACAS

O MÉTODO DOS ELEMENTOS DE CONTORNO APLICADO À ANÁLISE NÃO-LINEAR DE PLACAS O MÉTODO DOS ELEMENTOS DE CONTORNO APLICADO À ANÁLISE NÃO-LINEAR DE PLACAS Gabrla Rzd Frads & Wlso Srgo Vtur Rsumo Nst trabalho, dsvolv-s uma formulação lar d plaas através do Método dos Elmtos d Cotoro,

Leia mais

AÇÕES BÁSICAS DE CONTROLE E CONTROLADORES AUTOMÁTICOS INDUSTRIAIS

AÇÕES BÁSICAS DE CONTROLE E CONTROLADORES AUTOMÁTICOS INDUSTRIAIS Projto Rng - Eng. Elétrca Apostla d stmas d Control I V- &$3Ì78/ 9 AÇÕE BÁICA DE CONTROLE E CONTROLADORE AUTOMÁTICO INDUTRIAI Conform havíamos mnconado no Capítulo I, a busca da qualdad, fcênca prcsão

Leia mais

Estatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc.

Estatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc. Estatística II Aula 8 Pro. Patricia Maria Bortolon, D. Sc. Tsts Qui Quadrado Objtivos da Aula 8 Nsta aula, você aprndrá: Como quando utilizar o tst qui-quadrado para tablas d contingência Como utilizar

Leia mais

Resoluções dos exercícios propostos

Resoluções dos exercícios propostos da físca 3 Undad C Capítulo 15 Indução ltromagnétca soluçõs dos xrcícos propostos 1 P.368 D L v, vm: 0,5 0, 1 5 2 V P.369 D L v, vm: 15 6 1 20 3 4 V P.370 a) L v 1,5 0,40 2 1,2 V b) 1,2 2 0,6 Pla rgra

Leia mais

4 Modelos de Fronteira Estocástica

4 Modelos de Fronteira Estocástica 4 Modlos d Frotra Estocástca 4.. Cosdraçõs Gras 7 A prodção d qalqr bm o srço é m procsso od m cojto d smos (pts) é trasormado m m cojto d prodtos (otpts). Esta trasormação pod sr ta d drsas maras, todas

Leia mais

O que são dados categóricos?

O que são dados categóricos? Objtivos: Dscrição d dados catgóricos por tablas gráficos Tst qui-quadrado d adrência Tst qui-quadrado d indpndência Tst qui-quadrado d homognidad O qu são dados catgóricos? São dados dcorrnts da obsrvação

Leia mais

Em cada ciclo, o sistema retorna ao estado inicial: U = 0. Então, quantidade de energia W, cedida, por trabalho, à vizinhança, pode ser escrita:

Em cada ciclo, o sistema retorna ao estado inicial: U = 0. Então, quantidade de energia W, cedida, por trabalho, à vizinhança, pode ser escrita: Máquinas Térmicas Para qu um dado sistma raliz um procsso cíclico no qual rtira crta quantidad d nrgia, por calor, d um rsrvatório térmico cd, por trabalho, outra quantidad d nrgia à vizinhança, são ncssários

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

Curso de Engenharia Mecânica Disciplina: Física 2 Nota: Rubrica. Coordenador Professor: Rudson R Alves Aluno:

Curso de Engenharia Mecânica Disciplina: Física 2 Nota: Rubrica. Coordenador Professor: Rudson R Alves Aluno: Curso d Engnharia Mcânica Disciplina: Física 2 Nota: Rubrica Coordnador Profssor: Rudson R Alvs Aluno: Turma: EA3N Smstr: 1 sm/2017 Data: 20/04/2017 Avaliação: 1 a Prova Valor: 10,0 p tos INSTRUÇÕES DA

Leia mais

SISTEMA DE PONTO FLUTUANTE

SISTEMA DE PONTO FLUTUANTE Lógica Matmática Computacional - Sistma d Ponto Flutuant SISTEM DE PONTO FLUTUNTE s máquinas utilizam a sguint normalização para rprsntação dos númros: 1d dn * B ± 0d L ond 0 di (B 1), para i = 1,,, n,

Leia mais

POTÊNCIAS EM SISTEMAS TRIFÁSICOS

POTÊNCIAS EM SISTEMAS TRIFÁSICOS Tmática ircuitos Eléctricos apítulo istmas Trifásicos POTÊNA EM TEMA TRÁO NTRODÇÃO Nsta scção studam-s as potências m jogo nos sistmas trifásicos tanto para o caso d cargas dsquilibradas como d cargas

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

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

1. O domínio de uma sucessão é o conjunto dos números naturais. A única representação gráfica que obedece a esta condição é a da opção D.

1. O domínio de uma sucessão é o conjunto dos números naturais. A única representação gráfica que obedece a esta condição é a da opção D. Prarar o Exam 05/06 Matmática A Págia 69. O domíio d uma sucssão é o cojuto dos úmros aturais. A úica rrstação gráfica qu obdc a sta codição é a da oção D. Nota qu DA, D B 0 DC. Rsosta: D. Numa rogrssão

Leia mais

Regressão logística politômica: revisão teórica e aplicações

Regressão logística politômica: revisão teórica e aplicações Cêncas Naturas Exatas Rgrssão logístca poltômca: rvsão tórca aplcaçõs Hélo Radk Bttncourt Rsumo O tradconal modlo d rgrssão logístca tornou-s um método padrão d análs na ára das cêncas da saúd, spcalmnt

Leia mais

MODELO GLOBAL EM DESCARGAS À BAIXA PRESSÃO

MODELO GLOBAL EM DESCARGAS À BAIXA PRESSÃO Aas do Ecotro d Icação Ctífca PósGraduação do ITA XIII ENCITA / 007 Isttuto Tcológco d Aroáutca, São José dos Campos, SP, Brasl, utubro, 0 a 04, 007 MDEL GLBAL EM DESCARGAS À BAIXA PRESSÃ Kauê Cabrra Rosalm

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

CÁLCULO DIFERENCIAL E INTEGRAL II MÁXIMOS E MÍNIMOS DE FUNÇÕES DE DUAS VARIÁVEIS. Figura 1: Pontos de máximo e mínimo

CÁLCULO DIFERENCIAL E INTEGRAL II MÁXIMOS E MÍNIMOS DE FUNÇÕES DE DUAS VARIÁVEIS. Figura 1: Pontos de máximo e mínimo Introdução S CÁLCULO DIFERENCIAL E INTEGRAL II MÁXIMOS E MÍNIMOS DE FUNÇÕES DE DUAS VARIÁVEIS é uma unção d duas variávis ntão dizmos qu 1 a b é no máimo igual a a Gomtricamnt o gráico d tm um máimo quando:

Leia mais

Externalidades 1 Introdução

Externalidades 1 Introdução Extrnalidads 1 Introdução Há várias maniras altrnativas d s d nir xtrnalidads. Considrmos algumas dlas. D nição 1: Dizmos qu xist xtrnalidad ou fito xtrno quando as açõs d um agnt aftam dirtamnt as possibilidads

Leia mais

). Quer os eixos de S quer os de S

). Quer os eixos de S quer os de S CAPÍULO RANSFORMAÇÃO LINEAR DE COORDENADAS Nst capítulo é aprsntada a ddução da prssão qu prmt transformar as coordnadas d um ponto no spaço d um rfrncal ( S) para outro ( S ). Qur os os d S qur os d S

Leia mais

Memorize as integrais imediatas e veja como usar a técnica de substituição.

Memorize as integrais imediatas e veja como usar a técnica de substituição. Blém, d maio d 0 aro aluno, om início das intgrais spro qu vocês não troqum as rgras com as da drivada principalmnt d sno d sno. Isso tnho dito assim qu comçamos a studar drivada, lmbra? Mmoriz as intgrais

Leia mais

PADRÃO DE RESPOSTA. Pesquisador em Informações Geográficas e Estatísticas A I PROVA 7 GESTÃO DA QUALIDADE

PADRÃO DE RESPOSTA. Pesquisador em Informações Geográficas e Estatísticas A I PROVA 7 GESTÃO DA QUALIDADE Psqusador m Iformaçõs Gográfcas Estatístcas A I Qustão o Cohcmtos Espcífcos O caddato dvrá sr capaz d rcohcr os métodos spcífcos d cada psador. A sabr: I - Sobr Dmg, l dvrá sr capaz d abordar: os 4 prcípos

Leia mais

Proposta de Exame Final de Matemática A

Proposta de Exame Final de Matemática A Proposta d Eam Fial d Matmática. N DE ESCLRIDDE Duração da prova: 50 miutos. Tolrâcia: 30 miutos Data: Grupo I Na rsposta aos its dst grupo, slcio a opção corrta. Escrva, a olha d rspostas, o úmro do itm

Leia mais

ANÁLISE CUSTO - VOLUME - RESULTADOS

ANÁLISE CUSTO - VOLUME - RESULTADOS ANÁLISE CUSTO - VOLUME - RESULTADOS 1 Introdução ao tma Exist todo o intrss na abordagm dst tma, pois prmit a rsolução d um conjunto d situaçõs qu s aprsntam rgularmnt na vida das organizaçõs. Estas qustõs

Leia mais

FILTROS. Assim, para a frequência de corte ω c temos que quando g=1/2 ( )= 1 2 ( ) = 1 2 ( ) e quando = 1 2

FILTROS. Assim, para a frequência de corte ω c temos que quando g=1/2 ( )= 1 2 ( ) = 1 2 ( ) e quando = 1 2 FILTROS Como tmos visto, quando tmos lmntos rativos nos circuitos, as tnsõs sobr os lmntos d um circuitos m CA são dpndnts da frquência. Est comportamnto m circuitos montados como divisors d tnsão prmit

Leia mais

E X A M E ª FASE, V E R S Ã O 1 P R O P O S T A D E R E S O L U Ç Ã O

E X A M E ª FASE, V E R S Ã O 1 P R O P O S T A D E R E S O L U Ç Ã O Prparar o Eam 05 Matmática A E X A M E 0.ª FASE, V E R S Ã O P R O P O S T A D E R E S O L U Ç Ã O. Tm-s qu P A P A P A GRUPO I ITENS DE ESCOLHA MÚLTIPLA 0, 0, 0,. Assim: P B A PB A 0,8 0,8 PB A 0,8 0,

Leia mais

PSICROMETRIA 1. É a quantificação do vapor d água no ar de um ambiente, aberto ou fechado.

PSICROMETRIA 1. É a quantificação do vapor d água no ar de um ambiente, aberto ou fechado. PSICROMETRIA 1 1. O QUE É? É a quantificação do vapor d água no ar d um ambint, abrto ou fchado. 2. PARA QUE SERVE? A importância da quantificação da umidad atmosférica pod sr prcbida quando s qur, dntr

Leia mais

v 4 v 6 v 5 b) Como são os corte de arestas de uma árvore?

v 4 v 6 v 5 b) Como são os corte de arestas de uma árvore? 12 - Conjuntos d Cort o studarmos árors gradoras, nós stáamos intrssados m um tipo spcial d subgrafo d um grafo conxo: um subgrafo qu mantiss todos os értics do grafo intrligados. Nst tópico, nós stamos

Leia mais

Campo elétrico. Antes de estudar o capítulo PARTE I

Campo elétrico. Antes de estudar o capítulo PARTE I PART I Unidad A 2 Capítulo Sçõs: 21 Concito d 22 d cargas puntiforms 2 uniform Ants d studar o capítulo Vja nsta tabla os tmas principais do capítulo marqu um X na coluna qu mlhor traduz o qu você pnsa

Leia mais

a) 1. b) 0. c) xnw. d) q (Espm 2014) Se a matriz 7. (Pucrs 2014) Dadas as matrizes A = [ 1 2 3] a) 18 b) 21 c) 32 d) 126 e) 720 Se a matriz M=

a) 1. b) 0. c) xnw. d) q (Espm 2014) Se a matriz 7. (Pucrs 2014) Dadas as matrizes A = [ 1 2 3] a) 18 b) 21 c) 32 d) 126 e) 720 Se a matriz M= Dtrminant. (Upg 4) Considrando as matrizs abaixo, sndo dt A = 5, dtb= dtc=, assinal o qu for orrto. x z x y x A =,B= 4 5 x+ z y C= ) x+ y+ z= 4 ) A C= 4) B C= 4 8) y = x 6) 6 4 A+ B= 6 5 T. (Uds 4) S A

Leia mais

Escola Básica e Secundária Dr. Ângelo Augusto da Silva

Escola Básica e Secundária Dr. Ângelo Augusto da Silva Escola Básica Scdária Dr. Âglo Agsto da Silva Tst d MATEMÁTICA A º Ao Dração: 9 mitos Fvriro/ Nom Nº T: Classificação O Prof. (Lís Abr) ª PARTE Para cada ma das sgits qstõs d scolha múltipla, slccio a

Leia mais

Temática Circuitos Eléctricos Capítulo Sistemas Trifásicos LIGAÇÃO DE CARGAS INTRODUÇÃO

Temática Circuitos Eléctricos Capítulo Sistemas Trifásicos LIGAÇÃO DE CARGAS INTRODUÇÃO www.-l.nt Tmática Circuitos Eléctricos Capítulo Sistmas Trifásicos GAÇÃO DE CARGAS NTRODÇÃO Nsta scção, studam-s dois tipos d ligação d cargas trifásicas (ligação m strla ligação m triângulo ou dlta) dduzindo

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

3 Modelagem de motores de passo

3 Modelagem de motores de passo 31 3 odlagm d motors d passo Nst capítulo é studado um modlo d motor d passo híbrido. O modlo dsnolido é implmntado no ambint computacional Simulink/TL. Est modlo pod sr utilizado m motors d imã prmannt,

Leia mais

C. Almeida (1987) Determinação da transmissividade e coeficiente de armazenamento por ensaios de recuperação

C. Almeida (1987) Determinação da transmissividade e coeficiente de armazenamento por ensaios de recuperação C. Almda (1987 Dtrmação da tramvdad cofct d armazamto or ao d rcuração Hdrogologa y Rcuro Hdráulco, t. XII,. 689-694. IV IMPOIO DE HIDROGEOLOGÍA ALMEIDA, Carlo DEERMINAÇÃO DE RANMIIVIDADE E COEFICIENE

Leia mais

TÓPICOS. Vectores livres. Vectores em R 2 e R 3. Vectores em R n. Vectores iguais. Soma de vectores. Notação matricial.

TÓPICOS. Vectores livres. Vectores em R 2 e R 3. Vectores em R n. Vectores iguais. Soma de vectores. Notação matricial. Not bm: a litra dsts apotamtos ão dispsa d modo algm a litra atta da bibliografia pricipal da cadira TÓPICOS Vctors lirs. AULA 09 Chama-s a atção para a importâcia do trabalho pssoal a ralizar plo alo

Leia mais

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. Distribuições Notáveis

MOQ-12: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS. Distribuições Notáveis MOQ-: PROBABILIDADES E PROCESSOS ESTOCÁSTICOS Distribuiçõs Discrtas: Distribuição Uiform Discrta: Distribuiçõs Notávis Uma va discrta dfiida os potos,,..., tm distribuição uiform discrta s assum cada um

Leia mais

SERGIO LUIZ SCHUBERT SEVERO AQUAMETRIA POR MICROONDAS: DESENVOLVIMENTO DE TRANSDUTOR EM MICROFITA

SERGIO LUIZ SCHUBERT SEVERO AQUAMETRIA POR MICROONDAS: DESENVOLVIMENTO DE TRANSDUTOR EM MICROFITA SRGIO LUIZ SCUBRT SVRO AQUAMTRIA POR MICROONAS: SNVOLVIMNTO TRANSUTOR M MICROFITA Porto Algr 3 SRGIO LUIZ SCUBRT SVRO AQUAMTRIA POR MICROONAS: SNVOLVIMNTO TRANSUTOR M MICROFITA ORINTAOR: Prof. r. Altamro

Leia mais

Critérios de falha PROF. ALEXANDRE A. CURY DEPARTAMENTO DE MECÂNICA APLICADA E COMPUTACIONAL

Critérios de falha PROF. ALEXANDRE A. CURY DEPARTAMENTO DE MECÂNICA APLICADA E COMPUTACIONAL PROF. ALEXANDRE A. CURY DEPARTAMENTO DE MECÂNICA APLICADA E COMPUTACIONAL A avaliação das tnsõs dformaçõs smpr é fita m função d crtas propridads do matrial. Entrtanto, não basta apnas calcular ssas grandzas.

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

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

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

Leia mais

Controlo do volume celular

Controlo do volume celular Modlos dos Procssos Fsológcos no Homm Mao 2005 Controlo do volum clular santos_armanda@hotmal.com Armanda Santos Inês Alxo Joana Gós Rosmyr Cordro Sumáro Modlo smpls do controlo do volum clular: - Prssão

Leia mais