PROPOSTA DE IMPLEMNETAÇÃO DE UM LABORATÓRIO DE PROBABILIDADE E ESTATÍSTICA APLICADO A ENGENHARIA ELÉTRICA E COMPUTAÇÃO
|
|
- Clara Brezinski Malheiro
- 6 Há anos
- Visualizações:
Transcrição
1 PROPOSTA DE IMPLEMNETAÇÃO DE UM LABORATÓRIO DE PROBABILIDADE E ESTATÍSTICA APLICADO A ENGENHARIA ELÉTRICA E COMPUTAÇÃO Renato de Sousa Nascmento renatodesousanascmento@hotmal.com Unversdade Federal do Ceará, Campus de Sobral Praça Senador Fguera, rua Anahd Andrade, S/N 62- Sobral - Ceará Vandlberto Perera Pnto vandlberto@ufc.br Unversdade Federal do Ceará, Campus de Sobral Praça Senador Fguera, rua Anahd Andrade, S/N 62- Sobral - Ceará Nelber Xmenes Melo nelber@dee.ufc.br Unversdade Federal do Ceará, Campus de Sobral Praça Senador Fguera, rua Anahd Andrade, S/N 62- Sobral - Ceará Resumo: A dscplna de Probabldade e Estatístca é ofertada para os cursos de Engenhara Elétrca e Computação do Campus de Sobral, sempre apresentando altos índces de reprovação. Isso se deve, em grande parte, à escassez de tempo dsponível para explanar melhor os dversos conteúdos abrangdos pela dscplna, e também pela dfculdade natural que estes conteúdos acarretam em cada estudante. Uma alternatva vável para obter uma melhora tanto do aprendzado por parte dos estudantes quanto da transmssão do conteúdo por parte do professor é a mplantação de um Laboratóro de Probabldade e Estatístca, que, de manera sucnta, trata-se de um conjunto de prátcas nas quas o conhecmento estudado em sala de aula pode ser observado em aplcações dentro das áreas que abrangem a engenhara. Objetva-se, através desta mplementação, obter um melhor rendmento dos alunos, e dessa forma, um menor índce de reprovação e uma maor satsfação por parte dos corpos dscente e docente. Palavras-chave: Probabldade e Estatístca, Laboratóro, Aprendzado.
2 INTRODUÇÃO Do ponto de vsta da engenhara, a dscplna de Probabldade e Estatístca é uma mportante ferramenta tanto para o controle de qualdade de produtos como para projetos e estmação de parâmetros e análse de dados, sendo uma dscplna fundamental para a formação do futuro engenhero. Nos últmos anos ocorreram reformas currculares que tnham como um dos prncpas objetvos a redução do tempo para a conclusão em um grande número de cursos de graduação. Nos cursos de engenhara as mudanças foram pequenas, pos, na maora dos casos, elas já estavam reduzdas a uma únca dscplna (COURE, 29). O conteúdo abrangdo por tal dscplna é muto vasto, necesstando de muta dedcação e racocíno tanto do professor quanto do aluno. Dessa forma, como a maora das dscplnas que envolvem um racocíno mas elevado no processo de aprendzado, tal dscplna gera mutas dúvdas e desestímulo por parte dos estudantes por ter aulas somente teórcas e este fato, assocado à falta de tempo dsponblzado para assmlar os dversos conteúdos, o que não contrbu para um melhor aprendzado, causa um elevado índce de reprovação dos alunos na dscplna. Vsando uma maor partcpação e um melhor aprovetamento por parte dos alunos, este trabalho propõe ncalmente uma aplcação da teora de regressão Lnear em um fltro passa baxa de modo a verfcar a vabldade de mplementação de prátcas de laboratóro com os conteúdos da dscplna de probabldade e Estatístca para os cursos de Engenhara Elétrca e Computação de modo a auxlar o aprendzado e unr os conhecmentos teórcos e prátcos, objetvando, assm, a formação de profssonas mas qualfcados no futuro. Como contnudade da pesqusa será proposta, posterormente, a elaboração de novas prátcas de Probabldade e Estatístca com o ntuto de observar algumas das aplcações na engenhara, de forma a despertar o nteresse e contrbur para o aprendzado da dscplna. Dentre as aplcações pode-se ctar: estmação dos parâmetros desconhecdos de um sstema, prevsão de demanda de energa, modelos probablístcos de vento, análse estatístca de dstúrbos de energa elétrca, análse estatístca do erro da taxa de transmssão de dados, dentre outras. 2 REGRESSÃO LINEAR A análse de regressão é a parte da estatístca que nvestga a relação entre duas ou mas varáves relaconadas de manera não-determnístca (DEVORE, 945). Trata-se de uma técnca de modelagem usada para a análse da relação entre uma varável dependente (Y), e uma ou mas varáves ndependentes X, X 2, X 3,..., X n, objetvando a dentfcação de uma função que descreve, da manera mas próxma possível, a relação entre essas varáves, e, dessa forma, será possível determnar o valor que a varável dependente (Y) assumrá para determnados valores das varáves ndependentes. 2. A Relação Lnear A relação matemátca mas determnístca mas smples entre duas varáves x e y é a relação lnear y= b + x () b
3 O prmero passo na análse de regressão com duas varáves é elaborar um gráfco de dspersão dos dados observados. 2.2 Regressão Lnear Smples A regressão lnear smples consttu uma tentatva de estabelecer uma equação matemátca lnear (lnha reta) que descreva a relação entre duas varáves. Este modelo é utlzado quando exste uma relação lnear entre a varável ndependente e a varável dependente (neste caso apenas uma). A função que expressa esse modelo será dada pela forma abaxo: Y = b + b X +e (2) Fgura Reta obtda com o uso do método da Regressão Lnear Smples. O gráfco da Fgura é uma representação da aplcação da Regressão Lnear Smples. Verfca-se, observando o gráfco, que nem todos os pontos tocam a reta. Essa dferença é o erro (e), que pode ter sdo ocasonado por um erro de letura dos dados. Esses erros tendem a se anular, sendo assm: å ( e ) = (3) Podemos determnar os coefcentes da função obtda através do Método dos Mínmos Quadrados Método dos Mínmos Quadrados
4 Uma vez escolhdo o modelo de regressão, deve-se estmar seus coefcentes, no caso de uma função do prmero grau descrta na Equação (2), deve-se deduzr os coefcentes b e b. Trando a méda sobre a Equação (2), teremos: Y + = b b X (4) Pode-se observar a ausênca da méda dos erros. Isso fca explícto a partr da Equação (3), onde vemos que a soma dos erros tendem a se anular. Subtrando a Equação (2) pela Equação (4), obtemos: Y - Y= (b - b ) + (b )(X - X + e (5) ) Sendo assm, teremos então: e = y - b x (6) y x Onde: = (Y Y) (7) - (X - = X) (8) Fazendo a soma do quadrado dos erros, lembrando que b é uma constante, teremos: å ( e ) = å y - 2bå x y + b å x (9) Como o objetvo é estmar uma função que torne desprezíves ou mínmos os erros, devemos então dervar a Equação (9) e gualar a zero. å å 2 =-2 x y + 2bˆ x () Porém, não é dsponível o valor real, e sm uma amostra, portanto, o valor determnado é um estmador do verdadero valor da função, teremos então o estmador bˆ tal que: å å x y bˆ () = 2 x e bˆ o será: bˆ = Y bˆ X (2) o - Portanto, os estmadores bˆ e (2) fo estmada. bˆ o foram calculados, e a função do prmero grau da Equação
5 2.3 Regressão Lnear Múltpla Na regressão múltpla, o objetvo é elaborar um modelo probablístco que relacone uma varável dependente y a mas de uma varável ndependente ou de prevsão (DEVORE, 945). O modelo matemátco para esse caso é dado abaxo: Y = b... + b X + b2 X bk X k + e (3) 2.4 Ajustamento de Curvas Num dagrama de dspersão é possível, freqüentemente, vsualzar uma curva regular que se aproxma dos dados. Essa curva é denomnada de ajustamento. Fgura 2 - Exemplos de Curvas em Dagramas de Dspersão. O problema geral da determnação das equações de curvas que se acomodem a certos conjuntos de dados é denomnado Ajustamento de Curvas. Para fns de referênca, relaconam-se abaxo alguns tpos de curvas de ajustamento e suas equações. Todas as letras, exceto X e Y, representam constantes. As letras X e Y referem-se, freqüentemente, a varáves ndependentes e dependentes, respectvamente, embora esses papés possam ser permutados. Y + 2 Y a + ax+ a 2X 2 3 Y a + ax+ a 2X + a 3X 2 3 n Y a + ax+ a 2X + a 3X a nx = a a X (4) = (5) = (6) = (7) Y= (8) a a X + X Y= ab (9) b Y= ax (2) Y= ab X + g (2) Y= ax b + g (22)
6 Temos na sequênca Equação (4) Lnha Reta, Equação (5) Parábola ou Curva do 2º Grau, Equação (6) Curva do 3º Grau, Equação (7) Curva de Grau n, Equação (8) Hpérbole, Equação (9) Curva Exponencal, Equação (2) Curva Geométrca, Equação (2) Curva Exponencal Modfcada e Equação (22) Curva Geométrca Modfcada. 3 APLICAÇÕES: FILTRO PASSA ALTAS Como proposta ncal, temos as prátcas de estmação da função de saída dos fltros passa altas, passa baxas, passa faxa e rejeta faxa. Porém, vamos abordar neste artgo apenas a prátca envolvendo a estmação da função de saída do fltro passa altas usando o método da regressão lnear. Este fltro fo mplantado em laboratóro, e para sso, fo necessáro o uso dos seguntes equpamentos em laboratóro: Oscloscópo: Equpamento que plota em tempo real a curva da tensão mensurada. Gerador de Funções: Gera a Tensão de entrada desejada. Nesse caso, fo usada uma tensão senodal. Resstor: Elemento passvo que dsspa energa quando possu uma corrente passando através deste. Capactor: Elemento passvo que armazena energa em Campo Elétrco. Multímetro: Equpamento que mede dversas grandezas elétrcas. Protoboard: Equpamento que tem a utldade de permtr a smulação crcutos de baxa potênca. Fltros passa altas são fltros que elmnam as feções de baxa frequênca, dexando apenas as de alta frequêncas (CRÓSTA,992). O segunte crcuto fo montado em protoboard: = nf = Ω V A tensão V n é uma tensão senóde dada por: Fgura 3 Fltro Passa Altas. = V sen(2pf t) (23) n P Aplcando a tensão senóde de V, ou seja, V P (Tensão de pco na entrada do crcuto) terá um valor de V, varando apenas a frequênca f da senóde de entrada, dada pela Equação (3), obtvemos os valores lstados na Tabela. Tabela Tensões de Saída do Fltro Passa Altas, meddas através de Multímetro. f(hz) V out (V) f(hz) V out (V),6 2 5,73
7 2,2 3 6, 5,24 4 6,32,49 5 6,43 2, 6 6,8 3,63 7 7,3 4 2,2 8 7,9 5 2,68 9 7,25 6 3,27 2 7,49 7 3, ,63 8 4, ,92 9 4, ,3 5,8 3 8,27 5,4 Através desses dados, e usando um software de smulação matemátca, obtvemos os valores para o ganho do fltro, dado pela Equação (): A v =2.log(V out /V n ) (24) Tabela 2 Valores do ganho A v do Fltro, em função dos valores de frequênca. f(hz) -A v (db) f(hz) -A v (db) -2,3 2 -, 2-88,45 3 -,2 5-74,6 4-9,2-6,3 5-8,8 2-46,5 6-7,7 3-36,3 7-7, 4-3,2 8-6,9 5-26,3 9-6,4 6-22,4 2-5,8 7-9, ,4 8-7,2 25-4,7 9-5, ,38-3,2 3-3,8-2,3 A fm de obter um gráfco semelhante ao gráfco padrão do fltro passa-baxas, que pode ser observado na Fgura 5, construu-se, através de um software de smulação matemátca, o gráfco do ganho A v em função da frequênca, com os valores da Tabela 2, e obteve-se o gráfco da Fgura 4.
8 Fgura 4 Gráfco smulado em software de smulação matemátca do ganho A v em função da frequênca. Fgura 5 - Ganho de tensão em db em função da freqüênca de um fltro passa alta qualquer. Podemos observar que o gráfco da Fgura 4 se aproxma bastante do gráfco da Fgura 5. Podemos observar até mesmo que, semelhante ao gráfco da Fgura 5, aproxmadamente a partr de A v = -3 db, o gráfco obtdo começa a declnar, fcando pratcamente constante à medda que a frequênca assume valores muto elevados. Usando uma função contda no software que aproxma curvas, obervou-se que o polnômo do grau 7 se ajustou de manera bem aproxmada ao gráfco da Fgura 4.
9 Fgura 6 Ajuste da Curva do Ganho de Tensão A v, através de um polnômo do 7º Grau. Calculou-se também o erro médo do ajuste, tomado pelo módulo da subtração de cada valor obtdo expermentalmente com o valor obtdo através do polnômo de grau 7. Sendo este dado por: ) A v (f ) = a f + a f + a 2 f + a 3 f + a 4 f + a 5 f + a 6 f + sendo a = 9,6837 x -28, a = -,946 x -22, a 2 = 4,9955 x -8, a 3 = -,85 x -3, a 4 =,5486 x -9, a 5 = -,244 x -5, a 6 =,4425, a 7 = -98,994. Após calculados os valores de Av para cada valor de frequênca da Tabela, e subtraídos, operação esta realzada em software de smulação matemátca, obteve-se um erro médo de ajuste de curva de, CONCLUSÃO Através desta e de outras prátcas, objetva-se uma maor facldade na compreensão e assmlação do conteúdo por parte dos estudantes. Como observado, na descrção teórca teríamos apenas equações e teoras, já com a ntrodução de prátcas em laboratóro, observou-se um ncremento dos conteúdos com a ntrodução de assuntos focados na prátca de tal forma que motvam alunos e professores a buscarem essa ferramenta como um bom auxílo no ensno. a 7 (25)
10 Além da experênca na parte prátca feta pelos alunos, prátcas laboratoras nstgam os alunos a pensar sobre eventuas problemas ocasonados pelo meo, que causam uma dvergênca entre valores calculados a partr da teora com os observados na prátca, este fator, prncpalmente para um futuro engenhero, é de grande mportânca, já que nstga desde cedo alunos a pensar na resolução de entraves, tarefa prmordal para um engenhero. 7. REFERÊNCIAS BIBLIOGRÁFICAS CRÓSTA, A. P. Processamento Dgtal de Imagens de Sensoramento Remoto. Campnas: IG/UNICAMP, 992. p. 83. CUORE, R. E. As dferenças hstórcas entre probabldade e estatístca e sua abordagem no Ensno Superor. Dsponível em: < Acesso em: 8 abr. 2. DEVORE, J. L. Probabldade e Estatístca para Engenhara e Cêncas. São Paulo: Ed. Ponera Thomson Learnng, 26. SERRA, C. Análse de Regressão. Dsponível em: < Acesso em: 4 ma. 2. VIALI, L. Utlzando planlhas e smulação para modernzar o ensno de probabldade e estatístca para os cursos de Engenhara. Cobenge, 2. PROBABILITY AND STATISTCS LABORATORY IMPLEMENTATION PROPOSE APLLIED TO ELECTRICAL AND COMPUTATION ENGINEERING Abstract: The Probablty and Statstcs dscplne s offered to Electrcal and Computaton Engneerng courses, always gettng hgh reproof levels. Ths happens, n almost all cases, by the lack avalable tme to explore by a better form the many embraced content by the dscplne and because of the natural dffculty that ths contents cause n each student. A vable way to obtan a mprovement as n the student s learnng as n the content s transmsson by the professor s the mplementaton of a Probablty and Statstcs Laboratory, that of a reduced form s a experence amount n that the knowledge learned n class can be observed n applcatons that are nsde of range that embrace the engneerng. The target s, trough ths mplementaton, to obtan a better student s performance, and by ths way, a shorter reproof s level and a bgger student s and professor s satsfacton. Key-words: Probablty and Statstcs, Laboratory, Learnng.
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 mais4 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 maisÉ 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 maisAlgarismos 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 maisProf. 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 maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisEstatística 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 mais3 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 maisProf. 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 maisNOÇÕES 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 maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisProf. 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 maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisMODELOS 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 maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisUNIDADE 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 maisProf. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =
Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisÉ 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 maisCAPÍTULO 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 maisCovariância 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 maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisAssociação 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 maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisProf. 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 maisCap. 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 maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisUtilizando SPICE. Disciplinas: SEL0301 Circuitos Elétricos I e SEL0602 Circuitos. Docente: Prof. Dr. Mário Oleskovicz PAE: André Luís da Silva Pessoa
Introdução à Análse de Crcutos Elétrcos Utlzando SPICE Dscplnas: SEL0301 Crcutos Elétrcos I e SEL0602 Crcutos Elétrcos Docente: Prof. Dr. Máro Oleskovcz PAE: André Luís da Slva Pessoa Unversdade de São
Leia maisTabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992.
Regressão Lnear Algumas vezes estamos nteressados não apenas se exste assocação entre duas varáves quanttatvas x e y, mas nós temos também uma hpótese a respeto de uma provável relação de causa e efeto
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisGráficos 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 maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisMedidas e resultados em um experimento.
Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca
Leia maisExperiência 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 maisCurso 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 maisANÁLISE DA RELAÇÃO ENTRE AS NOTAS DAS DISCIPLINAS DE MATEMÁTICA E FÍSICA DE ESTUDANTES DO ENSINO MÉDIO
UNIVERSIDADE REGIONAL INTEGRADA DO ALTO URUGUAI E DAS MISSÕES CAMPUS DE ERECHIM DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA CURSO DE MATEMÁTICA GRASIELA ELISA WEBBER ANÁLISE DA RELAÇÃO ENTRE AS NOTAS DAS
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisEscola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7
Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisCapítulo 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 maisMÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL
CIRCUITOS ELÉTRICOS Método de Análse: Análse Nodal Dscplna: CIRCUITOS ELÉTRICOS Professor: Dr Marcos Antôno de Sousa Tópco MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL Referênca bbloráfca básca:
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia mais3 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 maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia mais4.1 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 mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisSempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.
Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda
Leia maisEletrotécnica AULA Nº 1 Introdução
Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca
Leia maisOs 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 maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisElectromagnetismo e Óptica
Electromagnetsmo e Óptca aboratóro - rcutos OBJETIOS Obter as curvas de resposta de crcutos do tpo sére Medr a capacdade de condensadores e o coefcente de auto-ndução de bobnas por métodos ndrectos Estudar
Leia maisVariáveis 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 maisUm modelo nada mais é do que uma abstração matemática de um processo real (Seborg et al.,1989) ou
Dscplna - MR070 INTRODUÇÃO À MODELAGEM DE SISTEMAS LINEARES POR EQUAÇÕES DIFERENCIAIS Os modelos de um determnado sstema podem ser físcos ou matemátcos. Neste curso focaremos a modelagem pela dentfcação
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisO 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 maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisCapítulo 14. Análise de circuitos. em corrente alternada () () Assim, é possível, escrever as equações para a corrente e tensão no circuito:
EETôNIA Assm, é possíel, escreer as equações para a corrente e tensão no crcuto: (t) = máx sen (wt 0) e = 0 má x = 240 apítulo 4 π π (t) = máx sen (wt j) e = má x = 4 2 2 Aplca-se, então, a le de Ohm:
Leia mais