ANÁLISE ESTATÍSTICA DA QUALIDADE DE UM MODELO DIGITAL DO TERRENO GERADO COM THIN PLATE SPLINE

Tamanho: px
Começar a partir da página:

Download "ANÁLISE ESTATÍSTICA DA QUALIDADE DE UM MODELO DIGITAL DO TERRENO GERADO COM THIN PLATE SPLINE"

Transcrição

1 ANÁLISE ESTATÍSTICA DA QUALIDADE DE UM MODELO DIGITAL DO TERRENO GERADO COM THIN PLATE SPLINE Statstcal aalyss of the qualty of a Dgtal Tea Model geeated by Th Plate Sple Rcado Luís Babosa Messas Meeguette J João Feado Custódo da Slva Rodgo Bezea de Aaújo Galls Otávo Yassuo Itame Uvesdade Estadual Paulsta Campus de Soocaba Faculdade de Cêcas e Tecologa {cado,messas, jfcslva, tame}@fctuespb RESUMO A epesetação do elevo ou teeo é uma compoete fudametal o pocesso catogáfco Em fomato dgtal ela ecebe o ome de Modelo Dgtal do Teeo (MDT) e cosste de um cojuto de dados que explctam as coodeadas (, Y, ) do teeo e a foma como os mesmos estão elacoados Váas téccas podem se utlzadas paa se obte os dados do MDT, as pcpas delas são: levatameto topogáfco, fotogamétcas e catogáfcas Os dados obtdos atavés dessas téccas costtuem o Modelo Dgtal do Teeo, ou se fo o caso, uma base sobe a qual podeá se ealzada uma desfcação (tepolação) Exste uma vaedade gade de téccas de tepolação, sedo as mas cohecdas: lea, blea, bcúbca, quítca, multquádca, veso da dstâca podeada etc A qualdade do MDT é de fudametal mpotâca e este tabalho o teesse é em uma tepolação meos usual, va Th Plate Sple (TPS) aalsada de acodo com o padão de exatdão catogáfca Paa o cotole de qualdade, foam geados modelos de teeo com dfeetes úmeos de potos ogas com base em amostages aleatóas e estatfcadas O modelo que apesetou melho esultado fo obtdo com uma adaptação da amostagem estatfcada Em fução da boa pefomace da tepolação TPS, petede-se avalá-la em tabalhos futuos, em elação a outas fuções tepoladoas, clusve melhoa a efcêca computacoal da mesma paa se automatcamete adaptatva, ou seja, dexado de se global e passado a te efeto local pelo uso apeas de potos vzhos Palavas chaves: MDT, Th Plate Sple, tepolação, amostagem, exatdão catogáfca ABSTRACT The elef epesetato s a mpotat step the catogaphc pocess ad dgtal fomat s amed Dgtal Tea Model (DTM) DTM ca be see as a set of coodates (, Y, ) of goud suface pots togethe wth the topologcal elatoshp Seveal techques ca be used to acque the DTM data: suveyg, photogammetc ad catogaphc oes The data theefoe costtute the DTM, but some cases, t s tae as a bass o whch a desfcato (tepolato) should be accomplshed Thee exsts a vaety of tepolato techques, the moe usual beg: lea, blea, bcubc, qutc, multquadc, vese weghted dstace, etc The qualty of DTM s also of fudametal mpotace I ths wo the majo teest s dected to a less usual tepolato method, the Th Plate Sple (TPS), whch s aalysed tag to accout the catogaphc accuacy equemets Fo the qualty cotol, DTM wee geeated wth dffeet umbes of ogal pots cosdeg adom ad statfed samplgs A ovel adaptato fo the statfed samplg geeated the best esultg model The good pefomace peseted by the tepolato TPS dcates t should be bette evaluated t futue wos, elato to othe tepolato fuctos, as well as computatoaly efed the sese of beg adaptatve, o othe wods, ot beg global but havg local effect by the use of eghbog pots oly Keywods: DTM, Th Plate Sple, tepolato, samplg, catogaphc accuacy Revsta Baslea de Catogafa N o 6/, agosto 8 (ISSN ) 7

2 INTRODUÇÃO A epesetação do elevo ou teeo é uma compoete fudametal o pocesso catogáfco que, em fomato dgtal, ecebe o ome de Modelo Dgtal do Teeo (MDT) e cosste de um cojuto de dados que explctam as coodeadas (, Y, ) do teeo e a foma como os mesmos estão elacoados (PETRIE; KENNIE, 99), (ACKERMANN, 996), (ANDRADE, 998), (BARBOSA; SILVA, ), (NASER; VALEO; HABIB, 5) Os dados paa a cação do MDT podem se obtdos (ou amostados) de váas maeas, como po exemplo, utlzado métodos aalógcos paa a extação das coodeadas (, Y, ) e posteo tasfeêca paa o computado, ou fazedo-se uso de téccas dgtas de foma sem-automátca ou automátca Atualmete, o lase scae é cada vez mas usado paa a aqusção de um MDT (DALMOLIN; SANTOS, 4) Em geal, é ecessáo adesa o MDT e sso é feto usado uma fução tepoladoa A escolha da fução de tepolação é decsva paa se obte uma boa pecsão do MDT Segudo McCullagh (988), os equstos desejáves paa uma fução tepoladoa são: que epoduza uma supefíce cotíua; o tempo de computação ão seja pobtvo e que teha popedades matemátcas de teesse paa a aplcação As fuções de tepolação podem se globas ou locas (YAMAMOTO, 998) Os métodos globas levam em cosdeação todos os potos que foam amostados, ajustado alguma fução que passe po todos esses potos Os métodos locas são fluecados po potos que estejam em uma ceta vzhaça, dmudo sua cotbução à medda que a dstâca ao poto tepolado aumeta Exste uma vaedade muto gade de téccas de tepolação (LANCASTER; SALKAUSKAS, 99): lea, quítca, multquádca, veso da dstâca podeada, fuções de bases adas etc Em Yag et al (4), são apesetados métodos de tepolação que o pogama Sufe 8 ofeece, mas ehuma coclusão a espeto do melho método é apesetada, fcado, potato, a cago do usuáo decd Feades e Meezes (5) geaam modelos com ses dfeetes fuções tepoladoas e usado apeas 5 potos de cotole afmam que a Tagulação de Delauay com estção fo a melho técca, medda atavés do eo médo Com dfeetes fotes de aqusção dos dados foam geados 7 modelos po Satos, Slva e Mello (3) sem que os autoes, etetato, explctassem a tepoladoa utlzada O cotole de qualdade fo feto com potos levatados com GPS O cálculo da pecsão fo feto com a az quadada do eo médo quadátco, e o MDT geado automatcamete em uma estação da Leca fo o que apesetou melho qualdade Com a dgtalzação de cuvas de ível de uma cata, Pheo e Kux (3) compaaam dos métodos de tepolação: uma lea e uma quítca, utlzado tagulação de Delauay Paa o cotole de qualdade, foam utlzados 5 potos levatados po GPS, os quas foam utlzados a fototagulação paa a cofecção da cata Ambas as tepolações apesetaam esultados semelhates Com o uso do lase scae, Kaus et al (4) dzem se ecessáo evsa e apeseta ovas metodologas paa se med a qualdade do MDT Apesetam duas abodages: uma estocástca, que é depedete da desdade de potos, da az quadada do eo médo quadátco e da cuvatua local, e uma outa abodagem geométca baseada a cuvatua local Patdo de uma população de 3665 potos cohecdos po levatameto GPS, Olvea et al (3), fzeam uma amostagem aleatóa com 733 potos levatados Esses potos amostados foam tepolados paa gea o MDT com o pogama Sufe usado gagem como método de tepolação Os autoes ão justfcaam o tamaho da amosta usada e em apesetaam esultados do cotole de qualdade Noguea J, Moco e Tachbaa (4) mostam a fluêca do tamaho da amosta o cotole da qualdade paa uma cata a escala : O tamaho da amosta é detemado e os potos são amostados de foma aleatóa Galo e Camago (994) descevem o uso do GPS o cotole da exatdão catogáfca e apesetam os passos paa a aálse da exatdão plamétca em uma cata com escala :5 Itame () fez um levatameto topogáfco com 49 potos e geou modelos dgtas do teeo com o pogama Topogaph, utlzado a tagulação de Delauay e tepolação B-Sple Fez também uma aálse do tamaho da amosta mímo paa os potos de cotole Neste tabalho, o objetvo é aalsa a geação de um MDT, e a espectva qualdade, usado uma fução tepoladoa, meos usual em catogafa, a Th Plate Sple A fote de dados paa o MDT é um levatameto topogáfco de 49 potos utlzado po Itame (), que fomam uma população da qual são extaídas amostas aleatóas com téccas de estatfcação paa a geação do MDT, bem como de uma amosta com tamaho adequado paa vefca a qualdade pelo Padão de Exatdão Catogáfca (PEC) INTERPOLAÇÃO Um tepolate Th Plate Sple (TPS) pode se lustado fscamete como sedo uma chapa fa de metal se estededo paa o fto, pesa em algus potos de cotole, de tal foma que a eega ecessáa paa sto seja míma, despezado-se a eega elástca e a eega gavtacoal (BOOKSTEIN, 989) O TPS apaece a lteatua com outos omes (YU, ): sple de cuvatua míma, sple bhamôca e mesmo supefíce sple Dados os potos de cotole (, Y, ), com =,,,, paa tepola, cohecdas as coodeadas (, Y), a expessão paa o TPS é: Revsta Baslea de Catogafa N o 6/, agosto 8 (ISSN ) 8

3 com ode F l = ( Y ) = a + a + ay +, () (, Y ), =,,, ( ) + ( Y Y ) = () = (3) e F, a, a e a são os + 3 coefcetes cógtos Paa gea uma supefíce que passa pelos potos e teha todas as devadas, ou seja, teha boa suavdade, o temo l pode se tocado po ( + ε ) l : (, Y ) = a + a + ay + F l( + ε ) = O paâmeto ε usualmete é tomado ete - e -6, depededo do gau de vaação da cuvatua da supefíce (YU, ) Os coefcetes são detemados a pat de potos cohecdos da amosta (, Y, ): ode = ( + ) = a + a + ay + F l ε ( ) + ( Y Y (4) (5) = ) (6) Na foma matcal: A = B (7) F F = F B = e (9) a a a A matz A (equação 8) é smétca e vesível Resolvedo o sstema (equação 7), os coefcetes fcam detemados e cosequetemete pode-se obte o valo tepolado em qualque poto ( Y ), 3 MATERIAIS E MÉTODOS Paa a geação de cada epesetação do modelo dgtal do teeo foam utlzados potos dete os 49 obtdos em uma áea do campus da Uesp de Pesdete Pudete (ITAME, ), levatados po topogafa Esses potos são cosdeados como uma população, com paâmetos mostados a tabela Paa cada vaável (V), que são as coodeadas UTM(m): E, N e H, são dadas as médas, medaas (med), desvo padão populacoal (σ), mímo (mí) e máxmo(máx) Das coodeadas UTM, E(m) e N(m), subtause 45 e 755 espectvamete, paa faclta a letua dos úmeos TABELA - PARÂMETROS DA POPULAÇÃO DOS PONTOS V Méda Med σ Mí Máx E 784,7 7859,85 8,4 76,8 84,3 N 348,5 3476,69 79,37 334, ,6 H 438,47 44,4 4,96 45,67 444, l A = l Y l( + ε ) l( + ε ) ( + ε ) l( + ε ) ( + ε ) l( + ε ) Y Y Y Y Y (8) Os 49 potos foam colocados em uma lsta o pogama Mtab (CAMPOS, 3) e geadas amostas aleatóas paa cada epesetação do MDT e também paa o espectvo cotole de qualdade O cálculo do tamaho da amosta, supodo uma população fta é dado po (COCHRAN, 977): = C zασ + z σ /( N ) α () com ode: z α : cotagem z paa o ível de sgfcâca α σ : desvo padão populacoal Revsta Baslea de Catogafa N o 6/, agosto 8 (ISSN ) 9

4 C : magem de eo N : tamaho da população Com ível de sgfcâca α= 5%, =,96, N= 49 potos, é ecessáo estabelece a magem de eo paa estma o tamaho da amosta paa a geação do MDT Com uma vaação da magem de eo de %, %, 3% e 4% sobe o valo do desvo padão da vaável H, obtém-se os tamahos das amostas (apoxmados paa o póxmo teo) de, 79, 39 e 3 potos (tabela ), espectvamete z α TABELA - TAMANHO DAS AMOSTRAS z σ C,96 4,96,496,83,96 4,96,99 78,9649,96 4,96,488 38,7954,96 4,96,984,7578 O tamaho da amosta paa o cotole de qualdade fo estpulado em Itame () como sedo de potos Dessa maea, foam fetas 4 amostages aleatóas da população paa a geação do MDT cofome os valoes da tabela, e uma amostagem aleatóa paa os potos do cotole de qualdade (CQ) A tabela 3 mosta as estatístcas de cada amosta: o úmeo da amosta (A), o tamaho da amosta (), méda, medaa (med), desvo padão (s), mímo (mí) e máxmo (máx) TABELA 3 - ESTATÍSTICAS DAS AMOSTRAS A Méda Med s Mí Máx 438,73 44,48 4,85 46,6 444, ,34 44,43 5,7 46,4 444, ,68 44,78 4,7 48,9 443, ,7 44,7 4,53 48,65 443,96 CQ 439,67 44,8 4,48 46,4 444,3 Também fo plaejada uma amostagem estatfcada em elação à altua, com dos estatos paa o total de potos levatados o teeo: um estato com valoes meoes do que a medaa e outo com os valoes maoes ou guas a medaa A equação paa o tamaho de uma amosta estatfcada é dada po (COCHRAN, 977): = N C zα = + = () ode N é o tamaho do estato e é o total de estatos (o caso = ) Com o tamaho da amosta calculado, o tamaho paa cada amosta do estato é dado po: = = () Os paâmetos dos estatos são dados a tabela 4, ode a colua (Es) epeseta o úmeo do estato TABELA 4 - PARÂMETROS DOS ESTRATOS Es Méda Med σ Mí Máx 434,8 435,8 4,57 45,67 44,3 9 44,6 44,3,4 44,4 444, Os tamahos das amostas estatfcadas são dados a tabela 5 O eo amostal cosdeado fo % e de % do desvo padão populacoal (vde tabela ) TABELA 5 - TAMANHO DAS AMOSTRAS ESTRATIFICADAS A C 5, , Com o tamaho de cada estato defdo, fo feta uma amostagem aleatóa em cada estato, cujas estatístcas estão a tabela 6 TABELA 6 - ESTATÍSTICAS DAS AMOSTRAS ESTRATIFICADAS A Méda Med s Mí Máx , 438,39 5,7 45,67 443, ,68 435,85 5, 46,83 44,4 Um teceo plaejameto fo feto (amosta 7) cosdeado os dos estatos como sedo duas populações dfeetes paa uma magem de eo de,457 (% do desvo padão do estato ) em ambas Paa o estato, o tamaho da amosta fo de 36 potos e paa o estato, o tamaho da amosta fo de potos, ou seja, o total de potos amostados paa o MDT fo de 58 potos, cujas estatístcas estão a tabela 7 TABELA 7 - ESTATÍSTICAS DA AMOSTRA 7 A Méda Med s Mí Máx ,6 438,88 5, 46,74 444, Revsta Baslea de Catogafa N o 6/, agosto 8 (ISSN ) 3

5 Com as 7 amostas plaejadas e escolhdas de maea aleatóa, foam geadas as epesetações paa o MDT va Th Plate Sple e calculadas as dscepâcas paa cada um dos modelos (GALO; CAMARGO, 994) As dscepâcas foam calculadas ete as dfeeças das coodeadas cohecdas dos potos da amosta CQ (tabela ) e as coodeadas tepoladas A estatístca paa a tedêca é dada po: e paa a pecsão: ode: x tcalculado = (3) s ( ) s x calculado σ χ x = (4) x : méda das dscepâcas s : vaâca das dscepâcas x : tamaho da amosta (o caso dscepâcas) σ : vaâca espeada paa a classe do PEC 4 RESULTADOS A tabela 8 esume os esultados paa a aálse da tedêca e pecsão, segudo o padão de exatdão catogáfca (PEC) (GALO; CAMARGO, 994) O desvo padão utlzada paa o cálculo da estatístca da pecsão (equação 4) fo,3333 paa a classe A do PEC Os valoes cítcos, paa um ível de sgfcâca de % e gaus de lbedade 9, são t =,73 (blateal) e Qu-quadado = 7, TABELA 8 - RESULTADOS PARA A ANÁLISE DA TENDÊNCIA E PRECISÃO Amosta Méda s t (calc) Qu (calc) -,47,845 -,6464 3,87,95,434,955,56 3 -,46,3358 -,568 9,375 4,34,365,87,85 5,56,56,53 7,967 6,5753,9453,76 53,76 7 -,99,335 -,3998 9,5 As amostas, 3, 4, 5 e 7 ão apesetam tedêcas, ao cotáo das amostas e 6, cujo valo t-calculado (equação 3) é mao do que o cítco As amostas,, 3, 4, 5 e 7 se equadam o padão A o que se efee à exatdão (os valoes das estatístcas de qu-quadado calculados (equação 4) são meoes do que o cítco) A amosta 6 ão apeseta exatdão sufcete Pode-se obseva que esta amosta apesetou o mao desvo padão das dscepâcas Paa fs de compaação, fo geada uma epesetação do MDT usado o total dos potos, sto é, 399 potos, ou seja, da população de 49 foam excluídos os potos do cotole de qualdade Os esultados são mostados a tabela 9 TABELA 9 - RESULTADOS PARA A ANÁLISE DA TENDÊNCIA E PRECISÃO COM 399 PONTOS Méda s t(calc) Qu (calc) -,473,6 -,9777 8,78 Como ea de se espea, o MDT geado com os 399 potos ão apeseta tedêcas e tem padão A de exatdão CONCLUSÕES Duas amostas apesetaam tedêcas (amosta e 6) A amosta 6 fo uma amosta estatfcada com apeas 3 potos e também ão apesetou exatdão A amosta, apesa de apeseta tedêca, é classfcada o padão A de exatdão catogáfca Compaado os esultados do modelo geado com todos os potos (exceto os de cotole - tabela 9), as amostas 4, 5 e 7 apesetaam uma méda de dscepâca meo (valo absoluto) e se classfcaam o padão A de exatdão A amosta 5 apesetou o meo desvo padão paa as dscepâcas e também o meo valo paa a exatdão catogáfca com apoxmadamete 3% da quatdade de potos, dcado se uma boa solução paa a edução da quatdade de potos amostados e cosequetemete edução do esfoço computacoal Esse tabalho teve como objetvo avala a qualdade de um MDT geado com o TPS, usado estatégas dfeetes de amostages paa gea o modelo Em tabalhos futuos, petede-se avala a th plate sple com outas fuções tepoladoas, além de melhoa a efcêca computacoal da mesma, dexado de se global e passado a se feta localmete, utlzado apeas potos em uma ceta vzhaça REFERÊNCIAS BIBLIOGRÁFICAS ACKERMANN, F Techques ad stateges fo DEM geeato Dgtal photogammety: addedum to the maual of photogammety, Ame Soc fo Photogamm & Remote Sesg, p 35-4, 996 ANDRADE, J B Fotogameta Cutba, SBEE, p BARBOSA, R L; SILVA, J F C Geação de MDT usado fotos de pequeo fomato Revsta Baslea de Catogafa, v 5,, p 56-64, Revsta Baslea de Catogafa N o 6/, agosto 8 (ISSN ) 3

6 BOOKSTEIN, F L Pcpal Waps: Th-Plate Sples ad the Decomposto of Defomatos IEEE Tasactos o Patte Aalyss ad Mache Itellgece, v, 6, p567-85, 989 CAMPOS, M S Desvedado o MINITAB Ro de Jaeo, Qualyma, 3 6p COCHRAN, W G Samplg techques New Yo, Wley, p DALMOLIN, Q; SANTOS, D R Sstema Lasescae: cocetos e pcípos de fucoameto Cutba, UFPR, 4 97p FERNANDES, M C; MENEES, P M L Avalação de métodos de geação de MDE paa a obteção de obsevações em supefíce eal: um estudo de caso o macço da Tjuca-RJ I: II Smpóso Basleo de Sesoameto Remoto, Goâa, 5 Aas p , 5 GALO, M; CAMARGO, P O Utlzação do GPS o cotole de qualdade de catas I: º Cogesso Basleo de Cadasto Técco e Multfaltáo, Floaópols, 994 Aas Tomo II, p 4-48, 994 ITAME, O Y Cotole de qualdade aplcado a modelagem dgtal do teeo 6f Dssetação (Mestado em Cêcas Catogáfcas) - Faculdade de Cêcas e Tecologa, Uvesdade Estadual Paulsta, Pesdete Pudete, KRAUS, K; BRIESE, C; ATTWENGER, M; PFEIFER, N Qualty measues fo dgtal tea models I: Iteatoal Socety fo Photogammety ad Remote Sesg, 4 Poceedgs Vol V, pat B-, p 3-8 de elevo motahoso o mucípo de vçosa - MG I: I Smpóso Basleo de Sesoameto Remoto, Belo Hozote, 3 Aas p , 3 PETRIE, G; KENNIE, T J M Tea modellg suveyg ad cvl egeeg Cathess, Whttles, 99 PINHEIRO, E S; KU, H J H Aálse e valdação de modelos dgtas do teeo um seto de elevo escapado da Mata Atlâtca - RS, áea teste: CPCN Pó-mata I: I Smpóso Basleo de Sesoameto Remoto, Belo Hozote, 3 Aas p , 3 SANTOS, C J B; SILVA, J F C; MELLO, M P Cotole da qualdade da altmeta de modelos dgtas do teeo com a utlzação de equpametos GPS ocupado efeêcas de ível I: I Cogesso Basleo de Catogafa, Belo Hozote, 3 Aas v, p -, 3 YAMAMOTO, J K A evew of umecal methods fo the tepolato of geologcal data Aas da Academa Baslea de Cêcas, v, 7, p 9-6, 998 YANG, C S; KAO, S P; LEE, F B; HUNG, P S Twelve dffeet tepolato methods: a case study of Sufe 8 I: Iteatoal Socety fo Photogammety ad Remote Sesg, 4 Poceedgs Vol V, pat B-, p YU, W Suface tepolato fom egulaly dstbuted pots usg suface sples, wth Fota pogam Computes & Geosceces, 7, p , LANCASTER, P; SALKAUSKAS, K Cuve ad suface fttg: a toducto Lodo, Academc Pess, 99 8p McCULLAGH, M J Tea ad suface modellg systems: theoy ad pactce Photogammetc Recod, v7,, p , 988 NASER, E S; VALEO, C; HABIB, A Dgtal tea modelg: acqusto, mapulato, ad applcatos Nowood, Atech House, 5 57p NOGUEIRA JR J B; MONICO, J F G; TACHIBANA, V M Tamaho da amosta o cotole de qualdade poscoal de dados catogáfcos Boletm de Cêcas Geodéscas, Cutba, v,, p -, 4 OLIVEIRA, A S C; RIBEIRO, C A A S; KANEKO, T; MAEDA, E E Deleameto de amostagem vsado a modelo dgtal de teeo (MDT) Revsta Baslea de Catogafa N o 6/, agosto 8 (ISSN ) 3

MODELAGEM DO ERRO DE CENTRAGEM NO ESPAÇO TRIDIMENSIONAL R 3

MODELAGEM DO ERRO DE CENTRAGEM NO ESPAÇO TRIDIMENSIONAL R 3 MODELAGEM DO ERRO DE CENTRAGEM NO ESPAÇO TRIDIMENSIONAL R Modelg of ceteg eos o the o the thee-dmesoal space (R ). JAIR MENDES MARQUES Uvesdade Tuut do Paaá Rua Macelo Champagat,55 CEP 87-5 Cutba PR ja.maques@utp.b

Leia mais

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M.

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M. Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas do Tâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas

Leia mais

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M.

Módulo: Binômio de Newton e o Triângulo de Pascal. Somas de elementos em Linhas, Colunas e Diagonais do Triângulo de Pascal. 2 ano do E.M. Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas do Tâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Tâgulo de Pascal Somas de elemetos em Lhas, Coluas e Dagoas

Leia mais

Aluno(a): Professor: Chiquinho

Aluno(a): Professor: Chiquinho Aluo(a): Pofesso: Chquho Estatístca Básca É a cêca que tem po objetvo oeta a coleta, o esumo, a apesetação, a aálse e a tepetação de dados. População e amosta - População é um cojuto de sees com uma dada

Leia mais

Teste de Hipótese sobre o coeficiente de coancestria de populações haplóides (1)

Teste de Hipótese sobre o coeficiente de coancestria de populações haplóides (1) TESTE DE HIPÓTESE SOBRE O COEICIENTE DE COANCESTRIA Teste de Hpótese sobe o coefcete de coacesta de populações haplódes () Joel Augusto Muz (), Slvo Césa Sato Ito (), Dael utado eea () e Rube Delly Vega

Leia mais

3 O Método de Partículas MPS

3 O Método de Partículas MPS O Método de Patículas MPS 9 3 O Método de Patículas MPS O método MPS fo apesetado calmete po Koshzuka e Oka (1996). Este método, de atueza Lagageaa, fo deseoldo paa esole escoametos de fludos compessíes

Leia mais

ANÁLISE DE MÉTODOS PARA O CÁLCULO DE GRADIENTE EM MALHAS NÃO-ESTRUTURADAS

ANÁLISE DE MÉTODOS PARA O CÁLCULO DE GRADIENTE EM MALHAS NÃO-ESTRUTURADAS AÁISE DE MÉTODOS ARA O CÁCUO DE GRADIETE EM MAHAS ÃO-ESTRUTURADAS lae Tad Schueck ll_schueck@bolcomb João Flávo de Vea Vascocelos flavo@pueb EMA aboatóo de Epemetação e Smulação uméca em Tasfeêca de Calo

Leia mais

APLICAÇÃO DE TÉCNICAS PROBABILÍSTICAS ÀS TARIFAS DE USO DO SISTEMA DE TRANSMISSÃO. Djalma M. Falcão COPPE/UFRJ

APLICAÇÃO DE TÉCNICAS PROBABILÍSTICAS ÀS TARIFAS DE USO DO SISTEMA DE TRANSMISSÃO. Djalma M. Falcão COPPE/UFRJ GPL/026 2 a 26 de Outubo de 200 Campas - São Paulo - Basl GRUPO VII PLANEJAMENTO DE SISTEMAS ELÉTRICOS APLICAÇÃO DE TÉCNICAS PROBABILÍSTICAS ÀS TARIFAS DE USO DO SISTEMA DE TRANSMISSÃO Yu S.B. Wllmesdof

Leia mais

Sobre a classe de diferenciabilidade de quocientes de polinômios homogêneos.

Sobre a classe de diferenciabilidade de quocientes de polinômios homogêneos. Uvesdade Regoal do Ca - URCA CADERNO DE CULTURA E CIÊNCIA VOLUME Nº - 008 IN 980-586 obe a classe de dfeecabldade de quocetes de polômos homogêeos About the Dffeetablty Class of the Quotet of Homogeeous

Leia mais

RESOLUÇÃO SIMULADO ITA FÍSICA E REDAÇÃO - CICLO 7 FÍSICA GM G M GM GM. T g

RESOLUÇÃO SIMULADO ITA FÍSICA E REDAÇÃO - CICLO 7 FÍSICA GM G M GM GM. T g RESOLUÇÃO SIMULADO ITA FÍSICA E REDAÇÃO - CICLO 7 FÍSICA Questão M a) A desdade é a azão ete a massa e o volume: d. V Se as desdades fossem guas: MP MT MT MT dp dt. V 4 4 P VT RT R T GM b) A gavdade a

Leia mais

2 o CONGRESSO BRASILEIRO DE P&D EM PETRÓLEO & GÁS

2 o CONGRESSO BRASILEIRO DE P&D EM PETRÓLEO & GÁS o CONGRESSO BRASILEIRO DE &D EM ETRÓLEO & GÁS ANÁLISE DESCRITIVA DE DADOS DE VENTOS VISANDO ALICAÇÕES EM LATAFORMAS G. M. G. Leal, F. A. M. Souza UFCG/CCT/DME/) Av. Apígo Veloso, 88 Bodocogó, 5809-970

Leia mais

DETERMINAÇÃO DE ATITUDE DE SATÉLITES ARTIFICIAIS COM FILTRO DE KALMAN E MÉTODO DA MÁXIMA VEROSSIMILHANÇA

DETERMINAÇÃO DE ATITUDE DE SATÉLITES ARTIFICIAIS COM FILTRO DE KALMAN E MÉTODO DA MÁXIMA VEROSSIMILHANÇA INPE-5-PRE/88 DEERMINÇÃO DE IDE DE SÉIES RIFICIIS COM FIRO DE MN E MÉODO D MÁXIM EROSSIMIHNÇ Julaa Guastal haes* *Bolssta FEG/NESP Relatóo Fal de Pojeto de Icação Cetífca PIBIC/CNP/INPE, oetado pelo D.

Leia mais

CIV 2552 Mét. Num. Prob. de Fluxo e Transporte em Meios Porosos. Método dos Elementos Finitos Fluxo 2D em regime transiente em reservatório

CIV 2552 Mét. Num. Prob. de Fluxo e Transporte em Meios Porosos. Método dos Elementos Finitos Fluxo 2D em regime transiente em reservatório CIV 55 Mét. um. ob. de luo e aote em Meo ooo Método do Elemeto to luo D em egme taete em eevatóo Codçõe ca e aâmeto etete: eão cal: Ma emeabldade tíeca: -5 md m md ml-dac Vcodade dâmca: - µ Ma oe Comebldade

Leia mais

INTRODUÇÃO AO ESTUDO DA ÁLGEBRA LINERAR Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 2 ESPAÇOS VETORIAIS

INTRODUÇÃO AO ESTUDO DA ÁLGEBRA LINERAR Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 2 ESPAÇOS VETORIAIS Luiz Facisco da Cuz Depatameto de Matática Uesp/Bauu CAPÍTULO ESPAÇOS VETORIAIS 1 Históico Sabe-se que, até pelo meos o fial do século XIX, ão havia ehuma teoia ou cojuto de egas b defiidas a que se pudesse

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

RELACIONAMENTO ENTRE REFERENCIAIS LOCAIS E REFERENCIAIS GLOBAIS: PROBLEMA PROCRUSTES SIMPLES

RELACIONAMENTO ENTRE REFERENCIAIS LOCAIS E REFERENCIAIS GLOBAIS: PROBLEMA PROCRUSTES SIMPLES ELACIONAMENTO ENTE EEENCIAIS LOCAIS E EEENCIAIS GLOBAIS: POBLEMA POCUSTES SIMPLES Maa Apaecda ehpfeg aett Sílvo ogéo Coea de etas Luís Augusto Koeg Vega 3 Uvesdade edeal do Paaá UP - Cuso de Pós Gaduação

Leia mais

Disciplina: FGE5748 Simulação Computacional de Líquidos Moleculares 1

Disciplina: FGE5748 Simulação Computacional de Líquidos Moleculares 1 Dscpla: FGE5748 Smulação Computacoal de Líqudos Moleculaes Exstem pocedmetos paa toa os pogamas mas efcetes, depedetemete, de seem DM ou MC. Como: Cálculo da teação Múltplos passos Coeções de logo alcace

Leia mais

ATENUAÇÃO DE RUIDO COERENTE COM FILTRO FX EM DADOS SÍSMICOS ORGANIZADOS EM FAMÍLIAS DE RECEPTOR COMUM

ATENUAÇÃO DE RUIDO COERENTE COM FILTRO FX EM DADOS SÍSMICOS ORGANIZADOS EM FAMÍLIAS DE RECEPTOR COMUM Copyght 24, Isttuto Basleo de Petóleo e Gás - IBP ste Tabalho Técco Cetífco fo pepaado paa apesetação o 3 Cogesso Basleo de P&D em Petóleo e Gás, a se ealzado o peíodo de 2 a 5 de outubo de 25, em Salvado

Leia mais

1 - CORRELAÇÃO LINEAR SIMPLES rxy

1 - CORRELAÇÃO LINEAR SIMPLES rxy 1 - CORRELAÇÃO LINEAR IMPLE Em pesquisas, feqüetemete, pocua-se veifica se existe elação ete duas ou mais vaiáveis, isto é, sabe se as alteações sofidas po uma das vaiáveis são acompahadas po alteações

Leia mais

UM MÉTODO PARA CONDUÇÃO DE INVENTÁRIOS FLORESTAIS SEM O USO DE EQUAÇÕES VOLUMÉTRICAS 1

UM MÉTODO PARA CONDUÇÃO DE INVENTÁRIOS FLORESTAIS SEM O USO DE EQUAÇÕES VOLUMÉTRICAS 1 Um Método paa Codução de Ivetáos Floestas sem 3 UM MÉTODO PARA CONDUÇÃO DE INVENTÁRIOS FLORESTAIS SEM O USO DE EQUAÇÕES VOLUMÉTRICAS Helo Gaca Lete e Vald Calos Lma de Adade 3 RESUMO - Neste tabalho foam

Leia mais

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

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

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

4/10/2015. Física Geral III

4/10/2015. Física Geral III Físca Geal III Aula Teóca 8 (Cap. 6 pate /3: Potecal cado po: Uma caga putome Gupo de cagas putomes 3 Dpolo elétco Dstbução cotíua de cagas Po. Maco. Loos mos ue uma caga putome gea um campo elétco dado

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Credenciada e Autorizada pelo MEC, Portaria n. o. 644 de 28 de março de 2001 Publicado no D.O.U. em 02/04/2001

Credenciada e Autorizada pelo MEC, Portaria n. o. 644 de 28 de março de 2001 Publicado no D.O.U. em 02/04/2001 Ceecaa e Autozaa pelo MEC, Potaa. o. 644 e 8 e maço e 00 Publcao o D.O.U. em 0/04/00 ESTATÍSTICA Pelo Poesso Gealo Pacheco A Estatístca é uma pate a Matemátca Aplcaa que oece métoos paa coleta, ogazação,

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

ÁREA DE COBERTURA EM AMBIENTE DE PROPAGAÇÃO MODELADO COM A DISTRIBUIÇÃO κ µ

ÁREA DE COBERTURA EM AMBIENTE DE PROPAGAÇÃO MODELADO COM A DISTRIBUIÇÃO κ µ ÁREA DE COBERTURA EM AMBIENTE DE PROPAGAÇÃO MODELADO COM A DISTRIBUIÇÃO κµ κµ JAMIL RIBEIRO ANTÔNIO Dssetação apesetada ao Isttuto Nacoal de Telecomucações INATEL como pate dos equstos paa obteção do Título

Leia mais

ANÁLISE DAS RELAÇÕES INTERSETORIAIS NA ECONOMIA MINEIRA

ANÁLISE DAS RELAÇÕES INTERSETORIAIS NA ECONOMIA MINEIRA ANÁLISE DAS RELAÇÕES INTERSETORIAIS NA ECONOMIA MINEIRA Ale Csta da Cuz Ely Cadoso Texea 2 Vva Slva Lo 3 RESUMO Nesta pesqusa detfcam-se setoes-chave paa vestmetos a estutua podutva de Mas Geas utlzado

Leia mais

ANÁLISE ESTATÍSTICA DOS ERROS DE CENTRAGEM E PONTARIA

ANÁLISE ESTATÍSTICA DOS ERROS DE CENTRAGEM E PONTARIA 5 ANÁLISE ESTATÍSTICA DOS ERROS DE CENTRAGEM E PONTARIA Jai Medes Maques Uivesidade Tuiuti do Paaá R. Macelio Champagat, 55 CEP 87-5 e-mail: jaimm@utp.b RESUMO O objetivo deste tabalho cosiste o desevolvimeto

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

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

15. Efeito de Alavanca

15. Efeito de Alavanca Lgações Apaafusadas Pate I Pogama de Pós-Gaduação em Egehaa Cvl PGECI - Mestado Acadêmco Faculdade de Egehaa FEN/UERJ Dscpla: Lgações em Estutuas de Aço e Mstas Pofesso: Lucao Rodgues Oelas de Lma 5. Efeto

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

A Base Termodinâmica da Pressão Osmótica

A Base Termodinâmica da Pressão Osmótica 59087 Bofísca II FFCLRP P Pof. Atôo Roque Aula 7 A Base emodâmca da Pessão Osmótca Elemetos de emodâmca As les báscas da temodâmca dzem espeto à covesão de eega de uma foma em outa e à tasfeêca de eega

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

Planejamento e Pesquisa 1 - Análise de variância

Planejamento e Pesquisa 1 - Análise de variância Planejamento e Pesqusa - Análse de vaânca Um Fato Lane Alenca - Planejamento e Pesqusa - 0 Duabldade de 4 tpos de capetes: exh_aov.mtw Eu tnha 4 tpos de capetes e coloque cada tpo em quato casas (um tpo

Leia mais

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

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

3.1 Campo da Gravidade Normal Terra Normal

3.1 Campo da Gravidade Normal Terra Normal . Campo da avidade Nomal.. Tea Nomal tedeemos po Tea omal um elipsóide de evolução qual se atibui a mesma massa M e a mesma velocidade agula da Tea eal e tal que o esfeopotecial U seja uma fução costate

Leia mais

Capítulo 2 Galvanômetros

Capítulo 2 Galvanômetros Capítulo 2 Galvanômetos 2.. Intodução O galvanômeto é um nstumento eletomecânco que é, bascamente, um meddo de coente elétca de pequena ntensdade. Exstem bascamente dos tpos de galvanômetos, que são os

Leia mais

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

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

Leia mais

Resoluções dos exercícios propostos

Resoluções dos exercícios propostos os fudametos da físa Udade E Capítulo efação lumosa esoluções dos eeíos popostos P.85 Como, temos: 8 0 0 8,5 P.86 De, em: 0 8,5 0 8 m/s P.87 elodade da luz a plaa de do oespode a 75% da elodade da luz

Leia mais

EXPERIÊNCIA No. 2 - Associação de Resistores

EXPERIÊNCIA No. 2 - Associação de Resistores FTEC-SP Faculdade de Tecologa de São Paulo Laboatóo de Ccutos Elétcos Pof. Macelo aatto EXPEIÊNCI No. - ssocação de esstoes Nome do luo N 0 de matícula FTEC-SP Faculdade de Tecologa de São Paulo Laboatóo

Leia mais

A NEW CLASS OF INTERIOR PROXIMAL METHODS FOR OPTIMIZATION OVER THE POSITIVE OCTANT

A NEW CLASS OF INTERIOR PROXIMAL METHODS FOR OPTIMIZATION OVER THE POSITIVE OCTANT Pesqusa Opeacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A NEW CLASS OF INERIOR PROXIMAL MEHODS FOR OPIMIZAION OVER HE POSIIVE OCAN Sssy da Slva Souza Uvesdade Fedeal do Ro de

Leia mais

Os fundamentos da física Volume 2 1. Resumo do capítulo

Os fundamentos da física Volume 2 1. Resumo do capítulo Os fudametos da físca Volume 2 1 Capítulo 13 Refação lumosa A efação é o feômeo o qual a luz muda de meo de popagação, com mudaça em sua velocdade. ÍDICE DE REFRAÇÃO ABSOLUTO O ídce de efação absoluto

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

CALIBRAÇÃO DE CÂMARAS DIGITAIS USANDO LINHAS RETAS

CALIBRAÇÃO DE CÂMARAS DIGITAIS USANDO LINHAS RETAS Anas do Smpóso Basleo de Geomátca, Pesdente Pudente - SP, 9- de julho de 00. p.-75 CALIBRAÇÃO DE CÂMARAS DIGITAIS USANDO LINHAS RETAS SANDRA STEPHAN DE SOUZA TELLES ANTONIO MARIA GARCIA TOMMASELLI Unvesdade

Leia mais

UMA FORMA SIMPLIFICADA DE DEDUZIR AS EQUAÇÕES DE HARTREE E HARTREE-FOCK

UMA FORMA SIMPLIFICADA DE DEDUZIR AS EQUAÇÕES DE HARTREE E HARTREE-FOCK Qum. Nova, Vol. 8, No. 7, 995-00, 05 http://dx.do.og/0.595/000-404.05008 UMA FORMA SIMPLIFICADA D DDUZIR AS QUAÇÕS D HARTR HARTR-FOC Rogéo Custodo Isttuto de Químca, Uvesdade stadual de Campas, Baão Gealdo,

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS COIMBRA 12º ANO DE ESCOLARIDADE MATEMÁTICA A. Tarefa nº 7 do plano de trabalho nº 1

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS COIMBRA 12º ANO DE ESCOLARIDADE MATEMÁTICA A. Tarefa nº 7 do plano de trabalho nº 1 ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS COIMBRA º ANO DE ESCOLARIDADE MATEMÁTICA A Taefa º 7 do plao de tabalho º. Comece po esolve o execício 3 da págia 0.. Muitas das geealizações feitas as divesas ciêcias,

Leia mais

Para duas variáveis aleatórias X e Y define-se Função Distribuição Cumulativa CDF F XY (x,y)

Para duas variáveis aleatórias X e Y define-se Função Distribuição Cumulativa CDF F XY (x,y) Vaáves Aleatóas (contnuação) Po. Waldec Peella Dstbução Conunta: po: Paa duas vaáves aleatóas e dene-se Função Dstbução Cuulatva CDF F (,y) P ( e y ) = F (,y ) e a Função Densdade de Pobabldade de Pobabldade

Leia mais

INTRODUÇÃO AO ESTUDO DA ÁLGEBRA LINERAR Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 2 ESPAÇOS VETORIAIS

INTRODUÇÃO AO ESTUDO DA ÁLGEBRA LINERAR Luiz Francisco da Cruz Departamento de Matemática Unesp/Bauru CAPÍTULO 2 ESPAÇOS VETORIAIS Luiz Facisco da Cuz Depatameto de Matemática Uesp/Bauu CAPÍTULO ESPAÇOS VETORIAIS 1 Históico Sabe-se que, até pelo meos o fial do século XIX, ão havia ehuma teoia ou cojuto de egas bem defiidas a que se

Leia mais

Elétrons em um potencial periódico: o teorema de Bloch. Cap 7 KITTEL Cap 8 ASHCROFT- MERMIN Cap 5 IVAN

Elétrons em um potencial periódico: o teorema de Bloch. Cap 7 KITTEL Cap 8 ASHCROFT- MERMIN Cap 5 IVAN Elétos em um poteal peódo: o teoema de Bloh Cap 7 ITTEL Cap 8 ASHCOFT- MEMIN Cap 5 IVAN Modelo de Dude: gás s lásso de elétos Até agoa 1 mv 3 B T Modelo de Sommefeld: gás s de elétos uâto h m ψ εψ ( )

Leia mais

Unidade XI Análise de correlação e regressão

Unidade XI Análise de correlação e regressão Uvedade Fedeal do Ro Gade Iuo de Maemáca, Eaíca e Fíca Dcpla Pobabldade e Eaíca Aplcada à Egehaa CÓDIGO: Iodução Poceo de quema de maa ceâmca de pavmeo Udade XI Aále de coelação e egeão Vvae Lee Da de

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

CAPÍTULO 2 DINÂMICA DA PARTÍCULA: FORÇA E ACELERAÇÃO

CAPÍTULO 2 DINÂMICA DA PARTÍCULA: FORÇA E ACELERAÇÃO 13 CAPÍTULO 2 DINÂMICA DA PATÍCULA: OÇA E ACELEAÇÃO Nese capíulo seá aalsada a le de Newo a sua foma dfeecal, aplcada ao movmeo de paículas. Nesa foma a foça esulae das foças aplcadas uma paícula esá elacoada

Leia mais

5 Critérios para Análise dos Resultados

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

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

Análise de Dados e Probabilidade B Exame Final 2ª Época

Análise de Dados e Probabilidade B Exame Final 2ª Época Aálse de Dados e obabldade B Eame Fal ª Éoca Claa Cosa Duae Daa: / /7 Cáa Feades Duação: hm edo Chaves MORTATE: Esceva o ome e úmeo o cmo de cada folha Resoda a cada guo em folhas seaadas, caso ão esoda

Leia mais

ANÁLISE BAYESIANA DE FREQÜÊNCIA DE VAZÕES MÁXIMAS ANUAIS COM INFORMAÇÕES HISTÓRICAS:

ANÁLISE BAYESIANA DE FREQÜÊNCIA DE VAZÕES MÁXIMAS ANUAIS COM INFORMAÇÕES HISTÓRICAS: UIVERSIDADE FEDERAL DE MIAS GERAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SAEAMETO, MEIO AMBIETE E RECURSOS ÍDRICOS AÁLISE BAYESIAA DE FREQÜÊCIA DE VAZÕES MÁIMAS AUAIS COM IFORMAÇÕES ISTÓRICAS: APLICAÇÃO À BACIA

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Vimos que: 1) Interação coulombiana residual para os elétrons efeito perturbativo

Vimos que: 1) Interação coulombiana residual para os elétrons efeito perturbativo Vmos que: Iteação couombaa esdua paa os eétos efeto petubatvo V ee No caso de eétos em uma subcamada, o sp tota pode se S0 sgeto ou S tpeto Um sstema costtuído de váos e - deve se descto po uma autofução

Leia mais

Ajuste de curvas por quadrados mínimos lineares

Ajuste de curvas por quadrados mínimos lineares juste de cuvs o quddos mímos lees Fele eodo de gu e Wdele Iocêco oe Júo Egeh de s o. Peíodo Pofesso: ode Josué Bezue Dscl: Geomet lítc e Álgeb e. Itodução Utlzmos este método qudo temos um dstbução de

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

i CC gerador tg = P U = U.i o i i r.i 0 i CC i i i

i CC gerador tg = P U = U.i o i i r.i 0 i CC i i i GEDO ELÉTIO "Levao-se em cota a esstêca tea o geao, pecebemos que a p ete os temas é meo o que a foça eletomotz (fem), evo à pea e p a esstêca tea." - + = -. OENTE DE TO-IITO Se lgamos os os temas e um

Leia mais

TUKEY Para obtenção da d.m.s. pelo Teste de TUKEY, basta calcular:

TUKEY Para obtenção da d.m.s. pelo Teste de TUKEY, basta calcular: Compaação de Médias Quando a análise de vaiância de um expeimento nos mosta que as médias dos tatamentos avaliados não são estatisticamente iguais, passamos a ejeita a hipótese da nulidade h=0, e aceitamos

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO

ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PME 3100 MECÂNIC I Teceia Pova 6 de uho de 015 Duação da Pova: 110 miutos (ão é pemitido uso de calculadoas) 1ª Questão (4,0 potos) fiua mosta um disco de ceto, massa m e aio, que pate do epouso e ola

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

3 Procedimento Experimental

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

Leia mais

Determinação de correspondência com precisão sub-pixel por interpolação polinomial 1

Determinação de correspondência com precisão sub-pixel por interpolação polinomial 1 Determação de correspodêca com precsão sub-pel por terpolação polomal BAZAN, W S; TOMMASELLI, A M G; GALO, M Determação de correspodêca com precsão subpel por terpolação polomal I: COBRAC 4 - Cogresso

Leia mais

Introdução à Transmissão de Calor SUMÁRIO 1. INTRODUÇÃO 2 2. CONDUÇÃO 4 3. CONVECÇÃO RADIAÇÃO 20. Adherbal Caminada Netto TRCAL1

Introdução à Transmissão de Calor SUMÁRIO 1. INTRODUÇÃO 2 2. CONDUÇÃO 4 3. CONVECÇÃO RADIAÇÃO 20. Adherbal Caminada Netto TRCAL1 SUMÁRIO DEPARTAMENTO DE ENGENHARIIA ASSUNTO MECÂNIICA PÁG.. INTRODUÇÃO Poff.. D.. ADHERBAL CAMIINADA NETTO. CONDUÇÃO 4 3. CONVECÇÃO 3 4. RADIAÇÃO Adhebal Camada Netto TRCAL INTRODUÇÃO Sempe ue houve uma

Leia mais

INTRODUÇÃO A ESTATÍSTICA

INTRODUÇÃO A ESTATÍSTICA Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1

Leia mais

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering) 7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Curso de Análise Matricial de Estruturas 1 II.6 FORMULAÇÃO DAS MATRIZES DE FLEXIBILIDADE E RIGIDEZ EM TERMOS DE ENERGIA

Curso de Análise Matricial de Estruturas 1 II.6 FORMULAÇÃO DAS MATRIZES DE FLEXIBILIDADE E RIGIDEZ EM TERMOS DE ENERGIA Cso de nálse Matcal de sttas II. FOMÇÃO DS MTIZS D FXIBIIDD IGIDZ M TMOS D NGI II.. Tabalho, nega de Defomação e nega Complementa de Defomação Defnções: dτ d tabalho o enega de defomação; dτ d tabalho

Leia mais

Distribuições Discretas. Estatística. 6 - Distribuição de Probabilidade de Variáveis Aleatórias Discretas UNESP FEG DPD

Distribuições Discretas. Estatística. 6 - Distribuição de Probabilidade de Variáveis Aleatórias Discretas UNESP FEG DPD Estatístca 6 - Dstbução de Pobabldade de Vaáves Aleatóas Dscetas 06-1 Como ocoe na modelagem de fenômenos detemnístcos em que algumas funções têm papel mpotante tas como: função lnea, quadátca exponencal,

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

MOMENTO DE INÉRCIA DE UM CORPO RÍGIDO

MOMENTO DE INÉRCIA DE UM CORPO RÍGIDO Depatamento de Físca da Faculdade de Cêncas da Unvesdade de Lsboa Mecânca A 008/09 1. Objectvo MOMENTO DE INÉRCIA DE UM CORPO RÍGIDO Estudo do movmento de otação de um copo ígdo. Detemnação do momento

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.

Leia mais

Campo Gravítico da Terra

Campo Gravítico da Terra 5. Campo Gavítico ómalo elação ete o potecial gavítico e o potecial omal é dada po: W ( x, y, z = U( x, y,z + ( x, y,z O campo gavítico aómalo ou petubado é etão defiido pela difeeça do campo gavítico

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

PROPAGAÇÃO DE ONDAS ELECTROMAGNÉTICAS NUM GUIA CILÍNDRICO

PROPAGAÇÃO DE ONDAS ELECTROMAGNÉTICAS NUM GUIA CILÍNDRICO PROPAGAÇÃO D ONDAS LCTROMAGNÉTICAS NM GIA CILÍNDRICO po Calos Vaadas e Maia mília Maso IST, Maio de 5 t j e. Itodução Vamos estuda a popagação de odas electomagéticas um guia cilídico de aio a. Podeiamos

Leia mais

UMA NOVA TÉCNICA PARA OTIMIZAÇÃO DE ESTRUTURAS DE GRANDE PORTE. José Miguel Aroztegui Massera

UMA NOVA TÉCNICA PARA OTIMIZAÇÃO DE ESTRUTURAS DE GRANDE PORTE. José Miguel Aroztegui Massera UMA NOVA ÉCNICA PARA OIMIZAÇÃO DE ESRUURAS DE GRANDE PORE José Mgue Aoztegu Massea DISSERAÇÃO SUBMEIDA AO CORPO DOCENE DA COORDENAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO DE ENGENHARIA DA UNIVERSIDADE FEDERAL

Leia mais

ALOCAÇÃO DE MEDIDORES DE QUALIDADE DE ENERGIA UTILIZANDO A P-MEDIANA

ALOCAÇÃO DE MEDIDORES DE QUALIDADE DE ENERGIA UTILIZANDO A P-MEDIANA LOCÇÃO DE MEDIDORES DE QULIDDE DE ENERGI UTILIZNDO P-MEDIN Lucmáo Gos de Olea Sla UFPE - DEP V. Pof. Moaes Rego, 1235, Cdade Uestáa, Recfe-PE luco_gos@hotmal.com lbéco tôo Pes da Sla Júo Celpe V. João

Leia mais

SISTEMA DE COORDENADAS

SISTEMA DE COORDENADAS ELETROMAGNETISMO I 1 0 ANÁLISE VETORIAL Este capítulo ofeece uma ecapitulação aos conhecimentos de álgeba vetoial, já vistos em outos cusos. Estando po isto numeado com o eo, não fa pate de fato dos nossos

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

Prof. Anderson Coser Gaudio Departamento de Física Centro de Ciências Exatas Universidade Federal do Espírito Santo

Prof. Anderson Coser Gaudio Departamento de Física Centro de Ciências Exatas Universidade Federal do Espírito Santo POLEMAS ESOLVIDOS DE FÍSICA Pof. Andeson Cose Gaudo Depatamento de Físca Cento de Cêncas Eatas Unvesdade Fedeal do Espíto Santo http://www.cce.ufes.b/andeson andeson@npd.ufes.b Últma atualzação: 3/8/5

Leia mais

2*5$',(17('2327(1&,$/( (1(5*,$12&$032(/(75267È7,&2

2*5$',(17('2327(1&,$/( (1(5*,$12&$032(/(75267È7,&2 3 *5',7'37&,/ 5*,&3/7567È7,& ÃÃÃ*5',7Ã'Ã37&,/ A expessão geéica paa o cálculo da difeeça de potecial como uma itegal de liha é: dl ) 5) Se o camiho escolhido fo um L, tal que se possa cosidea costate esse

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais