MÉTODO DE AMOSTRAGEM DE MINÉRIOS ALTERNATIVO A TORRES DE AMOSTRAGEM EM SITUAÇÕES EMERGENCIAIS. Resumo. Abstract
|
|
- Jessica Andrade Ventura
- 6 Há anos
- Visualizações:
Transcrição
1 MÉTODO DE AMOSTRAGEM DE MINÉRIOS ALTERNATIVO A TORRES DE AMOSTRAGEM EM SITUAÇÕES EMERGENCIAIS Antonio Fernando Pêgo e Silva 1, Luiz Paulo de Carvalho Serrano 2 1 Professor doutor do Departamento de Estatística da Universidade Federal do Espírito Santo 2 Engenheiro Químico, Bacharel em Estatística e Ex-Gerente de Laboratórios Industriais em Mineração Resumo A partir de um problema operacional na condução dos procedimentos mecanizados (torre) para amostragem do minério de ferro denominado Pellet Feed, foi proposto um método alternativo manual, que deve ser usado em situações emergenciais levando em conta: a ausência de viés, a precisão da amostragem, a segurança do operador e custos da operação de coleta do material. PALAVRAS-CHAVE: Amostragem; Minério de Ferro; Pellet Feed. Abstract From an operational problem in conducting mechanized procedures (tower) for sampling iron ore pellet feed called, we propose an alternative manual method, to be used in emergency situations taking into account the absence of bias, the accuracy of the sampling operator safety and operation costs of collecting material. KEYWORDS: Sampling; Iron Ore; Pellet Feed. 1143
2 1 Introdução: O Pellet Feed é um minério de ferro superfino com granulometria 100% menor que um milímetro e teor de ferro total maior que 66% que depois de moído a 100% abaixo de 0,15 mm é utilizado exclusivamente na produção de pelotas (aglomerado de minério de ferro e fundentes com diâmetro variando entre 8 e 18 mm) que vão alimentar, principalmente, os Alto Fornos na indústria siderúrgica. A amostragem desse produto, Pellet Feed, seguindo o que preconiza a norma técnica NBR 3082, de 2011, deve ser prioritariamente realizada em torre de amostragem antes do carregamento do minério nas composições ferroviárias com capacidade de transporte de aproximadamente 6000 toneladas. Essa unidade operacional, entre outros equipamentos, é dotada de amostrador mecânico cortador de fluxo, cuja massa de cada incremento (unidade amostral), para esse produto, deve ser de aproximadamente 50 kg. Seguindo o plano de amostragem, devem ser tomados 25 incrementos, gerando uma amostra final em torno de 1250 kg. No entanto, foi necessário viabilizar uma alternativa para os casos de emergência quando a torre de amostragem apresentasse problemas de operação (geralmente entupimentos em função da natureza do material superfino) ou manutenção corretiva ou preventiva. A alternativa encontrada foi realizar a coleta manual do material em cima dos vagões, durante o carregamento, por meio de uma plataforma lateral à linha férrea, com o auxílio de pá padronizada [1], empregada na preparação das amostras. As questões, a saber, eram: (a) Qual a massa mínima necessária para cada incremento coletado para não sobrecarregar o operador? (b) A precisão de amostragem manual seria equivalente a precisão da amostragem mecânica? (c) O viés entre os dois procedimentos estaria dentro de um nível de confiança de pelo menos 95%? (d) A amostragem manual seria estatisticamente semelhante à amostragem mecanizada? A metodologia de amostragem em mineração tem três características fundamentais que a torna diferente das demais amostragens. (a) A variação de qualidade (variância) do material a ser amostrado é difícil de ser medida, uma vez que as unidades amostrais não são analisadas individualmente; (b) A definição da massa da unidade amostral (incremento) não é uma tarefa trivial. É necessário conhecimento prévio da natureza geológica do material e da precisão (margem de erro) relativa à característica de qualidade de interesse; (c) Uma vez coletados os incrementos necessários a uma margem de erro estabelecida no plano de amostragem, esses incrementos são homogeneizados, dentro de premissas bem definidas por normas técnicas [1], e uma nova amostragem é realizada, quando se extrai a amostra final para análise. No caso da característica de qualidade teor de ferro total, a massa a ser efetivamente analisada é de apenas 1 g; Para a definição do tamanho da amostra (n) é indispensável fazer uma avaliação prévia da variação de qualidade ( ) do produto. Os minérios de ferro, durante os seus processos de 1144
3 produção, podem ser classificados como muito, médio ou pouco homogeneizados. A norma técnica [1] baseada na experiência de produtores e consumidores define esse grau de homogeneização, para a característica de qualidade teor de ferro total (%), como grande (2,50%), média (1,75%) e pequena (1,25%) variação de qualidade. A maior dificuldade fica por conta da definição da massa mínima do incremento que represente uma determinada quantidade de material, já que o minério é composto por um conjunto de partículas de diversos tamanhos (perfil granulométrico). No processo de amostragem industrial, a massa é suficientemente grande para representar esse perfil granulométrico, mas para a operação manual é impossível empregar massa tão grande pelo excessivo esforço humano e segurança das operações. O estatístico francês Pierre Maurice Gy, especialista em sistemas de amostragem para material particulado, desenvolveu uma fórmula para determinação da massa mínima dos incrementos que leva em conta a natureza geológica do material (no caso de minérios), seu perfil granulométrico e a margem de erro da amostragem baseada no grau de homogeneização do material. Para mais detalhes sobre a fórmula de Gy, ver a referência [8], que trata do processo de amostragem de minério de ferro, cuja metodologia é adotada em todos ou quase todos os países que seguem as normas ISO. 2 Metodologia O uso do método manual foi idealizado para situações emergenciais quando há impedimento do método mecânico. O método se mostrou estatisticamente equivalente ao mecânico preconizado em normas ISO que regem o mercado internacional. No método alternativo há a comprovação da redução da massa final da amostra de 1250 kg para 16 kg possibilitando a preparação manual sem comprometer a saúde e segurança do operador. Portanto, o objetivo deste trabalho foi desenvolver uma metodologia de amostragem alternativa manual (B) para substituir a amostragem referência mecanizada (A) em situações emergenciais quando essa unidade apresentar problemas operacionais ou for parada para manutenção. 2.1 Determinação da massa mínima para os incrementos na coleta manual: A massa da cada incremento ( ) foi determinada segundo a fórmula desenvolvida por Pierre Gy [8], que leva em conta: a geologia do material, a característica de qualidade de maior interesse, o perfil granulométrico do material (tamanho máximo da partícula - ) e o erro para cada tipo de minério de acordo com o seu grau de homogeneização. Desta forma, temos: onde: Sendo: a precisão planejada para a amostragem, variável aleatória normal padrão com nível de significância (para = 0,1% o valor de será de 3,31) e % Fe é o teor de ferro total do minério em avaliação. 2.2 Plano de amostragem: Como a metodologia de amostragem é sistemática a partir de um ponto definido para a coleta dos incrementos, o tamanho da amostra (BARNETT [5]) é definido por: (1) (2) 1145
4 Como N (número de amostras possíveis), no caso da mineração, sempre será muito maior que n (tamanho da amostra), isto é, N >>> n a Fórmula 3 se reduz a aproximadamente: (3) (4) 2.3 Teste estatístico para amostras pareadas: A comparação entre o método de amostragem mecanizada (A) e o método alternativo de amostragem manual (B) foi feita seguindo o que reza a Norma NBR 3086, de Nesta norma, é aplicado o teste t de Student [3] para observações pareadas (ou emparelhadas), supondo distribuição normal (STUART [6]) para os pares de diferenças entre A e B (D AB ). Esta norma técnica [3] avalia inicialmente se há presença de oultliers (valores discrepantes da distribuição de D AB ) pelo teste de Grubbs [3]. Havendo valores discrepantes, deve ser feita uma avaliação prévia do porquê de sua ocorrência e se necessário substituir por outro(s) novo(s) par(es) de amostras A e B. A Norma NBR 3086, de 2008, não inclui a avaliação da normalidade da distribuição de D AB no seu escopo, mas é um pressuposto fundamental para aplicação do teste t de Student [3] Vamos aplicar os testes estatísticos de Shapiro-Wilk [10], Jarque-Beras [10] e Anderson-Darling [10] para avaliar a normalidade, utilizando o software R [9], pois são métodos não-paramétricos indicados para avaliar se os dados de D AB apresentam distribuição normal. A aceitação por pelo menos dois destes métodos é suficiente para verificar que a distribuição se aproxima da normal. 2.4 Testes de avaliação de normalidade: Em termos de hipóteses estatísticas teremos: H 0 : a distribuição dos valores de D AB se aproxima da normal; H 1 : a distribuição dos valores de D AB não se aproxima da normal. Não rejeitar H 0, ao nível de significância de 5%, se o Valor-p (STUART [6]) for maior ou igual a 0, Avaliação da igualdade estatística entre os métodos de amostragem: Procurou-se testar se as amostragens A e B são estatisticamente equivalentes para os k lotes (pares de amostras) a serem comparados. Para tal, consideraram-se as hipóteses estatísticas: H 0 : os procedimentos adotados pelos métodos A e B são estatisticamente iguais H 1 : os procedimentos adotados pelos métodos A e B são diferentes A regra de decisão usada foi: não rejeitar H 0 se (a) onde: 1146
5 em que é obtido da Norma NBR 3086, de 2008, para k pares de amostras, e (b) O intervalo de confiança ( ) para a média das diferenças contiver o zero, onde: 2.6 Avaliação da precisão do método B em relação ao método referência A. Se estiver contido dentro do intervalo de confiança para o viés tolerado ( ) as metodologias de amostragem tem precisões estatisticamente semelhantes. Segundo a referência [3] o deve ser igual à metade da precisão global ( ), determinada segundo a Norma NBR 3085, de 2003, para a característica de qualidade de interesse, ou seja,, onde e para lotes de 6000 toneladas, é de 0,50% em teor de ferro total. 3- Resultados Foram comparados os resultados das análises de cada composição ferroviária, com aproximadamente 6000 toneladas de minério de ferro tipo Pellet Feed, com amostragens pelos métodos A (coletados 25 incrementos com 50 kg cada na torre de amostragem) e B (coletados 320 incrementos de 50 g de forma manual sobre os vagões). Todas as amostras foram preparadas segundo a Norma NBR 3082, de 2011 e analisadas por espectrometria de fluorescência de raios x (que é a metodologia mais usual para avaliação química de produtos minerais). Os resultados se encontram na Tabela 1. Tabela 1: Característica de qualidade Teor de ferro total (%) IncA, IncB: números de incrementos coletados para A e B respectivamente Lotes IncA IncB A B D AB D 2 AB ,65 67,98-0,33 0, ,28 67,65-0,37 0, ,08 67,83 0,25 0, ,10 67,31-0,21 0, ,20 67,18 0,02 0, ,66 68,07-0,41 0, ,67 67,19 0,48 0, ,25 67,16 0,09 0,
6 ,61 67,86-0,25 0, ,22 67,23-0,01 0, ,11 66,89 0,22 0, ,03 68,19-0,16 0, ,97 67,09-0,12 0, ,06 67,97 0,09 0, ,53 67,64-0,11 0, ,36 67,75-0,39 0, ,20 67,95 0,25 0, ,20 68,01 0,19 0, ,95 68,14-0,19 0, ,16 67,75 0,41 0,1681 Para a determinação da massa mínima (g) de cada incremento, utilizamos a Fórmula 1. A partir de estudos realizados nos trabalhos de BARBOSA [4], GOMES [7] e SILVA [11], que utilizaram inclusive microscopia ótica para avaliação geológica de minério de ferro, no caso do Pellet Feed com teor médio de 68% de ferro,, definindo = 0,10 % e determinando com nível de confiança de 99,90%. Logo pela Fórmula 2: e assim, Para o plano de amostragem manual (método B) o número mínimo de incrementos encontrados, segundo a Fórmula 3, foi de: 52g. onde e são valores estimados [1] para lotes com 6000 toneladas e pequena variação de qualidade. Pela facilidade de coleta dos dados e para garantir uma boa precisão da amostragem, foram coletados 4 incrementos em cada vagão dos 80 que compõem a composição ferroviária, constituindo 320 incrementos com uma massa global (Mg) de 16 kg, de mais fácil manuseio e segurança para o operador. Para avaliação de outliers (diferenças discrepantes), utilizando o teste de Grubbs [3], ordenamos em ordem crescente os valores das diferenças D AB (Tabela 2), determinamos os valores de e (respectivamente último e primeiro valor da sequência de D AB ), e comparamos com o valor crítico de Grubbs ( ), para 20 pares de amostras [3]. Se e forem menores que não há evidência da presença de outliers. Tabela 2: Dados ordenados - Teste de Grubbs Diferenças (D AB ) ordenadas ,41-0,39-0,37-0,33-0,25-0,21-0,19-0,16-0,12-0, ,01 0,02 0,09 0,09 0,19 0,22 0,25 0,25 0,41 0,
7 Analisando os dados da Tabela 2, temos que = 1,891 e = 1,422, e portanto não há valores discrepantes. Em seguida, foram feitos testes para avaliar se a distribuição das diferenças D AB é normal, e obteve-se: Shapiro Wilk: p-valor = 0,4579; Jarque-Bera: p-valor = 0,5885 e Anderson-Darling: p-valor = 0,6099. Observe-se que estes testes só têm validade se as distribuições das diferenças das médias forem normais, caso contrário, os testes não têm poder conclusivo. Como o p-valor > 0,05, para todos os diferentes testes, a distribuição de D AB é aproximadamente normal. O p-valor é o nível descritivo do teste. Se ele for menor do que (que é o nível de significância do teste) o teste rejeitaria a hipótese de que a diferença das médias de amostragens A e B possui uma distribuição normal. Aplicando o teste t de Student, obtivemos = 0,4579; = 1,729 Como, os dois métodos são estatisticamente equivalentes. O Intervalo de Confiança para D AB (IC AB ) obtido foi: Como contém o zero, fica confirmado que os dois métodos são estatisticamente semelhantes. Avaliando o vício entre os dois métodos, obtemos: Como contem, o possível vício entre as amostragens A e B não é significativo, ou seja, as precisões entre os métodos são estatisticamente semelhantes. A Figura seguinte apresenta uma representação gráfica do vício definido previamente em relação às diferenças D AB. É importante ressaltar novamente, que o objetivo do trabalho foi encontrar uma metodologia alternativa, mais prática, menos dispendiosa de recursos humanos e financeiros, e que fosse capaz de obter resultados próximos dos resultados apresentados pela metodologia da Norma ISO. O viés de estimação é diferença entre o valor esperado (média teórica) do estimador (método alternativo) e o valor do parâmetro a ser estimado (método tradicional, padrão ISO). O que significa dizer que o método alternativo pretende ser um estimador do método tradicional. Então, nesse caso, um estimador não-viesado ou não-viciado, método alternativo, 1149
8 é aquele que, em média, apresenta resultados próximos ao que pretende estimar, que é o método tradicional. Vício entre Amostragens NT Diferença Média = DAB Vício LI = LS = % Fe Figura: Avaliação gráfica do vício entre os métodos A e B 4- Conclusões O método alternativo proposto pode ser utilizado em situações de emergência em que a torre de amostragem apresentar algum tipo de problema operacional ou encontrar-se em manutenção. Essa mesma metodologia de avaliação comparativa de amostragem pode ser aplicada para desenvolver um amostrador mecânico simplificado, de baixo custo de investimento e de custeio, que venha a substituir a complexa torre de amostragem e principalmente preservar a segurança do operador. 1150
9 Referências [1] ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. ABNT NBR ISO 3082: Minérios de ferro Procedimento de amostragem e preparação de amostra; [2] ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. ABNT NBR ISO 3085: Minérios de ferro - Métodos experimentais para verificação da precisão de amostragem, preparação de amostras e medida; [3] ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. ABNT NBR ISO 3086: Minérios de ferro - Métodos experimentais para verificação do vício de amostragem; [4] BARBOSA, Juvenal J. Avaliação do processo de amostragem do ROM da mina de Fábrica Nova em Minas Gerais Monografia - UFOP 2010; [5] BARNETT, V. Sample survey Principles & methods third edition John Wiley& Sons 2002; [6] STUART, A. The ideas of sampling. Nova York: MacMillan Publishing Company,1984; [7] GOMES, Mário Alzamora; ABREU, José F. Avaliação e minimização dos componentes de erro da amostragem, preparação e análise de minério de ferro através da aplicação da Teoria de Amostragem de Gy nos produtos Sinter Feed e Pellet Feed da Mina de Brucutu em Minas Gerais Monografia - UNICAMP 2010; [8] GY, Pierre M. - Sampling of particulate materials Theory and practice Elsevier Scientific Publishing Company Amsterdam 1979; [9] PETERNELLI, L. A.; MELLO, M. P. Conhecendo o R. Uma visão estatística Editora Universidade Federal de Viçosa (UFV) 2011; [10] R DEVELOPMENT CORE TEAM. R: A language and environment for statistical computing.r Foudantion for Statistical Computing, Vienna, Áustria, Disponível em: Acessado em agosto/2013; [11] SILVA, Maximiliano B. Padronização da amostragem do minério fino produzido em uma unidade de tratamento de minério do quadrilátero ferrífero em Minas Gerais Monografia - UFOP 2010; 1151
Método de Amostragem de Minérios Alternativo a Torres de Amostragem em Situações Emergenciais
Revista de Divulgação Cientíca em Ciências Exatas e Tecnológicas PORANDU Vol. 1, n. 1, 2015, pg.87-96 Método de Amostragem de Minérios Alternativo a Torres de Amostragem em Situações Emergenciais A. F.
AVALIAÇÃO DA HETEROGENEIDADE DO SINTER FEED DA ARCELORMITTAL MINA DE SERRA AZUL - VIA VARIOGRAMA*
52 AVALIAÇÃO DA HETEROGENEIDADE DO SINTER FEED DA ARCELORMITTAL MINA DE SERRA AZUL - VIA VARIOGRAMA* Juliana Cecília Costa Ribeiro Vieira 1 Luana Gonçalves Guimarães 2 Luiz Paulo Serrano 3 Resumo As operações
Minério de Ferro. 3- Membro da ABNT CB41/CE01. Consultor Especializado em Métodos Estatísticos para Mineração.
1 Minério de Ferro Avaliação Comparativa para Determinação de Umidade em Minério de Ferro entre o Método por Radiação Infravermelho e o método de referência descrito na ABNT NBR ISO 3087:2011 [1] Marília
Predição do preço médio anual do frango por intermédio de regressão linear
Predição do preço médio anual do frango por intermédio de regressão linear João Flávio A. Silva 1 Tatiane Gomes Araújo 2 Janser Moura Pereira 3 1 Introdução Visando atender de maneira simultânea e harmônica
Avaliação do coeficiente de variação na experimentação com cana-de-açúcar. Introdução
Avaliação do coeficiente de variação na experimentação com cana-de-açúcar Introdução Rubens L. do Canto Braga Jr. 12 Jaime dos Santos Filho 3 Joel Augusto Muniz 3 Na experimentação agronômica, em geral,
Comparação de métodos para tratamento de parcelas perdidas em delineamento em blocos casualizados via simulação Monte Carlo
Comparação de métodos para tratamento de parcelas perdidas em delineamento em blocos casualizados via simulação Monte Carlo Marcela Costa Rocha 1 Maria de Lourdes Lima Bragion 1 1 Introdução A perda de
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA TULIO VIEGAS BICALHO RESENDE
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA TULIO VIEGAS BICALHO RESENDE ESTIMAÇÃO DO ERRO DE ENSAIO DE PENEIRAMENTODE MINÉRIO DE FERRO MONOGRAFIA DE ESPECIALIZAÇÃO
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Violação dos pressupostos básicos do modelo clássico de regressão linear
AGOSTO 2017 Lutemberg Florencio Doutorando em Eng. Civil (Real Estate) USP Engenheiro Civil (POLI-UPE) Espec. em Aval. e Perícias de Eng. (FOC-SP) Mestre em Estatística (UFPE) Eng. Civil do Banco do Nordeste
Planejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Populações, Amostras e Distribuições População Amostra
Planejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Descritiva Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br elcana@quimica.ufg.br Populações, Amostras e Distribuições População
Técnicas de Amostragem e Controle de Qualidade. Prof. Germano Mendes Rosa
Técnicas de Amostragem e Controle de Qualidade Prof. Germano Mendes Rosa PROGRAMA DA DISCIPLINA 1. Importância da amostragem de minérios e concentrados 2. Conceitos básicos em Teoria da Amostragem 3. Teoria
Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
XIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de Setembro a 01 de Outubro
COMPARAÇÃO DOS MÉTODOS DE VERIFICAÇÃO DO AJUSTE DA DISTRIBUIÇÃO GUMBEL A DADOS EXTREMOS CARLOS JOSÉ DOS REIS 1, LUIZ ALBERTO BEIJO 2,GILBERTO RODRIGUES LISKA 3 RESUMO A distribuição Gumbel é muito aplicada
Análise do volume útil do reservatório de Furnas via modelos de séries temporais
Análise do volume útil do reservatório de Furnas via modelos de séries temporais Cristina Henriques Nogueira 1 3 Thelma Sáfadi 2 1 Introdução A energia elétrica é, sem dúvida, um recurso indispensável
AULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Parte 8 Testes de hipóteses Comparação de dois grupos
Parte 8 Testes de hipóteses Comparação de dois grupos Um objetivo frequente em estudos de diferentes áreas é a comparação de dois ou mais grupos (ou populações). Alguns exemplos: o Comparação dos salários
Especialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Mineração. O problema de amostragem manual na indústria mineral. Resumo. Abstract
Mineração O problema de amostragem manual na indústria mineral Alexandre Grigorieff Engenheiro de Minas, MSc,Copelmi Mineração Ltda E-mail: alex@copelmi.com.br Joao Felipe C.L. Costa Engenheiro de Minas,
ELABORAÇÃO DO MODELO DE BLOCOS DE CURTO PRAZO POR FAIXAS GRANULOMÉTRICAS DA MINA CASA DE PEDRA - CSN
RESUMO ELABORAÇÃO DO MODELO DE BLOCOS DE CURTO PRAZO POR FAIXAS GRANULOMÉTRICAS DA MINA CASA DE PEDRA - CSN Marcos Vinícius Borges, CSN, Geólogo. marcos.vinicius@csn.com.br Marisa Rangel de Sousa, CSN,
Tamanho de amostra para estimação de medidas de tendência central de caracteres de tremoço branco
Tamanho de amostra para estimação de medidas de tendência central de caracteres de tremoço branco Cláudia Burin 1 Alberto Cargnelutti Filho 2 Marcos Toebe 3 Bruna Mendonça Alves 2 André Luis Fick 4 1 Introdução
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
Tópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
REPRESENTATIVIDADE ESTATÍSTICA DE UMA AMOSTRA DE MINÉRIO DE FERRO PARA ENSAIOS DE BANCADA
REPRESENTATIVIDADE ESTATÍSTICA DE UMA AMOSTRA DE MINÉRIO DE FERRO PARA ENSAIOS DE BANCADA F. F. Fortes, D. R. Gonçalves, B. C. R. da Silva, C. A. Pereira Departamento de Engenharia de Minas, Universidade
Distribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Influencia de Distribuições a priori na Analise Bayesiana em dados de contagem
Influencia de Distribuições a priori na Analise Bayesiana em dados de contagem Olinda Fátima dos Santos 1 Carla Regina Guimarães Brighenti 1 1-Introdução A utilização de informação a priori em inferência
UNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 1, da disciplina LCE602 - Estatística
Inferência para duas populações
Inferência para duas populações Capítulo 13, Estatística Básica (Bussab&Morettin, 8a Edição) 7a AULA 27/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 7a aula (27/04/2015) MAE229 1 / 27 1.
Em aplicações práticas é comum que o interesse seja comparar as médias de duas diferentes populações (ambas as médias são desconhecidas).
Em aplicações práticas é comum que o interesse seja comparar as médias de duas diferentes populações (ambas as médias são desconhecidas). Na comparação de duas populações, dispomos de duas amostras, em
1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
UM ESTUDO DO ERRO TIPO II EM UM TESTE DE HIPÓTESES PARA A MÉDIA
UM ESTUDO DO ERRO TIPO II EM UM TESTE DE HIPÓTESES PARA A MÉDIA CARRASCO, Cleber Giugioli 1 SILVA, Luciano Amaral da 2 7 Recebido em: 2013-04-29 Aprovado em: 2013-09-29 ISSUE DOI: 10.3738/1982.2278.894
AVALIAÇÃO DA GRANULOMETRIA DE ALIMENTAÇÃO E DOS PRODUTOS DA ETAPA ROUGHER DE FLOTAÇÃO DA USINA DO SOSSEGO
AVALIAÇÃO DA GRANULOMETRIA DE ALIMENTAÇÃO E DOS PRODUTOS DA ETAPA ROUGHER DE FLOTAÇÃO DA USINA DO SOSSEGO A. MIRANDA 1, R. A. FONSECA 1, F. OLEGARIO Jr. 1, M. SOUZA 1, G. OLIVEIRA 1, M. G. BERGERMAN 2*
Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida
Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida Nesta aula você completará seu estudo básico sobre intervalos de confiança, analisando o problema de estimação da média de uma
José Aparecido da Silva Gama¹. ¹Professor do Instituto Federal de Educação, Ciência e Tecnologia de Alagoas.
Estudo e Aplicação dos Testes de Hipóteses Paramétricos e Não Paramétricos em Amostras da Estação Fluviométrica Três Maria (MG) da bacia Hidrográfica do Rio São Francisco José Aparecido da Silva Gama¹
Análise da série do custo da cesta básica de Belo Horizonte, MG.
Análise da série do custo da cesta básica de Belo Horizonte, MG. Tamara Aparecida Nogueira dos Anjos 12 Érica Fernanda da Cruz 3 Thelma Sáfadi 3 1 Introdução Em nosso dia-a-dia é comum fenômenos que evoluem
Aplicação da análise de regressão na contabilidade do custo de produção do milho
Aplicação da análise de regressão na contabilidade do custo de produção do milho Janser Moura Pereira 1 Quintiliano Siqueira Schroden Nomelini 1 Andréa Clélia da Rocha Moura 2 Nathane Eva dos Santos Peixoto
Capítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Métodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
CONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Avaliando Hipóteses. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Avaliando Hipóteses George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Pontos importantes Erro da Amostra e Erro Real Como Calcular Intervalo de Confiança Erros de hipóteses Estimadores Comparando
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Estatística Básica para Engenharia Prof. Mariana Albi 8 a Lista de Exercícios Assuntos: Inferência Estatística.
Cap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Avaliação do Teor de Ferro de um Rejeito de Minério de Ferro através da Correlação com a Massa Específica dos Grãos e por meio de Análise Química
Avaliação do Teor de Ferro de um Rejeito de Minério de Ferro através da Correlação com a Massa Específica dos Grãos e por meio de Análise Química Alexandre Gonçalves Santos Fertilizantes Fosfatados S.A.,
Avaliação dos protocolos de amostragem para preparação dos produtos de minério de ferro das Minas de Carajás
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL Escola de Engenharia Programa de Pós-Graduação em Engenharia de Minas, Metalúrgica e de Materiais (PPGE3M) Avaliação dos protocolos de amostragem
7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Estimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Teste de hipóteses. Testes de Hipóteses. Valor de p ou P-valor. Lógica dos testes de hipótese. Valor de p 31/08/2016 VPS126
3/8/26 Teste de hipóteses Testes de Hipóteses VPS26 Ferramenta estatística para auxiliar no acúmulo de evidências sobre uma questão Média de glicemia de um grupo de animais é diferente do esperado? Qual
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
Correlação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Intervalo de confiança4
Intervalo de confiança4 4.1 Introdução 4.2 Intervalo de confiança (IC) 4.3 Erro-padrão da média e da proporção 4.4 Precisão da estimativa dos parâmetros 4.5 Conclusão Referências Dirce Maria Trevisan Zanetta
Universidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Tratamento Minérios AMOSTRAGEM
AMOSTRAGEM 15/3/2018 Amostragem Diagrama de blocos para um exemplo genérico do processo de amostragem em tratamento de minérios Fonte: Adão Benvindo AMOSTRAGEM Universo Preparação Todo que se deseja amostrar
Delineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
X 2. (σ 2 + µ 2 ) = 1 n (nσ 2 + nµ 2 ) = σ 2 + µ 2. µ = 0 E(T ) = σ 2
Estatística II (GET00182) Turma A1 Prova 1 20/10/2017 2/2017 NOME: GABARITO 1. Seja X 1, X 2,, X n uma amostra aleatória simples de uma população X com média µ e variância σ 2. (a) Mostre que, se µ = 0,
Estatística Aplicada. Inferência estatística com desvio padrão populacional conhecido Amostragem Capítulo 10 Itens 10.1 a 10.3
Estatística Aplicada Inferência estatística com desvio padrão populacional conhecido Amostragem Capítulo 10 Itens 10.1 a 10.3 Definição Estimação consiste em usar dados amostrais para estimar parâmetros
METODOLOGIA PARA DETERMINAÇÃO DE CURVA GRANULOMÉTRICA DE ROM
METODOLOGIA PARA DETERMINAÇÃO DE CURVA GRANULOMÉTRICA DE ROM Christiane Ribeiro Universidade Federal do Rio Grande do Sul AUTORES o Christiane Ribeiro Mestranda em Engenharia de Minas/UFRGS o Prof a. Dr
Física Geral. Incertezas em Medidas Diretas
Física Geral Incertezas em Medidas Diretas Experimento Simples Medidas diretas: valores resultantes de medições de uma mesma grandeza, realizadas por um mesmo experimentador, com o mesmo instrumento de
Aula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
3 2σ 2] = σ 2 C = 1 6
GET008 - Estatística II Lista de Exercícios Inferência para uma população Profa. Ana Maria Farias. Seja X, X,, X 6 uma amostra aleatória simples de tamanho 6 de uma população Nµ; σ. Determine o valor da
AULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
Comparação entre intervalos de confiança calculados com métodos bootstrap e intervalos assintóticos
Comparação entre intervalos de confiança calculados com métodos strap e intervalos assintóticos Selene Loibel Depto. de Estatística, Matemática Aplicada e Computação, IGCE, UNESP, Rio Claro, SP E-mail:sloibel@rc.unesp.br,
Casos. Índice. Parte I. Caso 1 Vendas da empresa Platox. Caso 2 Importação de matéria-prima. Caso 3 Carteira de acções. Caso 4 Lançamento de produto
Índice PREFÁCIO 15 NOTA INTRODUTÓRIA 17 CONVENÇÕES UTILIZADAS 19 Parte I Casos Caso 1 Vendas da empresa Platox 1. Enquadramento e objectivos 25 2. Aspectos metodológicos 26 3. Resultados e comentários
Guia do inventário de florestas plantadas
Parte I Índice Guia do inventário de florestas plantadas Cálculos do Inventário Florestal e suas Interpretações Índice 03...... Sobre a autora 04...... Introdução 06...... Cálculos 08...... Variância 10......
ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt
ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt lucas.breniuk@hotmail.com Estimação de parâmetros Média Variância Proporção Estimação de parâmetros Média: " estimador
AVALIAÇÃO DA GRANULOMETRIA DE ALIMENTAÇÃO E DOS PRODUTOS DA ETAPA ROUGHER DE FLOTAÇÃO DA USINA DO SOSSEGO
AVALIAÇÃO DA GRANULOMETRIA DE ALIMENTAÇÃO E DOS PRODUTOS DA ETAPA ROUGHER DE FLOTAÇÃO DA USINA DO SOSSEGO MIRANDA, A. 1, FONSECA, R. 2, OLEGARIO, F. 3, SOUZA, M. 4, OLIVEIRA, G. 5, BERGERMAN, M.G. 6, DELBONI
Testes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Estatística Aplicada
Estatística Aplicada Intervalos de Confiança Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada INTERVALOS DE CONFIANÇA Processos de estimação Estimação por ponto: o processo em
Testes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
QUI 154/150 Química Analítica V Análise Instrumental. Aula 1 Estatística (parte 1)
Universidade Federal de Juiz de Fora (UFJF) Instituto de Ciências Exatas Depto. de Química QUI 154/150 Química Analítica V Análise Instrumental Aula 1 Estatística (parte 1) Prof. Julio C. J. Silva Juiz
Teste de Hipótese. Comparação entre médias de dois grupos de dados 22/05/2009. Conteúdo. Valor de P. Tipos de Erro. Tipos de Erro
Conteúdo Teste de hipótese Erros tipo I e II Teste t de Student ANOVA Qui-quadrado Teste de Hipótese Hipótese de Pesquisa (H 1 ) Prediz a relação entre variáveis Diferenças entre grupos Não é testada estatisticamente
Procedimento de comparações múltiplas baseado na distribuição F e sua implementação no pacote Experimental Designs
Procedimento de comparações múltiplas baseado na distribuição F e sua implementação no pacote Experimental Designs Mariani Tabarim Vieira 1 2 Patrícia de Siqueira Ramos 3 Eric Batista Ferreira 4 1 Introdução
Plano de Ação de Emergência de
Plano de Ação de Emergência de Barragens TÉCNICAS E e TEORIA Auscultação MODERNA Elaboração DE AMOSTRAGEM e Monitoramento NA MINERAÇÃO contato@institutominere.com.br www.institutominere.com.br 31. 3657-5578
Mais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
TEORIA DE VALORES EXTREMOS APLICADA NA ANÁLISE DE TEMPERATURA MÁXIMA EM URUGUAIANA, RS.
TEORIA DE VALORES EXTREMOS APLICADA NA ANÁLISE DE TEMPERATURA MÁXIMA EM URUGUAIANA, RS. 1. INTRODUÇÃO Nosso planeta seguiu uma evolução desde sua origem, passando por transformações significativas em sua
Inferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Sensibilidade do método de adaptabilidade e estabilidade de Lin & Binns: um estudo via simulação
Sensibilidade do método de adaptabilidade e estabilidade de Lin & Binns: um estudo via simulação Rafael Lédo Rocha de Oliveira DET, UFV 1 Anderson Rodrigo da Silva DET, UFV Cosme Damião Cruz DBG, UFV Paulo
Título do projeto: Linha de Pesquisa: Justificativa/motivação para realização do projeto: Objetivos:
Título do projeto: Caracterização químico-mineralógica-microestrutural de minério de ferro do Quadrilátero Ferrífero visando à produção de granulado Linha de Pesquisa: Tecnologia Mineral Caracterização
AGOSTO 2017 Tratamento por Fatores x Regressão Linear
Arq. Urb Ana Maria de Biazzi Dias de Oliveira anabiazzi@uol.com.br AGOSTO 2017 Tratamento por Fatores x Regressão Linear Tratamento por Fatores x Regressão Linear Uma resposta aproximada para o problema
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Key words: Stratification, R project, yield forecast. Eng. Eletricista, Embrapa Meio Ambiente, Jaguariúna, SP,
USO DO PROGRAMA LIVRE R NA ESTRATIFICAÇÃO DOS MUNICÍPIOS PRODUTORES DE PÊSSEGO NO RIO GRANDE DO SUL Fernanda P. Marion 1, Alfredo J. B. Luiz 2, Aline H. N. Maia 3, Marcos C. Neves 4 Resumo Informações
Intervalo de confiança
Bioestatística Módulo 2: comparação entre conjuntos de coisas Relações de ordem entre coisas: >,
VARIABILIDADE ESPACIAL DA CONDUTIVIDADE ELÉTRICA NO SOLO EM UM TALHÃO DE LARANJA: AMOSTRAS EM GRIDES REGULARES. Lucas Santana da Cunha 1 RESUMO
VARIABILIDADE ESPACIAL DA CONDUTIVIDADE ELÉTRICA NO SOLO EM UM TALHÃO DE LARANJA: AMOSTRAS EM GRIDES REGULARES Lucas Santana da Cunha 1 RESUMO Todas as atividades que giram em torno dos conceitos da agricultura
Modificação do teste de Tukey para uso sob heterocedasticidade e desbalanceamento
Modificação do teste de Tukey para uso sob heterocedasticidade e desbalanceamento Paulo César de Resende Andrade 1 Lucas Luciano Barbosa 1 Regiane Teixeira Farias 1 Ana Luisa de Castro Pereira Martins
Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
1. Objetivo. Figura 1. Em (a) Roletes em correias transportadoras, em (b) detalhe dos roletes.
1. Objetivo Realizar o planejamento dos testes de vida acelerados, tendo como produtos os roletes de correias transportadoras de minério de ferro. Os testes de vida acelerados têm por finalidade determinar
UFRGS - Graduação em Estatística Disciplina: Mat2282 Análise Estat. Não Paramétrica Lista de exercícios 02: testes paramétricos de hipóteses
01. Dados os valores: 4, 6, 3, 6 e 6, de uma amostra aleatória de 5 (cinco) observações de uma variável X, estime a média e a variância de X e admitindo que X tenha uma distribuição normal, teste, a 5%,
Testes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Método de amostragem por conglomerados em dois estágios para estimativa de população canina/felina domiciliada.
étodo de amostragem por conglomerados em dois estágios para estimativa de população canina/felina domiciliada. Fernando Ferreira, Ricardo Augusto Dias, José Soares Ferreira Neto, arcos Amaku 1 de fevereiro
ÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Intervalos de Confiança
Intervalos de Confiança Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques e Nuno Bastos (DepMAT) Intervalos de Confiança 2010/2011 1 / 33 Introdução
Química Analítica V 2S Prof. Rafael Sousa. Notas de aula:
Química Analítica V 2S 2012 Aula 3: 04-12-12 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan 1 Conceito