Descrição da cinética de secagem de frutos de banana Prata e D Água por modelos de regressão não linear

Tamanho: px
Começar a partir da página:

Download "Descrição da cinética de secagem de frutos de banana Prata e D Água por modelos de regressão não linear"

Transcrição

1 Descrição da ciética de secagem de frutos de baaa Prata e D Água por modelos de regressão ão liear 1 Itrodução Thaís Destéfai Ribeiro 1 Ricardo Wager Pacopahyba de Mattos 1 Joel Augusto Muiz 1 Soraia Vilela Borges A baaa é um produto altamete perecível, razão pela qual sua comercialização deve ser rápida, racioal e feita com uma série de cuidados para que ão haja perdas expressivas e o fruto chegue ao seu destio em boas codições. A cultura ocupa o segudo lugar o mudo em área colhida detre todos os tipos de frutas, superada apeas pela dos cítricos. Segudo Vale (010), a cultura da baaa (Musa spp.) ocupa o segudo lugar em volume de frutas produzidas e cosumidas o Brasil e a terceira posição em área colhida. Este fruto se faz presete detre as diversas camadas da população. (Barros et. al., 008) As perdas do pós colheita são muitas, icluem perdas decorretes do mauseio do alimeto, trasporte, machucados do fruto, codições de armazeameto, vida de prateleira, etre outros fatores. Borges et. al. (011), dizem que a secagem de baaa é uma alterativa iteressate para se reduzir as perdas do pós-colheita além de aumetar o valor de mercado do produto. Segudo Silva et. al. (009), o emprego de modelos matemáticos para a represetação do processo de secagem é de fudametal importâcia, haja vista que as iformações geradas são de grade valia para o desevolvimeto de equipametos e predição dos tempos de secagem. O presete trabalho teve como objetivo avaliar os modelos, expoecial simples com dois parâmetros e de Lewis, a descrição de secagem por covecção atural de frutos de baaa, das cultivares Prata e D água em diferetes tempos e temperaturas (40 e 70 C). Material e métodos Foram utilizados os dados referetes à secagem de Baaas das cultivares Prata e D água por covecção atural, levado-se em cosideração a ifluecia da temperatura, o formato de baaas cortadas em discos, obtidos de Borges et. al. (011). A metodologia do 1 DEX UFLA. t.destefai.ribeiro@gmail.com ² DCA/UFLA. 333

2 experimeto para obteção dos dados utilizados o estudo, baseiam-se em: primeiramete o material cru foi higieizado corretamete, picado em formatos de discos, e etão submetido ao processo de secagem atural (em badejas) e que foi medido em duas temperaturas (40 C e 70 C) e em tempos diferetes, o experimeto foi realizado em triplicata. Aos dados de secagem, obtidos experimetalmete, foram ajustados os modelos de ciética de secagem: Lewis ou expoecial simples e Expoecial simples com dois parâmetros. Descritos por: Tabela 1. Modelos matemáticos utilizados para predizer a secagem dos frutos. Desigação do modelo Modelo Expoecial simples com dois parâmetros RU t = k 0 exp(-k 1 t) + k + e t ; (1) Lewis RU t = exp(-k 1 t) + e t ; () ode, RU é razão de umidade (adimesioal) que represeta a variável depedete, k 0 correspode à codição iicial do fruto e deve ser próximo da umidade, k 1 taxa de secagem, exp refere-se à base do logaritmo eperiao; e t é o erro experimetal com média zero e variâcia ; t refere-se ao tempo de aálise da variável depedete, dado em horas para a medição da umidade o fruto. Os modelos foram avaliados por meio do software SAS (versão 9.0), utilizado-se o procedimeto proc model e proc lmixed. Para a escolha do modelo mais adequado utilizaram-se os critérios: coeficiete de determiação (R aj ²), desvio padrão residual (DPR). O teste de Durbi-Watso (DW) usado para verificar a existêcia de auto correlação residual e para obter o itervalo de estimativar prováveis para os parâmetros o itervalo de cofiaça (IC) e o Critério de Iformação Akaike (AIC) para seleção do modelo mais adequado. O coeficiete de determiação é represetado pela seguite expressão: R = 1 ( )( ²), (3), em que R² o coeficiete de determiação ão ajustado, o umero de observações e p a quatidade de parâmetros. O desvio-padrão residual é defiido por, DPR QMR p, (4), ode QMR é uma estimativa da variâcia residual, é o úmero de 334

3 observações utilizadas o ajuste do modelo, p é o úmero de parâmetros. O Teste de Durbi- Watso, o qual idica se há auto-correlação dos dados, é represetado pela expressão, DW e t et 1 t et t 1,(5), sedo et o resíduo o tempo t e et 1 o resíduo o tempo t 1. O critério de iformação de Akaike represetado por, AIC l ˆ p 1, (6), ode é a estimativa da variâcia dos resíduos, o úmero de observações utilizadas o ajuste do modelo e p é o úmero de parâmetros.. Os itervalos de cofiaça (IC) para os parâmetros, represetados por LI (Limite iferior) ˆ e LS (Limite superior) são dados pela expressão: do parâmetro, t(α/) o valor a tabela de t de studet para α/., (7) sedo λ a média 3 Resultados e discussão Para avaliar os modelos, expoecial simples com dois parâmetros e de Lewis, foram utilizados avaliadores de qualidade, presetes as Tabelas e 3 respectivamete. Tabela. Valores estimados dos avaliadores da qualidade ao ajuste do modelo expoecial simples com dois parâmetros, para diferetes cultivares e temperaturas: umero de parâmetros, coeficiete de determiação ajustado (R aj ²), desvio padrão residual (DPR), teste de Durbi-Watso (DW) e Critério de iformação Akaike (AIC). Avaliadores / Características Nº de parm s R² aj DPR DW AIC a 40 C a 70 C 40 C 70 C 3 99,59 0,0055 1,1363** 3 99,94 0,005 1,7715** 3 99,8 0,0060 0,985** 3 99,86 0,0037 1,887** -7,4511-8,9814-7,551-8,

4 O Coeficiete de Determiação, R aj ², apresetou-se alto, acima de 98%, e com valores semelhates para ambos os modelos ajustados, idicado qualidade os ajustes. O DPR, Desvio Padrão Residual, variou pouco para ambos os cultivares e temperaturas, o etato para o modelo de Lewis obtiveram-se valores meores, ou seja variado meos da média das estimativas que o modelo expoecial duplo com dois parâmetros. O teste de Durbi-Watso (DW), para auto-correlação idica a probabilidade e o valor dos desvios (erros) para a regressão terem uma compoete de auto-regressão de primeira ordem, os valores estimados de DW foram sigificativos, idicado autocorrelação logo a ecessidade da utilização de uma compoete de primeira ordem, para melhorar a qualidade do ajuste dos dados. Com isto o modelo expoecial simples com dois parâmetros apreseta-se com três parâmetros (Tabela.), e o modelo de Lewis com dois parâmetros pelo mesmo motivo (Tabela 3.). Tabela 3. Valores estimados dos avaliadores da qualidade ao ajuste do modelo de Lewis, para diferetes cultivares e temperaturas: umero de parâmetros, coeficiete de determiação ajustado (R aj ²), desvio padrão residual (DPR), teste de Durbi-Watso (DW) e Critério de iformação Akaike (AIC). Avaliadores / Características Nº de parm s R² aj DPR DW AIC a 40 C a 70 C 40 C 70 C 98,58 0, ,0856** 99,94 0,0033 1,76663** 99,7 0, ,9691** 99,86 0, ,8937** -7,673-9,16-7,4681-8,4597 Ao observar os valores estimados para o critério de seleção Akaike, pode-se otar que o modelo com valores meores foi o de Lewis, e que segudo Floriao et. al. (006) em um estudo de série temporal, afirmam que o critério de seleção AIC permite idicar o modelo mais adequado ao ajuste, sedo o AIC de meor valor o modelo mais correto. Logo o modelo 336

5 de Lewis é o idicado como o mais correto a descrição da ciética de secagem dos frutos de baaa. 4 Coclusão O modelo de Lewis apresetou-se como o mais idicado para a descrição da ciética de secagem dos furtos de baaa pelos valores de AIC, obteve valores de R aj ² acima de 98%. Observou-se a ecessidade da utilização de um erro auto-regressivo de primeira ordem, pois o DW foi sigificativo, idicado auto-correlação os dados. 5 Referêcias [1] BARROS, M. A. B., LOPES, G. M. B., WANDERLEY, M. de B..Cadeia Produtiva da Baaa: cosumo, comercialização e produção o Estado de Perambuco. Revista Ecoômica do Nordeste, Fortaleza, v. 39, º 1, ja-mar [] BORGES, S. V., MANCINI, M. C., CORRÊA,J. L. G., LEITE, J. B.. Dryig kietics of baaas by atural covectio: ifluece of temperature, shape, blachig ad cutivar. Ciêc. agrotec., Lavras, v. 35,., p , mar./abr., 011. [3] FLORIANO, E. P. et al. Ajuste e seleção de modelos tradicioais para série temporal de dados de altura de ar vores. Ciêcia Florestal, Sata Maria, v.16,., p , 006. SAS Istitute. SAS Procedures guide for computers. 6 ed. cary, NC, v.3, 373p [4] SILVA, A. S.; MELO, K. DOS S.; ALVES, N. M. C.; GOMES, J. P. Ciética de secagem em camada fia da baaa maçã em secadores leito fixo. Revista de Biologia e Ciêcias da Terra. Vol. 9 N., º Semestre 009. [5] VALE, L. S. R., A cultura da baaa. Fruticultura. Miistério da Educação, Secretaria da Educação, Profissioal e Tecológica, Istituto Federal Goiao-Ceres, Cap. 7, p ,

Utilização de modelos não-lineares sigmoidais na descrição do aumento em diâmetro de frutos de pequi.

Utilização de modelos não-lineares sigmoidais na descrição do aumento em diâmetro de frutos de pequi. Utilização de modelos ão-lieares sigmoidais a descrição do aumeto em diâmetro de frutos de pequi. Ricardo Wager Pacopahyba de Mattos 1 Thaís Destéfai Ribeiro 1 Joel Augusto Muiz 1 Augusto Ramalho de Morais

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

Estudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG

Estudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG Estudo da precipitação pluviométrica o período seco e chuvoso do muicípio de Sete Lagoas, MG Aa Paula Coelho Madeira Silva 13 Jailso de Araujo Rodrigues 2 Jaime dos Satos Filho 2 1 Itrodução A precipitação

Leia mais

CE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo

CE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo CE07 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo LISTA - EXERCÍCIOS ) Para o modelo de regressão liear simples ormal, ecotre os estimadores de máxima verossimilhaça dos parâmetros β 0, β e σ

Leia mais

ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS

ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS WWWCONVIBRAORG ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS ANDRÉA F RODRIGUES 1, WILTON P SILVA 2, JOSIVANDA P GOMES 3, CLEIDE M D P S SILVA 4, ÍCARO CARVALHO RAMOS

Leia mais

EFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evandro Rodrigues de Faria 2, Mariane Carolina do Vale Gomes 3

EFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evandro Rodrigues de Faria 2, Mariane Carolina do Vale Gomes 3 EFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evadro Rodrigues de Faria 2, Mariae Carolia do Vale Gomes 3 Resumo: A pesquisa objetivou avaliar quais são os fatores determiates

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

O termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2

O termo linear significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2 MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) uma amostra aleatória da variável aleatória X. - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer

Leia mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005 PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza

Leia mais

Comparação entre duas populações

Comparação entre duas populações Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas

Leia mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

Métodos Quantitativos para Ciência da Computação Experimental Aula #4

Métodos Quantitativos para Ciência da Computação Experimental Aula #4 Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

Quantificando os Fenômenos Biológicos

Quantificando os Fenômenos Biológicos 1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que

Leia mais

Estimadores de Momentos

Estimadores de Momentos Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

δ de L. Analogamente, sendo

δ de L. Analogamente, sendo Teoremas fudametais sobre sucessões Teorema das sucessões equadradas Sejam u, v e w sucessões tais que, a partir de certa ordem p, u w v lim u = lim v = L (fiito ou ão), a sucessão w também tem limite,

Leia mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

Leia mais

Câmpus Rio do Sul e Bolsistas do IFC Câmpus Rio do Sul.

Câmpus Rio do Sul e Bolsistas do IFC Câmpus Rio do Sul. ANÁLISE DA VARIABILIDADE DA UMIDADE RELATIVA DO AR PARA A CIDADE DE ITUPORANGA-SC Roberto HAVEROTH, Leoardo NEVES, Katiai ELI 3, Joabe W. PITZ 3, Elizabete FERNANDES 4, Jaquelie CARVALHO 4, Evadro C. OLIVEIRA

Leia mais

Número-índice: Conceito, amostragem e construção de estimadores

Número-índice: Conceito, amostragem e construção de estimadores Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela

Leia mais

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco Taxas e Ídices Aa Maria Lima de Farias Dirce Uesu esco Itrodução Nesse texto apresetaremos coceitos básicos sobre ídices e taxas. Embora existam aplicações em diversos cotextos, essas otas utilizaremos

Leia mais

Estacionariedade e correlação temporal em dados financeiros

Estacionariedade e correlação temporal em dados financeiros Estacioariedade e correlação temporal em dados fiaceiros Hoje em dia há uma quatidade imesa de dados fiaceiros sedo armazeados, egócio a egócio, pelo mudo afora. Gratuitamete, é possível coseguir facilmete

Leia mais

Teorema do limite central e es/mação da proporção populacional p

Teorema do limite central e es/mação da proporção populacional p Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos

Leia mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? 1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de

Leia mais

ESTIMAÇÃO PARA A MÉDIA

ESTIMAÇÃO PARA A MÉDIA ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao

Leia mais

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS INTRODUÇÃO O desevolvimeto do homem deve-se ao fato de que ele procurou observar os acotecimetos ao seu redor. Ao ver os resultados dos diversos evetos, ele

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço

Leia mais

Estatística II Licenciatura em Gestão TESTE I

Estatística II Licenciatura em Gestão TESTE I Estatística II Liceciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circustâcia, é motivo suficiete para a aulação

Leia mais

Ajuste de Curvas pelo Método dos Quadrados Mínimos

Ajuste de Curvas pelo Método dos Quadrados Mínimos Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias

Leia mais

Ajuste de Curvas. Lucia Catabriga e Andréa Maria Pedrosa Valli

Ajuste de Curvas. Lucia Catabriga e Andréa Maria Pedrosa Valli 1-27 Ajuste de Curvas Lucia Catabriga e Adréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempeho (LCAD) Departameto de Iformática Uiversidade Federal do Espírito Sato - UFES, Vitória, ES,

Leia mais

Estimação de parâmetros da distribuição beta-binomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL

Estimação de parâmetros da distribuição beta-binomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL Estimação de parâmetros da distribuição beta-biomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL Diorgies Herculao da Silva Itrodução Edso Zagiacomi Martiez O modelo beta-biomial

Leia mais

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

TRANSPORTES. Sessão Prática 4 Amostragem de escalares Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas

Leia mais

Aumentou-se o número de crimes nas regiões onde foram construídos os presídios?

Aumentou-se o número de crimes nas regiões onde foram construídos os presídios? Aumetou-se o úmero de crimes as regiões ode foram costruídos os presídios? Guilherme Aparecido Satos Aguilar 1 Vilma Mayumi Tachibaa 1 1 Itrodução O Brasil tem a quarta maior população carcerária do mudo

Leia mais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais Capítulo 3: Gestão de stoques Curso de Admiistração de mpresas 2º Semestre 09 Disciplia: Admiistração da Logística e Patrimôio Capítulo 03: Gestão de estoques (Partes 3 e 4) Parte : Itrodução Parte 2:

Leia mais

ANÁLISE DA VIABILIDADE FINANCEIRA PARA CORTE DE UMA FLORESTA PLANTADA - EUCALYPTUS

ANÁLISE DA VIABILIDADE FINANCEIRA PARA CORTE DE UMA FLORESTA PLANTADA - EUCALYPTUS ANÁLISE DA VIABILIDADE FINANCEIRA PARA CORTE DE UMA FLORESTA PLANTADA - EUCALYPTUS Karie Lopes 1 Tiago Hedges² Waystro Jesus de Paula³. RESUMO: Neste estudo, objetivou-se aalisar a viabilidade fiaceira,

Leia mais

Regressão linear simples

Regressão linear simples Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha

Leia mais

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

Como a dimensão da amostra é , o número de inquiridos correspondente é

Como a dimensão da amostra é , o número de inquiridos correspondente é 41. p ˆ 0, 5 e z 1, 960 Se a amplitude é 0,, etão a margem de erro é 0,1. 0,5 0,48 1,960 0,1 0,496 96 0,0510 0,496 0,0510 0,496 0,0510 Tema 5 71) 1.1 4 11 6% Como a dimesão da amostra é 15 800, o úmero

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

Experiência de Óptica Geométrica

Experiência de Óptica Geométrica 1º Semestre 2003/2004 Istituto Superior Técico Experiêcia de Óptica Geométrica Liceciatura em Egeharia Física Tecológica Ricardo Figueira º53755 dré uha º53757 Tiago Marques º53775 LFX4 Professor Berardo

Leia mais

ANALISE DA INTENSIDADE PLUVIOMÉTRICA PARA DETERMINAÇÃO DA EQUAÇÃO DE CHUVA DA CIDADE DE SOUSA/PB

ANALISE DA INTENSIDADE PLUVIOMÉTRICA PARA DETERMINAÇÃO DA EQUAÇÃO DE CHUVA DA CIDADE DE SOUSA/PB ANALISE DA INTENSIDADE PLUVIOMÉTRICA PARA DETERMINAÇÃO DA EQUAÇÃO DE CHUVA DA CIDADE DE SOUSA/PB Lília de Queiroz Firmio 1 ; Shieeia Kaddja de Sousa Pereira 2 ; Aa Cecília Novaes de Sá 3 ; Alice Pedrosa

Leia mais

CF358 Física BásicaExperimental I

CF358 Física BásicaExperimental I CF358 Física BásicaExperimetal I CONFIGURAÇÃO MÓDULO TEÓRICO MÓDULO EXPERIMENTAL => BLOCO 1-4 EXPERIMENTOS => BLOCO 2-4 EXPERIMENTOS PRESENÇA (muito importate) NO MÍNIMO 75% AVALIAÇÃO 01 PROVA -BLOCO TEÓRICO

Leia mais

6 Resultados e Discussão

6 Resultados e Discussão 6 Resultados e Discussão No presete capítulo são descritos os resultados obtidos ao logo das etapas de desevolvimeto, validação (icluido a estimativa da icerteza de medição) do método aalítico por cromatografia

Leia mais

Estatística Descritiva. 3. Estatísticas Medidas de posição Medidas de dispersão

Estatística Descritiva. 3. Estatísticas Medidas de posição Medidas de dispersão Estatística Descritiva 3. Estatísticas 3.1. Medidas de posição 3.. Medidas de dispersão 1 Exemplo 1: Compare as 4 colheitadeiras quato às porcetages de quebra de semetes de milho. Tabela 1. Porcetagem

Leia mais

Como se decidir entre modelos

Como se decidir entre modelos Como se decidir etre modelos Juliaa M. Berbert Quado uma curva é lei de potecia? O procedimeto amplamete usado para testar movimetação biológica a fim de ecotrar padrões de busca como Voos de Levy tem

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

Disciplina: MATEMÁTICA Turma: 3º Ano Professor (a) : CÉSAR LOPES DE ASSIS INTRODUÇÃO A ESTATÍSTICA. Organização de dados

Disciplina: MATEMÁTICA Turma: 3º Ano Professor (a) : CÉSAR LOPES DE ASSIS INTRODUÇÃO A ESTATÍSTICA. Organização de dados Escola SESI de Aápolis - Judiaí Aluo (a): Disciplia: MATEMÁTICA Turma: 3º Ao Professor (a) : CÉSAR LOPES DE ASSIS Data: INTRODUÇÃO A ESTATÍSTICA A Estatística é o ramo da Matemática que coleta, descreve,

Leia mais

UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA

UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA ISBN 978-85-7846-516-2 UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA Resumo Alisso Herique dos Satos UEL Email: alisso_hs612@hotmail.com Ferada Felix Silva UEL Email: ferada.f.matematica@gmail.com

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~

Leia mais

MODELAGEM DO IUV A PARTIR DA IRRADIAÇÃO UV (A+B) EM RECIFE (PE).

MODELAGEM DO IUV A PARTIR DA IRRADIAÇÃO UV (A+B) EM RECIFE (PE). Revista Brasileira de Eergia Solar Ao 3 Volume III Número 1 Julho de 1 p. -14 MODELAGEM DO IUV A PARTIR DA IRRADIAÇÃO UV (A+B) EM RECIFE (PE). Chigueru Tiba tiba@ufpe.br Departameto de Eergia Nuclear da

Leia mais

INTERPOLAÇÃO POLINOMIAL

INTERPOLAÇÃO POLINOMIAL 1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,

Leia mais

Regressão Linear Múltipla

Regressão Linear Múltipla Regressão Liear Múltipla Lucas Sataa da Cuha http://www.uel.br/pessoal/lscuha/ 28 de ovembro de 2018 Lodria 1 / 20 Há muitos problemas que é razoável esperar que as previsões de uma variável devam melhorar

Leia mais

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Incerteza nas medidas realizadas pela prática da Câmara de Ionização.

Incerteza nas medidas realizadas pela prática da Câmara de Ionização. Icerteza as medidas realizadas pela prática da Câmara de Ioização. Emer Sales 1,2, Ferado Sadi Pito 1,2 ; Samuel Façaha Sousa Juior 1,2 ; Dayslo Luiz Gaudareto Freitas 1,2 ; Lucio das Chagas de Adrade

Leia mais

APLICAÇÃO NO ENSINO DE CÁLCULO NUMÉRICO NA ENGENHARIA DE ALIMENTOS: CONTROLE DO CRESCIMENTO MICROBIANO

APLICAÇÃO NO ENSINO DE CÁLCULO NUMÉRICO NA ENGENHARIA DE ALIMENTOS: CONTROLE DO CRESCIMENTO MICROBIANO APLICAÇÃO NO ENSINO DE CÁLCULO NUMÉRICO NA ENGENHARIA DE ALIMENOS: CONROLE DO CRESCIMENO MICROBIANO 1. INRODUÇÃO Quado os defrotamos com um problema que ão possui solução aalítica tora-se imprescidível

Leia mais

CORRELAÇÃO Aqui me tens de regresso

CORRELAÇÃO Aqui me tens de regresso CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

Estimação dos parâmetros angular e linear da equação de regressão linear simples pelo método não-paramétrico

Estimação dos parâmetros angular e linear da equação de regressão linear simples pelo método não-paramétrico Estimação dos parâmetros agular e liear da equação de regressão liear simples pelo método ão-paramétrico Alícia Bolfoi Dias, Silvao Bolfoi Dias, 3 Luciae Flores Jacobi CEEMQ - CCNE/UFSM e-mail:aliciabdias@mailufsmbr

Leia mais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais Comparação de testes paramétricos e ão paramétricos aplicados em delieametos experimetais Gustavo Mello Reis (UFV) gustavo_epr@yahoo.com.br José Ivo Ribeiro Júior (UFV) jivo@dpi.ufv.br RESUMO: Para comparar

Leia mais

P.M.S. Oliveira, C.S. Munita

P.M.S. Oliveira, C.S. Munita Estudo comparativo de métodos de ormalização em resultados experimetais. P.M.S. Oliveira, C.S. Muita Istituto de Pesquisas Eergéticas e Nucleares - IPEN-CNEN/SP, Av. Prof. Lieu Prestes 4. CEP 05508-000,

Leia mais

Estimação da área foliar de mucuna cinza por meio de método não destrutivo - NOTA -

Estimação da área foliar de mucuna cinza por meio de método não destrutivo - NOTA - Ciêcia 238 Rural, Sata Maria, v.42,.2, p.238-242, fev, Cargelutti 202 Filho et al. ISSN 003-8478 Estimação da área foliar de mucua ciza por meio de método ão destrutivo Leaf area estimatio of velvet bea

Leia mais

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ 1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo

Leia mais

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que

Leia mais

Sucessões. , ou, apenas, u n. ,u n n. Casos Particulares: 1. Progressão aritmética de razão r e primeiro termo a: o seu termo geral é u n a n1r.

Sucessões. , ou, apenas, u n. ,u n n. Casos Particulares: 1. Progressão aritmética de razão r e primeiro termo a: o seu termo geral é u n a n1r. Sucessões Defiição: Uma sucessão de úmeros reais é uma aplicação u do cojuto dos úmeros iteiros positivos,, o cojuto dos úmeros reais,. A expressão u que associa a cada a sua imagem desiga-se por termo

Leia mais

MAE 116 Estimação para a média FEA - 2º Semestre de 2018

MAE 116 Estimação para a média FEA - 2º Semestre de 2018 MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição

Leia mais

INTERVALOS DE CONFIANÇA

INTERVALOS DE CONFIANÇA INTRVALOS D CONFIANÇA 014 stimação por itervalos 1,..., é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro. Se L( 1,..., ) e U( 1,..., ) são duas fuções tais que L < U e P(L

Leia mais

Modelagem para o tempo de atravessamento e inventário médio em arranjos produtivos por processo

Modelagem para o tempo de atravessamento e inventário médio em arranjos produtivos por processo Modelagem para o tempo de atravessameto e ivetário médio em arrajos produtivos por processo Everto Peter Satos da Rosa (UNISINOS) everto.rosa@areva-td.com Felipe Morais Meezes (UNISINOS) meezes@produttare.com.br

Leia mais

INTERVALO DE CONFIANÇA BOOTSTRAP COMO FERRAMENTA PARA CLASSIFICAR RAÇAS DO NEMATÓIDE DE CISTO DA SOJA 1

INTERVALO DE CONFIANÇA BOOTSTRAP COMO FERRAMENTA PARA CLASSIFICAR RAÇAS DO NEMATÓIDE DE CISTO DA SOJA 1 INTERVALO DE CONFIANÇA BOOTSTRAP 71 INTERVALO DE CONFIANÇA BOOTSTRAP COMO FERRAMENTA PARA CLASSIFICAR RAÇAS DO NEMATÓIDE DE CISTO DA SOJA 1 JOSÉ ERIVALDO PEREIRA, JOÃO FLÁVIO VELOSO SILVA, WALDIR PEREIRA

Leia mais

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas

Leia mais

7. INTERVALOS DE CONFIANÇA

7. INTERVALOS DE CONFIANÇA 7 INTRVALOS D CONFIANÇA 00 stimação por itervalos,, é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro θ Se L(,, ) e U(,, ) são duas fuções tais que L < U e P(L θ U), o itervalo

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

MEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS

MEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS MEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS Brua Gabriela Wedpap (PIBIC/CNPq-UNIOESTE), Miguel Agel Uribe- Opazo (Orietador), e-mail: mopazo@pq.cpq.br.

Leia mais

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas . ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia

Leia mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma

Leia mais

Análise de Informação Económica e Empresarial Prova Época Normal 17 de Junho de 2013 Duração: 2h30m (150 minutos)

Análise de Informação Económica e Empresarial Prova Época Normal 17 de Junho de 2013 Duração: 2h30m (150 minutos) Desidade Liceciaturas Ecoomia/Fiaças/Gestão 1º Ao Ao lectivo de 01-013 Aálise de Iformação Ecoómica e Empresarial Prova Época ormal 17 de Juho de 013 Duração: h30m (150 miutos) Respoda aos grupos em Folhas

Leia mais

Representação de Números em Ponto Flutuante

Representação de Números em Ponto Flutuante Represetação de Números em Poto Flutuate OBS: Esta aula é uma reprodução, sob a forma de slides, da aula em vídeo dispoibilizada pelo prof. Rex Medeiros, da UFRN/ECT, em https://youtu.be/ovuymcpkoc Notação

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 /0/208 09:00 2 o teste A 0 valores. Admita

Leia mais

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas Estatística e Probabilidade, D3, 2019_1 Escolha a alterativa correta e idique o gabarito de respostas 1. Uma avaliação é costituída de 20 questões, cada uma delas com cico alterativas, das quais apeas

Leia mais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,

Leia mais

A B C A e B A e C B e C A, B e C

A B C A e B A e C B e C A, B e C 2 O ANO EM Matemática I RAPHAEL LIMA Lista 6. Durate o desfile de Caraval das escolas de samba do Rio de Jaeiro em 207, uma empresa especializada em pesquisa de opiião etrevistou 40 foliões sobre qual

Leia mais

1 Amintas engenharia

1 Amintas engenharia 1 Amitas egeharia 2 Cálculo Numérico 1. Itrodução Amitas Paiva Afoso 3 1. Itrodução O que é o Cálculo Numérico? 4 1. Itrodução O Cálculo Numérico correspode a um cojuto de ferrametas ou métodos usados

Leia mais

ESCUTANDO O COEFICIENTE DE RESTITUIÇÃO E A ACELERAÇÃO

ESCUTANDO O COEFICIENTE DE RESTITUIÇÃO E A ACELERAÇÃO ESCUANDO O COEFICIENE DE RESIUIÇÃO E A ACELERAÇÃO GRAVIACIONAL DE UMA BOLA Carlos Eduardo Aguiar [carlos@if.ufrj.br] Fracisco Laudares [f_laudares@hotmail.com] Istituto de Física, Uiversidade Federal do

Leia mais

O PARADOXO DE SIMPSON

O PARADOXO DE SIMPSON O PARADOXO DE SIMPSON Valmir R. Silva Adre Toom PIBIC-UFPE-CNPq Itrodução A aálise cietífica de dados através da modelagem matemática é uma atividade idispesável a Teoria de Decisão. O mesmo coceito é

Leia mais