ANÁLISE DO DESEMPENHO DAS ESCOLAS DE ENSINO MÉDIO ATRAVÉS DA METODOLOGIA DEA (DATA ENVELOPMENT ANALYSIS)

Tamanho: px
Começar a partir da página:

Download "ANÁLISE DO DESEMPENHO DAS ESCOLAS DE ENSINO MÉDIO ATRAVÉS DA METODOLOGIA DEA (DATA ENVELOPMENT ANALYSIS)"

Transcrição

1 AÁLISE DO DESEPEHO DAS ESCOLAS DE ESIO ÉDIO ATRAVÉS DA ETODOLOGIA DEA (DATA EVELOPET AALYSIS) PERFORACE AALYSIS OF IDDLE SCHOOLS TEACHIG THROUGH THE ETHODOLOGY DEA (Data Evelopet Aalss) Sebastão Geraldo Barbosa; Carlos Ropelatto Ferades; arlee. Yaaoto Pres UESPAR- Uversdade Estadal do Paraá, Paraavaí PR, Brasl. E-al: RESUO Este trabalho teve coo obetvo aalsar o desepeho das escolas de eso édo pertecetes aos úcleos Regoas de Edcação de Paraavaí, Loada e Caorte, aplcado a etodologa DEA (Data Evelopet Aalss) e regressão Tobt. Através dos város odelos DEAs procro-se deterar os ídces de efcêca e o rag das escolas, detfcado as DUs (Decso ag Ut) pertecetes ao Becharg, co a faldade de propor lhas de ações para as escolas efcetes. Através da regressão Tobt procro-se aalsar o gra de relacoaeto etre os ídces de efcêcas das escolas e os sos, detfcado etre os város odelos DEAs, o as cosstete para este tpo de pesqsa. Todo o trabalho fo fdaetado os dados obtdos através dos qestoáros respoddos pelos caddatos e resltados dos ses últos vestblares da UESPAR - Caps de Paraavaí. Palavras-chaves: Efcêca; Aálse; Desepeho. ABSTRACT Ths std aed to aalze the perforace of hgh schools sg as saple sze the schools belogg to the Regoal Edcato Ceters Paraavaí, Loada ad Caorte applg the ethodolog DEA (Data Evelopet Aalss) ad Tobt regresso. Throgh the varos odels DEAs were detered effcec ratos ad the rag of schools seeg to detf the DUs (Decso ag Ut) belogg to Becharg for the prpose of proposg les of actos for edcatoal stttos effectve. All wor was based o data obtaed fro qestoares aswered b the caddates ad reslts of the last for of the vestblar UESPAR/FAFIPA. Tobt regresso was soght to aalze the degree of relatoshp betwee the dces of effcec of schools ad pts, trg to detf betwee the varos odels DEAs, the ost cosstet for ths tpe of research. Kewords: Effcec; Aalss; Perforace. Recebdo e: 22/4/24 Revsado e: 2//24 Aprovado e: 4//24_ Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73c

2 2 efcêca eso ão apresetado o ITRODUÇÃO Os stretos tlzados pelo EC para avalação das escolas públcas (Ee, Ideb) apeas dagostca a ()efcêca do processo se levar de aera obetva as elhor resltado fal. A aálse de regressão Tobt ala este processo, o setdo de verfcar e edr a cosstêca dos odelos DEAs tlzados, a vez qe os ídces deterados pela dversas realdades vvecadas pelas escolas. etodologa DEA apreseta algs Iportate, sera processo qe possa dagostcar de aera as efcaz as casas dos scessos dos alos as sttções públcas levado e cosderação todas as dversdades das dades edcacoas. a bsca de a ova etodologa, tervalos de trcaetos o cesrados. a lteratra ecotra-se város trabalhos qe eprega DEA e Regressão Tobt. Por e., Kravae e Loae (995) realzara trabalho para avalar 29 escolas secdáras da Flâda, tlzado a algs pesqsadores tê desevolvdo Regressão Tobt e DEA para eplcar o gra ovas téccas para aalsar o desepeho das dades de esos e forecer sbsídos para as toadas de decsões. Detre os de efcêca das escolas. Ros (25), realzo trabalho, e sa dssertação de estrado, eddo a város odelos presete a lteratra efcêca relatva das operações dos destaca-se DEA (Data Evelopet teras de cotêeres do ercosl, Aalss), desevolvdo por Chares, Cooper e Rhodes (978). Os város odelos DEAs perte tlzado Data Evelopet Aalss e Aálse de Regressão Tobt. O qe se bsca através deste proeto deterar ídces de efcêcas das é apresetar algas ferraetas qe sttções de eso levado e serve de streto para aalsar e edr cosderação as varáves sgfcatvas o desepeho das escolas, de aera as (sos) ao da a da da escola qe terfere o desepeho (prodtos) dos sta levado e cosderação as sas dversdades. alos. Por eeplo, a escola pode obter alto ídce de aprovação, poré todas as varáves (sos) são favoráves eqato, otra pode apresetar eor ídce, poré as varáves pode ser desfavoráves, o qe pode dcar elhor ídce de. DATA EVELOPET AALYSIS DEA O DEA (Aálse Evoltóra de Dados) evolve o so de étodos de prograação lear para costrr a frotera ãoparaétrca sobre os dados, ode as eddas Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

3 de efcêcas são calcladas e relação a sa frotera. O DEA é cosderado, hoe, coo a poderosa ferraeta para defr estratégas para o Becharg, co a faldade de dcar lhas de ações para torar efcetes epresas efcetes. Becharg pode ser cosderado coo grpo de DUs efcetes qe serve de referêca para qe otras DUs efcetes cosga sas efcêcas. São váras as forlações dos odelos de DEA ecotrados a lteratra, poré são dos os odelos báscos as tlzados as aplcações. O odelo chaado CCR (CHARES; COOPER; RHODES, 978), tabé cohecdo coo CCR (Costate Retres to Scale), avala a efcêca total, detfca as DUs efcetes e detera a qe dstâca da frotera de efcêca estão as dades efcetes. O odelo chaado BCC (BAKER; CHARES; COOPER, 984), cohecdo coo VRS (Varable Retrs to Scale), tlza a fção dal, pertdo a proeção de cada DU efcete sobre a sperfíce de frotera de prodção deterada pelas DUs efcetes. odelo CCR odelo dos ltplcadores, co retoro costate de escala. a) Oretação so Qado úco so é sado para gerar úco prodto, a prodtvdade do plao de operação observado (, ) é calclado por EF = 3. Poré, qado este város sos para gerar város prodtos, a efcêca EF pode ser calclada pela razão etre as qatdades dos prodtos gerados agregados e úco prodto vrtal e as qatdades dos sos cosdos agregadas e úco so vrtal. EFC ( X Y ) a C S. a v,...,,, v, Ode: S é o úero de prodtores; é o úero de sos; é o úero de prodtos; o S v, o é a qatdade de so da o-ésa DU; o é a qatdade de prodto da o-ésa DU; é o peso atrbído ao prodto ; v é o peso atrbído ao so ; é a qatdade de prodto observado da DU ; é a qatdade de so observado da DU. b) Oretação prodto E algas stações, cofore Coell, Rao e Baltese (998), tora-se as teressate selecoar odelos co Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

4 oretação prodção. Segdo eles algas dades podera ter a qatdade fada de recrsos pretededo prodzr tos prodtos. este caso, a oretação prodto podera ser as coveete ode o obetvo é azar os prodtos obtdos se alterar o ível atal de sos. Serão dadas as qatdades cosdas dos sos e a efcêca técca será calclada a partr da áa epasão radal dos vetores dos prodtos. O obetvo é azar os prodtos obtdos se alterar o ível atal dos sos. EFC ( X Y ) C S. a v,, v, v,,..., s odelo BCC odelo dos ltplcadores, co retoro varável de escala Otro odelo, cosderado fdaetal para o desevolveto da etodologa DEA é deoado de odelo BCC (BAKER; CHARES; COOPER, 984), cohecdo coo VRS (Varable Retrs to Scale), pos presspõe retoros varáves de escala. s. a a) Oretação so EFC ( X Y ) C v a v,, v o,,..., S,, rrestrto b) Oretação prodto: EFC ( X Y ) C S. a v v,, v v v,,..., S,, v 4 rrestrto.. EDIDAS DE EFICIÊCIAS COPLETAS Ecotra-se dspoíves a lteratra váras eddas copletas, as as as cohecdas são: edda baseada e folgas SB (Slac Based easre) Este odelo fo proposto por Toe e Tsts (2) e é baseada os ecessos de coso e as folgas de prodção relatvaete às qatdades observadas. Para todo plao de prodção observado, a edda é: ( o, o ) λ s. a S S λ - ; s λ t s t s o o ; t,..., o,..., o, Ode s s e t são vetores de qatdades de ecessos de coso e folgas a prodção, respectvaete, e e o úeros de sos e de prodtos respectvaete. Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

5 edda astada por apltde RA (Rage Adsted easre) A edda astada por apltde é calclada co base a apltde das qatdades de sos e prodtos. Este odelo fo proposto por Cooper, Par e Pastor (999). ( o, o ) - ode s. a. R J J { { s t o o s R ; s ; t - }, e }, R a{ a{ t R,,...,,,..., - }, }, C s.a sr v S S s r ( S) Ode E é a efcêca calclada pelo odelo DEA padrão e E s é a efcêca da DUs calclada tlzado os pesos obtdos para a DU, e é a efcêca crzada éda da DU. O valor de e s pode ser calclado através de: e s E s s co s O se a dagoal prcpal e s E s - s co s 5..2 AVALIAÇÃO CRUZADA (CROSS EVALUATIO) A avalação crzada tlza os escores de efcêcas deteradas através do odelo tradcoal DEA e ses pesos ótos para atgre a efcêca o trabalho de Dole e Gree (994) fo sgerda a fção obetvo defda qe za a soa poderada dos prodtos da DU coposta dvdda pela soa poderada dos pts da DU coposta. Para deterar as DUs co a aor dfereça relatva etre a efcêca padrão e a efcêca crzada éda, tlzase a fórla: (E - es ) e s As DUs co aores são deoadas avercs (DOYLE; GREE, 994). Qado a DU é efcete o odelo padrão e te alto é chaada de falso postvo, ostrado aqela DU qe atge % de efcêca, poré, tlzado soete pesos rreas. Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

6 .2 REGRESSÃO TOBIT Ua aostra a qal a foração sobre a varável resposta estea dspoível soete para algas observações é cohecda coo aostra cesrada. Por sto o odelo de Tobt é tabé chaado de regressão cesrada. Város atores tê tlzado os odelos de regressão co o étodo DEA para aalsar a efcêca das orgazações. Thaassols (993) fo dos preros atores a ostrar as vatages a aplcação de regressão o odelo DEA coo étodos alteratvos qe pode ser tlzados para coparar a efcêca de dades. E DEA, os escores de efcêca sta-se etre e, torado-se probleátca a aplcação dos étodos de íos qadrados ordáros (QO), devedo, portato, ser tlzado o odelo Tobt. ateatcaete epressar o odelo Tobt pela eqação:.... pode-se A eqação de Tobt pode ser cosderada coo odelo de regressão lear, o qal (varável latete) sbstt o. Esta sbsttção é ecessára devdo ao odelo Tobt possr dados cesrados o trcados. Este pode assr valores a dreta, a esqerda o e deterado tervalo., Y, se se O odelo cesrado, padrão Tobt, é as faclete defdo coo odelo de varável latete, cofore:, ~ (, 2 ) ode:.. e a(, ) a etodologa a DEA os escores de efcêcas para a oretação so estão stados etre e, portato, este a dstrbção ão oral, as cesrada para valores eores qe e aor qe, da esa fora, a oretação prodto este a dstrbção oral, as cesrada eores qe, portato, a regressão Tobt tora-se to útl a etodologa DEA. Qado se pretede deterar o gra de relacoaeto etre cada prodto co os ídces de efcêcas das DUs tlzadas e trabalho de pesqsas, co a faldade de verfcar a cosstêca etre os város odelos DEAs é coveete a tlzação de Aalse de Regressão Tobt, através dos segtes odelos:, Y, se ecaso cotráro para a oretação so 6 Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

7 , Y, se se para oretação prodto 2 ATERIAL E ÉTODO As escolas de Eso édo, obeto de estdo deste trabalho, pertece aos úcleos de Eso de Paraavaí, Loada e Caorte evolvedo 2 cípos do RE de Paraavaí, cípos do RE de Loada e do RE de Caorte totalzado 68 escolas públcas co aproadaete 2 alos e 6 escolas prvadas co aproadaete 2 alos. Para desevolver o presete estdo, fora selecoadas varáves co aor represetatvdade focada a stação sóco ecoôca e qe pdesse ter alga flêca o desepeho dos alos os processos seletvos das versdades. Estas varáves fora orgazadas e dos grpos, so e prodtos cofore sas característcas. Isos X. Escolardade da faíla; X 2. Stação ecoôca da faíla (salaral); X 3. Ídces porcetas dos alos qe ão poss a cor da pele braca ; o Paraá este 32 RE, sbordados à SEED, coordeado e oferecedo sporte edcacoal às escolas de eso básco e 395 cípos do Estado. Eles acopaha a platação e eecção das polítcas edcacoas do Estado do Paraá as escolas de sa rsdção. Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73 X 4. Ídces porcetas de alos qe ão trabalha; X 5. Ídces qe ede o tepo qe o caddato fez eso fdaetal e escola prvada; X 6. Ídces qe ede o tepo qe o caddato fez Eso édo e escola prvada Prodtos Y. Ídce porcetal dos alos scrtos; Y 2. Ídce porcetal dos alos classfcados o lte de vagas; Y 3. Ídce porcetal dos alos aprovados 2. Os levataetos dos dados fora obtdos através de qestoáros respoddos pelos caddatos o oeto da scrção e relatóros obtdos pelo sstea do vestblar da UESPAR/FAFIPA. Fora tlzados coo aostra, os resltados dos qatro últos cocrsos vestblares da FAFIPA, evolvedo aproadaete 72 caddatos. Para a tablação dos dados fo tlzado o software Sph Léca e laçados para o crosoft Ecel para a costrção das tabelas. Para deterar os ídces das varáves X, e X 2 fora tlzados pesos as alteratvas dos qestoáros de fora a azar os valores. Por eeplo, aor ídce correspode as escolarzação e 2 Cosdera-se caddatos aprovados todos qe cosegra ota da redação aor o gal a 3. e éda fal aor o gal a 2.. 7

8 elhor stação ecoôca. Hove, tabé, a preocpação o setdo de drecoar as varáves sos co os prodtos trabalhados (e: part-se do prcípo qe a escola co cletela de aor escore salaral te elhor desepeho) e tabé ater a esa escala para todas as varáves. Das 72 escolas pesqsadas fora descartadas 22 e fção do peqeo úero de caddatos scrtos, co a faldade de cosegr elhor cosstêca dos dados. A tabela fo obtda a partr da depração, coversão e drecoaeto das varáves sos/prodtos. Tabela. Isos e prodtos coletados o vestblar de 2/22 FAFIPA Esc. X X 2 X 3 X 4 X 5 X 6 Y Y 2 Y Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

9 Fote: Dados coletados através dos qestoáros sóco-ecoôcos e relatóros dos vestblares 9 A etodologa aplcada para obteção dos resltados pode ser destacada e das etapas: a prera etapa fora aplcados os város odelos DEAs evolvedo todas as escolas para deterar o se desepeho, sedo tlzados os softwares DEA-SAED e Sadv2; a segda etapa fo tlzado a regressão Tobt para aalsar a cosstêca dos odelos DEA e o gra de relacoaeto etre os sos e os ídces de efcêcas das escolas de cada odelo DEA, através do software Evews.5. 3 RESULTADOS E DISCUSSÃO Para aálse dos dados costr-se a tabela abao, co os ídces de desepeho das 5 escolas tlzado os 6 sos e os 3 prodtos, obtdos a partr da aplcação dos város odelos DEAs, tlzado o software DEA-SAED e Sadv2. Tabela 2. Ídce de efcêcas das escolas de Eso édo dos REs de Paraavaí, Loada e Caorte. Escolas Iso Iso Prodto Prodto CCR Is. escolas CCR BCC CCR BCC CRUZADA Rag SB RA Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

10 Fote: Dados obtdos através do software DEA-SAED e Sadv2. Observa-se, pela tabela 2, qe a escola 2 fo a elhor raqeada, avalação crzada, sto dca qe eso co as codções desfavoráves (alos de escolas públcas), apreseto razoável desepeho o cocrso vestblar. o etato, a escola 7, por eeplo, forados por alos de eso prvado, co 7% de aprovação o lte de vaga, fco raqeada e 43º lgar, pos as codções fora todas favoráves (bos sos). Isto ostra a grade vatage do DEA: ão basta tão soete os resltados, são aalsadas, tabé, as codções dos sos. Através do odelo DEA BCC so, pode-se observar qe hove 3 Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

11 escolas co efcêca áa, sedo qe a escola 2 fo a eos efcete co ídce de prodtvdade gal.67. Este odelo, eso cosderado o as cosstete (tabela 4), apreseto váras DUs co pesos rreas. Isto pode ser coprovado deterado o, averc. Por e., a DU 2 te =, cosderada as efcete pos poss eor, sto sgfca, qe sa efcêca é cosstete o sea, co pesos reas, eqato ao DU 36 cosderada efcete o odelo CCR prodto, poré ses pesos são rreas, deoado falso postvo, pos poss = Isto acotece, pos os odelos DEAs tradcoas, váras DUs, para cosegre sa efcêca, asse pesos los, daí a portâca do odelo de Avalação Crzada. U fato qe erece ateção, cofore tabela 2, é qe as escolas 22 e 25 cosderadas efcetes e todos os odelos, fora raqeadas, através da avalação crzada, a 7ª e 28ª posção, pos ses são relatvaete altos o qe dca efcêca co pesos rreas. Para cálclo dos ídces de efcêca da avalação crzada fora tlzados os ídces de efcêca do odelo BCC so pelo fato de ter apresetado elhor relacoaeto co os sos (tabela 5). Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73 Tabela 3. Becharg costrído através do odelo BCC so DUs Becharg 4, 6, 24, 25, 3 e 44 2, 6 e , 6, 2, 22, 3, 4 e 47 6, 2, 6, 22, 4, 46 e 5 7 6, 7, 24, 3 e 4 8,, 6, 22, 25 e 5 3 6, 2 e , 24, 3, 47 e , 6, 24, 46 e , 9, 3, 47, 49 e 5 3 6, 7, 2 e ,, 6, 24, 3, 49 e , 4, 6, 24, 26, 3 e , 7, 24 e , 6, 7, 24 e , 6, 7, 24 e 3 39, 6, 24 e 47 43, 6, 22, 3, 4 e 46 Fote: Os ídces fora obtdos pelo software Evews.5. Observa-se pela tabela 3 qe a escola 6, 3ª colocada o rag, serve de referêca (Becharg) para as otras escolas. Esta escola ão apreseto elhor desepeho prcpalete o prodto Y 2 (ídce de aprovação o lte de vagas), poré as codções (sos) ão fora tão favoráves, otvo, pelo qal toro-se a grade referêca para as deas. As DUs qe costte o Becharg serve coo referêca para

12 2 aqelas qe ão são efcetes, cosegre sa efcêca. Por e., a escola 2, ão efcete, pode cosegr sa efcêca, espelhado-se os proetos desevolvdos pelas escolas, 6 e 44. Observa-se qe a escola 6 é a das elhores raqeadas A tabela 4 ostra os ídces de regressão Tobt tlzado coo varável depedete os ídces de efcêca dos város odelos DEAs apresetados a tabela 2 e coo varável depedete os sos apresetados a tabela. Os ídces fora pela avalação crzada e serve de referêca obtdos através da tlzação software para todas as deas. Evews.5. Tabela 4. Ídce de regressão etre os sos e os ídces de efcêcas das Escolas CCR Iso BCC Iso CCR Prodto BCC Prodto SB RA CRUZADA 47,57% 7.66% 49.53% 32.72% 4.8% 64.27% 53.2% Fote: Ídces obtdos através da tlzação software Evews.5. A partr da tabela 4, fo possível calclar o ídce de correlação etre os sos e os ídces de efcêca de cada odelo DEA. Tabela 5. Ídce de correlação últpla etre os sos e os ídces de efcêcas das Escolas. CCR ISUO BCC ISUO CCR PRODUTO BCC PRODUTO SB RA CRUZADA Fote: Ídces obtdos através da tlzação software Evews.5. Observa-se, através da tabela 5, qe os odelos BCC so, RA e Avalação Crzada apresetara, de acordo co os dados, elhores ídces de relacoaetos co os sos, evdecado a elhor cosstêca estes odelos de pesqsas. Pode-se observar, através da tabela 4, qe o odelo BCC so é o as cosstete, pos os sos cosege eplcar 7.66% dos ídces de efcêcas das escolas. Ebora sedo o odelo as sgfcatvo para este tpo de pesqsa (co dados coletados) apreseta certa desvatage e relação a avalação crzada pelo fato de tlzar tos pesos gas a zero para deterar se ídce de efcêca, desta fora gera tas DUs efcetes. O qadro abao ostra a aálse de regressão Tobt etre os ses sos e os ídces de efcêca do odelo BCC sos, tlzado o software EVews.5. Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

13 3 Depedet Varable: Y2 ethod: L - Cesored oral (TOBIT) (Qadratc hll clbg) Date: 6//3 Te: 22:25 Saple: 2 25 Iclded observatos: 5 Left cesorg (vale) seres: Rght cesorg (vale) seres: Covergece acheved after 7 teratos Covarace atr copted sg secod dervatves Coeffcet Std. Error z-statstc Prob. X X X X X X C Error Dstrbto SCALE:C(8) R-sqared ea depedet var Adsted R-sqared S.D. depedet var S.E. of regresso Aae fo crtero S sqared resd.86 Schwarz crtero Log lelhood Haa-Q crter Avg. log lelhood.2988 Left cesored obs Rght cesored obs 3 Ucesored obs 9 Total obs 5 Observa-se, através do qadro aca, qe pela regressão Tobt, hove 3 valores cesrados a dreta, o sea, aores qe. A portâca da tlzação da aálse de regressão Tobt é qe os parâetros são estados por áa verosslhaça e ão por QO, forecedo a estatva as cosstete e garata de (E ˆ ) 4 COCLUSÃO Atalete, há a preocpação geral e dagostcar o desepeho das escolas públcas. O fraco desepeho dos Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

14 alos os processos seletvos das versdades e as dfcldades o se gresso o ercado de trabalho tê levado pesqsadores a procrar as casas destes eetes fracassos e oferecer sbsídos para possíves elhoras a qaldade de eso. A Secretara da Edcação e o EC procra, através da prova do EE, avalar a qaldade do Eso édo se levar e cosderação a stação sóco ecoôca da cletela e otras varáves qe faze parte do coteto da escola. É evdete qe a flêca de tas varáves te papel relevate o desepeho do alo. Observa-se através da aplcação dos város odelos DEAs, a realdade preocpate, pos, eso os dcadores edcacoas ostrado o eso públco abao do esperado, a aora das escolas clsve as públcas, fcoa detro de ídce de efcêca. Isto pode ser eplcado pelo fato de qe a grade aora das sttções de eso públco apreseta stações e probleas seelhates. O grade úero de varáves cos as escolas é desfavorável a a apredzage cosstete, poré, eso ass, as escolas co todas sas dversdades cosege ostrar certo gra de efcêca. Ebora, este trabalho, o odelo BCC so apreseto-se as cosstete, a avalação crzada ostra-se as efcaz, pos evta qe odelo DEA atrba város pesos zeros para cosegr sa efcêca, o qe ão é teressate e a pesqsa edcacoal. Observo-se qe a das escolas se destaco, servdo de odelo (Becharg), para as escolas efcetes. Talvez, sera o caso das secretaras o úcleos de eso aalsar o qe de dferete esta escola poss e/o está desevolvedo para elaborare proetos de eso as efcazes. Este trabalho ostro qe a etodologa DEA pode ser streto portate para avalação peródca das sttções de eso, alado as toadas de decsões e o desevolveto de ses proetos. REFERÊCIAS BAKER, R. D.; CHARES, A.; COOPER, W. W. Soe odels for estatg techcal ad. le effceces data evelopet aalss. aageet Scece, v. 3, p , 984. COELLI, T.; RAO, D. S. P.; BALTESE, G. E. A trodcto to effcec ad prodctvt aalss. assachsetts: KAP, 998. CHARES, A.; COOPER, W. W.; RHODES, E. easrg effcec of decso ag ts. Eropea Joral of Operatoal Research, v. 2, p , 978. COOPER, W. W.; PARK, K. S.; PASTOR, J. T. RA: a rage adsted easre of effcec for se wth addtve odels, ad relatos to other odels ad easres 4 Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

15 DEA. Joral of Prodctvt Aalss, v., p. 5-42, DOYLE, J.; GREE, R. Effcec ad crosseffcec DEA dervatos, eags ad ses. J. Opl. Res. Soc., [S. l.], v. 45, p , 994. KIRJAVAIE, T.; LOIKKAE, H. A Effcec ad Prodctvt Fsh Coprehesve Schoolg Research Reports, 995. RIOS, L. R. eddo a efcêca relatva das operações dos teras de cotêeres do ercosl. 25. Dssertação (estrado)- Uversdade Federal do Ro Grade do Sl, Porto Alegre, RS. THAASSOULIS, E. A coparso of regresso aalss ad data evelopet aalss as alteratve ethods for perforace assessets. J. Opl. Res. Soc., v. 44,., p , 993. TOE, K.; TSUTSUI,. Dac DEA: a slacsbased easre approach. Oega, v. 38, p , 2. Colloq Eactar, v. 6,.2, Jl-Ago. 24, p. 5. DOI:.5747/ce.24.v6.2.e73

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

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

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

Atividades relacionadas à ManjarBrancoG

Atividades relacionadas à ManjarBrancoG Atdades relacoadas à MajarBracoG Neste cojto de atdades está oblzado o estdo da ção ajar braco, sto é, a ção qe o doío é o teralo echado [0,] e asse alores o cojto dos úeros reas. Essa ção é deda coo o

Leia mais

Capítulo 2. Aproximações de Funções

Capítulo 2. Aproximações de Funções EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores

Leia mais

Hipóteses do Modelo de Regressão Linear Clássico

Hipóteses do Modelo de Regressão Linear Clássico Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas

Leia mais

e represente as no plano Argand-Gauss.

e represente as no plano Argand-Gauss. PROFESSOR: Cládo Das BANCO DE QUESTÕES MATEMÁTICA ª SÉRIE ENSINO MÉDIO ============================================================================================== - Determe o módlo dos segtes úmeros

Leia mais

A METHODOLOGY FOR DATA CLEANING OF WIND SPEED TIME SERIES

A METHODOLOGY FOR DATA CLEANING OF WIND SPEED TIME SERIES A METHODOLOGY FOR DATA CLEANING OF WIND SPEED TIME SERIES José F.M. Pessaha, Val L.O. Castella, Thataa J. Coceção, Debora D.J. Pea, Mara E. P. Macera CEPEL Cetro de Pesqsas de Eerga Elétrca fracsc@cepel.br

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Autovalores e Autovetores..- Autovetores e Autovalores de ua Matrz..- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. Cotuação da

Leia mais

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA PMR 40 Mecâca Coputacoal CAPÍTULO III MÉTODOS DE RUNGE-KUTTA São étodos de passo sples requere apeas dervadas de prera orde e pode forecer aproxações precsas co erros de trucaeto da orde de, 3, 4, etc.

Leia mais

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.

Leia mais

8. INFERÊNCIA PARA DUAS POPULAÇÕES

8. INFERÊNCIA PARA DUAS POPULAÇÕES 8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

AVALIAÇÃO DO CAMPEONATO MUNDIAL DE FÓRMULA 1 COM ANÁLISE ENVOLTÓRIA DE DADOS

AVALIAÇÃO DO CAMPEONATO MUNDIAL DE FÓRMULA 1 COM ANÁLISE ENVOLTÓRIA DE DADOS AVALIAÇÃO DO CAMPEONATO MUNDIAL DE FÓRMULA COM ANÁLISE ENVOLTÓRIA DE DADOS Slvo Fgeredo Goes Júor Mestrado e Egehara de Prodção Uversdade Federal do Ro de Jaero Ra Passo da Pátra 56, 2420-240, Nteró, RJ

Leia mais

XV SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA - SENDI Técnicas de Cluster Analysis na Construção de Tipologias de Curva de Carga

XV SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA - SENDI Técnicas de Cluster Analysis na Construção de Tipologias de Curva de Carga XV SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA - SENDI Téccas de Clster Aalyss a Costrção de Tpologas de Crva de Carga J. F. M. Pessaha CEPEL/UERJ, R. M. G. Velasqez CEPEL A. C. G. Melo - CEPEL/UERJ,

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

RESOLUÇÃO DE MODELOS FÍSICOS COM O MÉTODO DOS ELEMENTOS FINITOS MÓVEIS

RESOLUÇÃO DE MODELOS FÍSICOS COM O MÉTODO DOS ELEMENTOS FINITOS MÓVEIS Cogreso de Métodos Nércos e Igeería 005 Graada, 4 a 7 de Jlo, 005 SEMNI, España 005 RESOLUÇÃO DE MODELOS FÍSICOS COM O MÉTODO DOS ELEMENTOS FINITOS MÓVEIS Mara do Caro Cobra 1 *, Carlos Sereo e Alíro E.

Leia mais

Consideremos a fórmula que nos dá a área de um triângulo: = 2

Consideremos a fórmula que nos dá a área de um triângulo: = 2 6. Cálculo Derecal e IR 6.. Fução Real de Varáves Reas Cosdereos a órula que os dá a área de u trâulo: b h A( b h) Coo podeos vercar a área de u trâulo depede de duas varáves: base (b) e altura (h) Podeos

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. .pucrs.br/faat/val/.at.ufrgs.br/~val/ Prof. Lorí Val, Dr. val@at.ufrgs.br val@pucrs.br Coleção de úeros estatístcas O úe ro de carros ve ddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%.

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás

Leia mais

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que

Leia mais

Probabilidades como ferramentas de controle da quantidade de poluentes emitidos pelo tráfego de veículos motorizados

Probabilidades como ferramentas de controle da quantidade de poluentes emitidos pelo tráfego de veículos motorizados XXV Ecotro Nac. de Eg. de Produção Porto Alegre, RS, Brasl, 29 out a 0 de ov de 2005 Probabldades coo ferraetas de cotrole da quatdade de poluetes etdos pelo tráfego de veículos otorzados Luz Delca Castllo

Leia mais

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II)

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II) Cálulo Nuéro Iterpolação Poloal Ajuste de Curvas (Parte II) Pro Jore Cavalat joreavalat@uvasedubr MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - wwwdsuedubr/~u/ Ajuste de Curvas

Leia mais

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i Tecnologa de Grpo 1. Jstfcatva e Iportânca da Tecnologa de Grpo Tecnologa de grpos é conceto portante aplcado na foração de céllas de anfatra. A organzação do sstea de prodção e céllas de anfatra poss

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

Como primeiro exemplo de uma relação de recorrência, consideremos a seguinte situação:

Como primeiro exemplo de uma relação de recorrência, consideremos a seguinte situação: Relações de Recorrêcas - Notas de aula de CAP Prof. José Carlos Becceer. Ao 6. Ua Relação de Recorrêca ou Equação de Recorrêca defe ua fução por eo de ua epressão que clu ua ou as stâcas (eores) dela esa.

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC) Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação

Leia mais

Centro de massa Dinâmica do corpo rígido

Centro de massa Dinâmica do corpo rígido Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky

Leia mais

SOLUÇÃO DE EQUAÇÕES DIFERENCIAIS POR DIFERENÇAS FINITAS-JM Balthazar- Maio Resolvendo um Problema de Condução de Calor

SOLUÇÃO DE EQUAÇÕES DIFERENCIAIS POR DIFERENÇAS FINITAS-JM Balthazar- Maio Resolvendo um Problema de Condução de Calor SOLUÇÃO DE EQUAÇÕES DIFERENCIAIS POR DIFERENÇAS FINIAS-JM Balthazar- Mao 3 Resolvedo u Problea de Codução de Calor Para troduzr o étodo das dfereças ftas de ua fora prátca vaos cosderar u problea de codução

Leia mais

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES. Dferecas de orde superor Tratareos apeas o caso das fuções de A R e R sedo que o caso geral das fuções de A R e R se obté a

Leia mais

Programação Paralela

Programação Paralela rograação aralela FEU 4. Avalação de steas aralelos Defções Razão etre a velocdade de processaeto coseguda o sstea paralelo e a velocdade coseguda co u processador (pouca foração...) Efcêca Quocete do

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Centro de massa Dinâmica do corpo rígido

Centro de massa Dinâmica do corpo rígido Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky

Leia mais

Decomposição Lagrangeana com Geração de Colunas para o Problema de Programação Quadrática Binária Irrestrita

Decomposição Lagrangeana com Geração de Colunas para o Problema de Programação Quadrática Binária Irrestrita Decoposção Lagrageaa co Geração de Coluas para o Problea de Prograação Quadrátca Bára Irrestrta Geraldo Regs Maur,2, Luz Atoo Noguera Lorea 2 Cetro de Cêcas Agráras, Departaeto de Egehara Rural Uversdade

Leia mais

MODELAGEM MATEMÁTICA E ANÁLISE DO PROCESSO DE FLOCULAÇÃO EM CÂMARAS EM SÉRIE

MODELAGEM MATEMÁTICA E ANÁLISE DO PROCESSO DE FLOCULAÇÃO EM CÂMARAS EM SÉRIE MODELAGEM MATEMÁTICA E ANÁLISE DO POCESSO DE FLOCULAÇÃO EM CÂMAAS EM SÉIE odrgo B Moruzz, Sauel Coceção de Olvera Professor da Uesp, Capus de o Claro, o Claro-SP, Brasl, roruzz@rcuespbr Professor da Uesp,

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

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

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NM ÉRICOS PARA E QAÇÕES DIFEREN CIAIS PARCIAIS - Método de Dfereças Ftas Aplcado às Eqações Dferecas Parcas..- Apromação de Fções...- Apromação por Polômos...- Aste de Dados: M ímos Qadrados..-

Leia mais

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx EXEMPLO MOTIVADOR I Método da Aproxmação Polomal Aplcado a Problema Udrecoa com Smetra. Eqaçõe Dfereca Ordára Problema de Valor o Cotoro Etrtra Geral do Problema: d dy( x) x f x, yx x dx dx o domío : x

Leia mais

5. Funções teste. L 2 ( )= {u :? ; Borel mensurável com u 2 dx < 8 }

5. Funções teste. L 2 ( )= {u :? ; Borel mensurável com u 2 dx < 8 } 5. Fções teste Até agora estvemos tratado tesvamete com a tegração. Uma cosa qe temos vsto é qe, cosderado espaços das, podemos pesar as fções como fcoas. Vamos rever brevemete esta déa. osdere a bola

Leia mais

Capítulo 9 Problema 01 Problema 03 Problema 04

Capítulo 9 Problema 01 Problema 03 Problema 04 Bssab&Morett Caítlo Problema mod, orqe + mod, orqe + Problema a, m m, ( ) mod mod, ( ) mod mod, ( ) mod mod,...,,,,..., Portato, o eríodo esse caso é h. Problema a, m, m ( ) mod mod, ( ) mod mod, ( ) mod

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

1. Quantidade de dinheiro doado para caridade: muitas pessoas não fazem este tipo de doação. Uma parcela expressiva dos

1. Quantidade de dinheiro doado para caridade: muitas pessoas não fazem este tipo de doação. Uma parcela expressiva dos Tópcos em Econometra I Ala /7/23 Modelo Tobt para solção de canto Eemplos Solções de canto. Qantdade de dnhero doado para cardade: mtas pessoas não fazem este tpo de doação. Uma parcela epressva dos dados

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. P x t i x t i x t i x t i

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. P x t i x t i x t i x t i Departaeto de Iforátca Dscpla: do Desepeho de Ssteas de Coputação Cadeas de Marov I Processos de Marov (ou PE Marovao) Sea u processo estocástco caracterzado pela seüêca de v.a s X(t ),,,, Sea X(t ) a

Leia mais

QUESTÕES DISCURSIVAS Módulo

QUESTÕES DISCURSIVAS Módulo QUESTÕES DISCURSIVAS Módulo 0 009 D (FUVEST-SP 008 A fgura ao lado represeta o úero + o plao coplexo, sedo a udade agára Nessas codções, a detere as partes real e agára de e b represete e a fgura a segur

Leia mais

Testes à Estabilidade dos Parâmetros de um Modelo de Regressão: Uma Aplicação Especial dos Regressores Dummy

Testes à Estabilidade dos Parâmetros de um Modelo de Regressão: Uma Aplicação Especial dos Regressores Dummy R EVISTA DE E STATÍSTICA 4ª P A GINA º QUADRIMESTRE DE Testes à Establdade dos Parâmetros de m Modelo de Regressão: Uma Aplcação Especal dos Regressores Dmm Atores: Patríca Oom do Valle Efgéo Rebelo VOLUME

Leia mais

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA CADERNOS DE MATEMÁTICA E ESTATÍSTICA SÉRIE B: TRABALHO DE APOIO DIDÁTICO

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA CADERNOS DE MATEMÁTICA E ESTATÍSTICA SÉRIE B: TRABALHO DE APOIO DIDÁTICO UVERDADE FEDERAL DO RO GRADE DO UL UO DE AEÁCA CADERO DE AEÁCA E EAÍCA ÉRE B: RABALHO DE APOO DDÁCO AORAGE Elsa Crsta de udstock ÉRE B, º 53 Porto Alegre, agosto de 006. Aostrage ÍDCE. AORAGE EÁCA... 4.

Leia mais

6 Formulação probabilística para problemas de acoplamento fluido mecânico

6 Formulação probabilística para problemas de acoplamento fluido mecânico 6 Forulação probablístca para probleas de acoplaeto ludo ecâco 6.. Itrodução Nesse capítulo do trabalho apreseta-se a orulação probablístca para probleas de acoplaeto ludo ecâco. Nu prero oeto são descrtos

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

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

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa Nível Avaçado SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Dego Veloso Uchôa É bastate útl e probleas de olpíada ode teos gualdades ou quereos ecotrar u valor de u soatóro fazeros substtuções por úeros coplexos

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

2 Fundamentos Teóricos

2 Fundamentos Teóricos Fdaetos Teórcos. Terodâca de Mcrotrbas A operação básca de a crotrba a gás é slar a do cclo de potêca a vapor, poré o fldo de trabalho tlzado é o ar. O ar atosférco é asprado, coprdo o copressor e ecahado,

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Nome: Ao / Trma: N.º: Data: - - Não é permtdo o so de corretor. Deves rscar aqlo qe pretedes qe ão seja classfcado. A prova cl m formláro. As cotações dos tes ecotram-se o fal do ecado da prova. CADERNO

Leia mais

VOLUME Considerando a transformação isocórica: p T. = com T em Kelvin. T 1. N p = K. = 1, N/m 2. Logo, p 2.

VOLUME Considerando a transformação isocórica: p T. = com T em Kelvin. T 1. N p = K. = 1, N/m 2. Logo, p 2. Físca III Aual OLUME AULAS E : GASES ERFEIOS EXERCÍCIOS ROOSOS Cosderado a trasoração socórca: co e Kelv 5 N 7, ( 7 + 7) K ( 7 + 7) K Logo,,8 5 N/ Esse roblea ode ser resolvdo aalsado-se o úero de oléculas

Leia mais

Desenvolvimento de Modelo de Cargas Móveis para Verificação de Fadiga em Pontes Rodoviárias

Desenvolvimento de Modelo de Cargas Móveis para Verificação de Fadiga em Pontes Rodoviárias Desevolveto de Modelo de Cargas Móves para Verfcação de Fadga e Potes Rodováras Líva Ferades Satos 1, Mchèle Schubert Pfel 2 1 lva_ferades@pol.ufrj.br 2 POLI COPPE / UFRJ / pfel@coc.ufrj.br Resuo As potes

Leia mais

Capítulo III TRANSFORMAÇÕES LINEARES

Capítulo III TRANSFORMAÇÕES LINEARES Capítlo III RANSFORAÇÕES LINEARES Capítlo III rasforações Lieares Capítlo III rasforações o Aplicações Seja dois cojtos A e B Se a cada eleeto a A for associado e só eleeto b B dir-se-á qe foi defiida

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

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

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS.

AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS. AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS. Rogéro Bouer Brazla Isttute for Appled Ecooc Research Catholc Uverst

Leia mais

5. Métricas para Definição de Níveis de Homogeneidade e Heterogeneidade em Sistemas Computacionais Distribuídos

5. Métricas para Definição de Níveis de Homogeneidade e Heterogeneidade em Sistemas Computacionais Distribuídos étrcas para Defção de Níves de Hoogeedade e Heterogeedade e steas Coputacoas Dstrbuídos 5. étrcas para Defção de Níves de Hoogeedade e Heterogeedade e steas Coputacoas Dstrbuídos A heterogeedade dos recursos

Leia mais

Problemas de Programação Não-Linear

Problemas de Programação Não-Linear Problemas de Programação Não-Lear Tpos de problemas Para qe m problema de programação matemátca sea caracterzado como de programação ão-lear, ele deve apresetar ma ção obetvo ão lear, o pelo meos ma das

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

Regressão Linear Múltipla

Regressão Linear Múltipla Prof. Lorí Val, Dr. http://www.pucrs.br/faat/val/ val@pucrs.br Regressão Lear Múltpla O odelo de regressão lear últpla Itrodução Defção e terologa Iterpretação Estação Iterpretação revstada Qualdade do

Leia mais

Física 1 - Experiência 4 Lei de Hooke Prof.: Dr. Cláudio S. Sartori INTRODUÇÃO: Forma Geral dos Relatórios. Referências:

Física 1 - Experiência 4 Lei de Hooke Prof.: Dr. Cláudio S. Sartori INTRODUÇÃO: Forma Geral dos Relatórios. Referências: Físca 1 - Experêca 4 Le de Hooe Prof.: Dr. Cláudo S. Sartor ITRODUÇÃO: Fora Geral dos Relatóros É uto desejável que seja u cadero grade (forato A4) pautada co folhas eueradas ou co folhas eueradas e quadrculadas,

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

Se A = ( a ij ) é tal que aij = 0 para todo i e j então a matriz A é dita nula e é

Se A = ( a ij ) é tal que aij = 0 para todo i e j então a matriz A é dita nula e é ARIZES E VEORES PROGRAA DE ENGENHARIA QUÍICA/COPPE/UFRJ NIVELAENO -. Sc. - 6 Álgebra Vetoral e atrcal -)CONCEIOS BÁSICOS Os cálclos/operações assm como cocetos evolvedo matrzes e vetores costtem a base

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

6. Medidas de assimetria e curtose

6. Medidas de assimetria e curtose 6. Meddas de assetra e curtose 0 6.. Meddas de assetra Ua varável aleatóra cotíua X te dstrbução sétrca (syetrc) e relação a u valor 0 se f( 0 a) f( 0 + a), para todo a. Dstrbuções sétrcas: f() 0.00 0.05

Leia mais

05/08/2014. ± u(c) c. A = b. c u(a) =? Slides do livro FMCI. Slides do livro FMCI

05/08/2014. ± u(c) c. A = b. c u(a) =? Slides do livro FMCI. Slides do livro FMCI 05/08/0 7 Resltados de Medições Idiretas Fdaetos da Metrologia ietíica e Idstrial Slides do livro FMI Motivação ± c c b ± b oo estiar a icerteza do valor de a gradeza qe é calclada a partir de operações

Leia mais

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho

Leia mais

ALGORITMO EM E FAMÍLIA EXPONENCIAL GENERALIZADA: UMA APLICAÇÃO NO EQUILÍBRIO DE HARDY-WEINBERG

ALGORITMO EM E FAMÍLIA EXPONENCIAL GENERALIZADA: UMA APLICAÇÃO NO EQUILÍBRIO DE HARDY-WEINBERG ALGORITMO EM E FAMÍLIA EXPOECIAL GEERALIZADA: UMA APLICAÇÃO O EQUILÍBRIO DE HARDY-WEIBERG Alla Robert da lva Paulo érgo Luco Prograa de Pós-Graduação e Mateátca Aplcada e Estatístca - PPGMAE Uversdade

Leia mais

Dualidades entre Análise de Covariância e Análise de Regressão com variáveis dummy

Dualidades entre Análise de Covariância e Análise de Regressão com variáveis dummy R EVISA DE E SAÍSICA 65ª P AGINA º QUADRIESRE DE Daldades etre Aálse de Covarâca e Aálse de Regressão com varáves dmm Atores: Patríca Oom do Valle Efgéo Rebelo VOLUE II º QUADRIESRE DE R EVISA DE E SAÍSICA

Leia mais

Capítulo 3. Métodos para alocação de perdas. 3.1 Linearização dos trânsitos de potência. Capítulo 3

Capítulo 3. Métodos para alocação de perdas. 3.1 Linearização dos trânsitos de potência. Capítulo 3 Capítlo 3 Métodos para alocação de perdas Este capítlo, qe se ecotra fraccoado em três grades partes, apreseta m coto de metodologas qe permtem efectar a alocação de perdas das redes de dstrbção etre os

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

Balanço de Massa e Energia Aula 2

Balanço de Massa e Energia Aula 2 alaço de assa e Eerga ula Udades e Desão Desão: Quatdade que pode ser edda, são as gradezas báscas coo copreto, assa, tepo, teperatura etre outras, ou quatdades calculadas pela dvsão ou ultplcação de outras

Leia mais

MEDIDAS DE EFICIÊNCIA USANDO FRONTEIRAS ESTOCÁSTICAS COM MÚLTIPLOS OUTPUTS E INPUTS

MEDIDAS DE EFICIÊNCIA USANDO FRONTEIRAS ESTOCÁSTICAS COM MÚLTIPLOS OUTPUTS E INPUTS MEDIDAS DE EFICIÊNCIA USANDO FRONTEIRAS ESTOCÁSTICAS COM MÚLTIPLOS OUTPUTS E INPUTS Ne Carlos dos Satos Rocha IM/UFRJ rocha@lcc.br Alba Rega Morett DEMAT/UFRRJ morett@frrj.br Josmar Mazchel UEM - jmazchel@em.br

Leia mais

Projeto e Análise de Algoritmos Aula 2: Função de Complexidade Notação Assintótica (GPV 0.3)

Projeto e Análise de Algoritmos Aula 2: Função de Complexidade Notação Assintótica (GPV 0.3) Projeto e Aálise de Algoritos Aula 2: Fução de Coplexidade Notação Assitótica (GPV 0.3) DECOM/UFOP 202/2 5º. Período Aderso Aleida Ferreira Material desevolvido por Adréa Iabrudi Tavares BCC 24/202-2 BCC

Leia mais

Vitamina A Vitamina B Vitamina C Alimento 1 50 30 20 Alimento 2 100 40 10 Alimento 3 40 20 30

Vitamina A Vitamina B Vitamina C Alimento 1 50 30 20 Alimento 2 100 40 10 Alimento 3 40 20 30 Motvção: O prole d det Itrodução os Sstes Leres U pesso e det ecesst dgerr drete s segutes qutddes de vts: g de vt A 6 g de vt B 4 g de vt C El deve suprr sus ecessddes prtr do cosuo de três letos dferetes

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

1- Resolução de Sistemas Lineares.

1- Resolução de Sistemas Lineares. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Resolução de Sstes Leres..- Mtrzes e Vetores..2- Resolução de Sstes Leres de Equções Algébrcs por Métodos Extos (Dretos)..3- Resolução de Sstes Leres

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

PESQUISA OPERACIONAL E ANÁLISE ENVOLTÓRIA DOS DADOS: APLICAÇÕES EM PROBLEMAS AMBIENTAIS

PESQUISA OPERACIONAL E ANÁLISE ENVOLTÓRIA DOS DADOS: APLICAÇÕES EM PROBLEMAS AMBIENTAIS Anas do XX Encontro de Incação Centífca ISSN 98-78 Anas do V Encontro de Incação e Desenvolvento Tecnológco e Inovação ISSN 37- e 3 de setebro de 5 PESQUISA OPERACIONAL E ANÁLISE ENVOLTÓRIA DOS DADOS:

Leia mais

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho

Leia mais

A noção de função homogénea surge logo no primeiro ano dos cursos de licenciatura onde uma disciplina de Análise Matemática esteja presente.

A noção de função homogénea surge logo no primeiro ano dos cursos de licenciatura onde uma disciplina de Análise Matemática esteja presente. HÉLIO BERNARDO LOPES Resuo. O coceto de fução hoogéea está presete desde o íco dos cursos de lcecatura que cotepla os seus plaos de estudos dscplas de Aálse Mateátca. Trata-se de u coceto sples, faclete

Leia mais

O mercado de renda fixa e a estrutura da taxa de juro

O mercado de renda fixa e a estrutura da taxa de juro O mercado de reda fxa e a estrtra da taxa de jro No Brasl, a egocação o mercado de reda fxa egloba títlos públcos e títlos prvados. O strmeto para a expressão da remeração e/o o valor de mercado de cada

Leia mais

Introdução à Decomposição de Dantzig Wolfe

Introdução à Decomposição de Dantzig Wolfe Itrodução à Deoposção de Datzg Wolfe PNV-5765 Probleas de Prograação Mateáta Aplados ao Plaeaeto de Ssteas de Trasportes Maríto Prof. Dr. Adré Bergste Medes Bblografa Utlzada WILLIAMS, H.P. The forulato

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

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS Físca Arqutectura Pasagístca Análse de erros ANÁLISE DE ERROS A ervação de u fenóeno físco não é copleta se não puderos quantfcá-lo Para é sso é necessáro edr ua propredade físca O processo de edda consste

Leia mais

Capitulo 7 Resolução de Exercícios

Capitulo 7 Resolução de Exercícios FORMULÁRIO Audades Costates Postecpadas HP C [g][end] Cp LN 1 1 1 1 C p R Cp R R a, R C p, 1 1 1 a LN 1 Sp LN 1 1 1 S p R S p R R s, R S p, 1 1 s LN 1 Audades Costates Atecpadas HP C [g][beg] 1 (1 ) 1

Leia mais

Os Fundamentos da Física (8 a edição)

Os Fundamentos da Física (8 a edição) TEM ESPEI ENTRO DE MSS 1 Os Fudaetos da Físca (8 a edção) R MHO, N IOU E T OEDO Tea especal ENTRO DE MSS 1. etro de gradade e cetro de assa, 1. Propredade da cocetração de assas,. Propredade de setra,

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais