ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS

Tamanho: px
Começar a partir da página:

Download "ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS"

Transcrição

1 V CONGRESSO RASILEIRO DE METROLOGIA Metrologa para a compettvdade em área etratégca 9 a 3 de ovembro de 9. Salvador, aha ral. ANÁLISE ESTATÍSTICA DO USO DE UM ILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS Márco A.. Mart, Robo W. S. Peoa, Rcardo A. Kald 3 Programa de Pó-Graduação em Egehara Idutral / UA, Salvador, ral, marcomart@ufba.br Programa de Pó-Graduação em Egehara Idutral / UA, Salvador, ral, robopeoa@ufba.br 3 Programa de Pó-Graduação em Egehara Idutral / UA, Salvador, ral, kald@ufba.br Sumáro: O ltro de Kalma é uma ferrameta matemátca robuta capaz de realzar a recoclação de dado em regme traete. o aplcado ete fltro em um tema de medção rudoo e valdado etattcamete eu uo como ferrameta para recoclação de dado dâmco. Palavra-chave: ltro de Kalma, Icerteza, Ruído de Medção.. UNDAMENTAÇÃO TEÓRICA Stema de medção de uma dútra ão freqüetemete afetado por ruído, proveete de dvera fote, ta como: ão dealdade tríeca ao trumeto de medção, terferêca eletromagétca, turbulêca o fludo de proceo e etc. Ete ruído de medção fluecam dretamete o deempeho do tema de cotrole de proceo. Uma ferrameta útl para redução de ta dtúrbo é o uo de fltro dgta para ateuação do al de medção de varáve de proceo []. Ete fltro têm bom deempeho para o proceo que etão ob o regme etacoáro. Cotudo, para um tema dâmco ferrameta ma oftcada devem er mplemetada. Uma ferrameta matemátca com capacdade de fltrar a de medção ob o regme dâmco é o fltro de Kalma (K) [-3]. Ete tpo de fltro é uado a etmação e recoclação dâmca de varáve de proceo. Outro fltro uado para tema dâmco é o Dyamc Data Recoclato (DDR) que pou o memo prcípo matemátco do K que é baeado o uo da formação de medção e um modelo etocátco do proceo, uma aplcação do uo dete fltro dâmco ão dcutdo em [4]. Ete trabalho motra a aplcação do K em um tema de medção de temperatura de um reator cotíuo perfetamete agtado (CSTR) mulado que etá ujeto a ruído. É motrado que o al dâmco fltrado pou uma varabldade meor do que o al de medção com ruído. Além do, pode er motrado que a certeza do reíduo obtdo etre o al de medção e o valor deal da temperatura é meor do que a certeza do reíduo do al de medção fltrado e o memo valor deal de temperatura. A técca etatítca uada ete trabalho ão baeada em [5-7], acrecetado a hpótee de que a auto-correlação da varáve ão pequea quado comparado com a magtude do ruído.. MATERIAIS E MÉTODOS O etudo de cao utlzado ete trabalho fo um reator CSTR mulado [8]. Nete reator ocorre uma reação edotérmca, o qual o reagete A forma o produto atravé de uma catále homogêea, além do, exte um compoete erte C o meo reacoal. Na g. é motrado o fluxograma do reator CSTR. Pode-e obervar o fluxograma que o reator pou uma correte de almetação, uma correte de catalador e uma correte de fludo de aquecmeto com objetvo de forecer calor ao tema químco. Exte uma bomba cetrífuga repoável pelo decarregameto do reator. g.. luxograma mplfcado do reator CSTR.

2 Para ete tema fo deevolvdo um modelo feomeológco (balaço de maa, molar e eerga) para decrever o comportameto dâmco da prcpa varáve: ível ( Lt ()), cocetraçõe molare de A ( CA() t ), ( C () t ) e C ( CC () t ) e temperatura ( Tt ()), a olução ão lear deta equaçõe dfereca ordára (EDO ) repreetam o a dea que vamo comparar com a medçõe. O reultado da modelagem pode er obervado a Eq.(). dl() t = dt ρm. AT ρm. AT dca () t ( C C ) dt dc () t ( C C ) dt dc () ( CC, CC) C t = dt ρ A L E A, A RT = + ke o CA ρma TL E, RT = ke o CA ρma TL m T E RT dt() t ΔHke r o CA UAT( T TC) = ( T T) + dt ρ A L ρc ρa LC m T P T P A udade de toda a varáve do modelo etão o SI, ou eja, o ível tem udade de metro (m), a cocetraçõe molare do elemeto pouem udade de klomol por metro cúbco (kmol/m 3 ) e a temperatura em grau Celu (ºC). O objetvo dete trabalho é aplcar um K para realzar uma recoclação dâmca da temperatura tera do CSTR, po o al dâmco de medção pou ruído coderáve que fluecam o cotrole dete tema. A g. motra ete equema. g.. Equemátco do reator CSTR com o fltro de Kalma. Nete equema Y repreeta o vetor da varáve de aída medda equato que o vetor u repreeta a varáve de etrada do reator, ω e υ repreetam o ruído de medção, logo o vetore u ω e Y υ repreetam o a rudoo meddo, o vetor Y* repreeta a varáve de aída fltrada pelo K, ou eja, a varáve recoclada, por últmo o vetor x* repreeta a ferêca da varáve de etado do reator. () A mulaçõe foram realzada o ambete de mulação do Matlab (Smulk). O dado de temperatura foram coletado ate e depo do al er fltrado pelo K.. MODELO DO ILTRO DE KALMAN O K utlza um modelo dâmco lear (ou learzado) etocátco do proceo a forma de modelo em epaço de etado. Como o modelo do CSTR (Eq.()) é um modelo ão-lear, ete fo learzado em toro de um poto operacoal (fo ecolhdo o etado etacoáro do reator, r f e h r ). Etão, o modelo learzado em epaço de etado para o CSTR é motrado a Eq.(). r r r x f + A( x x ) + ( u u ) r r r Y h + C( x x ) + D( u u ) () Ode A é a matrz Jacobaa do tema em relação ao etado (x), a matrz Jacobaa do tema em relação a etrada (u), C é a matrz Jacobaa da varáve de aída tema (Y) em relação ao etado (x) e D a matrz Jacobaa da varáve de aída tema (Y) em relação a etrada (u). O K utlza o modelo em epaço de etado etocátco do tema, ete modelo K pode er obervado a Eq.(3). xk = Ax. k + u. k + ωk Y = Cx. + Du. + υ k k k k Na modelagem do K aume-e que o ruído de medção ω e υ ão gauao, ou eja: Ruído a varáve de etado ω k ~ N(, Q k ) Ruído a varáve de aída υ k ~ N(, R k ) O valore de Q k e R k ão parâmetro de toa do K, ete valore ão mportate a cotrução do fltro de Kalma, po o K é muto eível a codçõe ca forecda. acamete o K etma a varáve de etado baeado o erro calculado etre a varáve de aída: a medda (Y) com a recoclada (Y*) em cada tate de tempo k. Ete erro calculado é multplcado por uma cotate K k, eta cotate K k é o chamado gaho de Kalma. O gaho de Kalma é calculado a cada tate de tempo k. A fução objetvo dete problema de otmzação é mmzar o traço da matrz de covarâca etre o erro gerado etre a própra varáve de etado etmada em tate dferete k e k-, maor detalhameto do algortmo do K pode er ecotrado em [-3].. DESCRIÇÃO DA METODOLOGIA Para que todo trabalho alcace o uceo deejado uma ére de etapa prevamete etabelecda coforme uma eqüêca aproprada deve er eguda. (3)

3 A etapa de trabalho utlzada para a aplcação da metodologa ão explctada a g. 3. Coleta do dado Cálculo do reíduo Elaboração do htograma do reíduo Na avalação de varabldade etre o a de medção ate e depo do K por poto operacoal utlzou-e o egute tete de hpótee: H : A > (7) H : = Ode ímbolo A repreeta o al de medção com ruído, equato que ímbolo repreeta o al de medção fltrado pelo K. É mportate lembrar que a fução utlzada para o tete de hpótee fo -dtrbução. Para a avalação de homocedatcdade do reíduo, o tete de hpótee aplcado fo: A Aále de auto-correlação etre o reíduo por poto operacoal H : = j H : j (8) Cálculo da méda, varâca do reíduo dâmco Avalação da varabldade por poto operacoal Tete de homocedacdade do reíduo Cálculo da certeza do tpo A do reíduo g. 3. luxograma da etapa da metodologa uada. A avalação etatítca do uo K para a melhora do a de medção com ruído fo realzada pela abordagem frequecalta, com o egute etmadore: méda, varâca e etmatva da certeza tpo A do reíduo gerado. Também fo admtda que a certeza tpo é a mema com e em o K, etão apea a comparação da certeza tpo A erá eceára. A etmatva da méda, da varâca e da certeza tpo A ão repreetada pela Eq. (4), Eq. (5) e Eq. (6) repectvamete. Ode ímbolo e j repreetam poto operacoa dferete em um memo grupo (al com ruído ou al fltrado). De forma aáloga ao tete de hpótee utlzado para a avalação da varabldade a fução utlzada fo - dtrbução. 3. RESULTADOS E DISCUSSÕES O prcpal objetvo dete trabalho é motrar o efeto do K o al de medção rudoo de temperatura. Etão, uma aále qualtatva prmeramete pode er motrada atravé de uma comparação etre o a de medção: com ruído e fltrado; com o al deal ou de referêca que cohecemo prevamete. Eta comparação de a pode er obervada a g. 4. Ao obervarmo o comportameto dâmco do a de temperatura verfcamo que exte uma maor cocetração de poto do al de temperatura fltrado pelo K em toro do valor do al deal de temperatura em relação ao al orgal (al rudoo). Ete comportameto motra que o al fltrado ofreu ateuaçõe gfcatva em relação ao al de orgem, ou eja, a varabldade fo reduzda. x = = x (4) = ( x x ) u T (5) = (6) g. 4. Comportameto dâmco da temperatura em ruído, com ruído e fltrado pelo K.

4 O K aume que o ruído de medção pouem uma dtrbução ormal (Eq.(3)), cotudo ele pode er aplcado a varáve com dferete dtrbuçõe com uma pequea perda de deempeho, ete reultado erá motrado o próxmo trabalho. Nete trabalho o al de etrada tem dtrbução ormal am como o al a er recoclado (g. 5). auto-correlação etre o poto e verfca o grau de dperão do dado. A g.7 apreeta o reíduo gerado etre o a de medção de temperatura do oo etudo de cao. Ao obervamo ete gráfco podemo cotatar que pratcamete ão exte uma auto-correlação etre o a de temperatura tato ate como depo do K. g. 5. Htograma do reíduo do al de temperatura ão fltrado. A mplemetação do K ão alterou a caracterítca da dtrbução do reíduo, ou eja, o comportameto gauao do reíduo exta ate do fltro permaeceu depo do al er fltrado pelo K. Ete comportameto é motrado pelo htograma do reíduo al de temperatura fltrado em relação ao al deal (g. 6). g. 6. Htograma do reíduo do al de temperatura fltrado. Um gráfco utlzado em etatítca para avalar feômeo do modelo com valore de referêca é o gráfco de reíduo. Nete tpo gráfco plota-e o reíduo em um tate k em relação ao reíduo o tate de k-. Ete tpo de gráfco pode motrar e exte qualtatvamete uma g. 7. Gráfco comparatvo de reíduo etre o al com e em K. Outra cocluão que e pode verfcar a g. 7 é que o grau de dperão do al de temperatura rudoo é maor, to é, como já demotramo a g. 4, a erção do K promove um meor epalhameto etre o dado de temperatura, o que provoca meor varabldade do al e coeqüetemete um cotrole ma etável da temperatura do reator pode er alcaçada. Uma aále realzada ete trabalho fo à avalação etatítca do poto operacoa. Como obervado a g. 4, extem 5 (cco) etado etacoáro o tete realzado para verfcar o comportameto dâmco da temperatura ob o efeto do K. oram coletado o dado de cada etado etacoáro e etmada a méda da temperatura e a varâca do reíduo do a de temperatura (=). A Tabela apreeta o reultado calculado. Ao obervarmo a Tabela verfca-e que para um memo poto operacoal a varâca do reíduo do al de temperatura fltrado fo empre meor do que a varâca do reíduo do al de temperatura com ruído. Quattatvamete a erção do K reduzu a varâca do al de temperatura em pelo meo 4 % em relação ao al de temperatura com ruído. Eta meor varâca reflete uma meor varabldade da varável, ete comportameto é empre deejável para um tema de medção.

5 Tabela. Reultado de méda e varâca em cada poto operacoal. Méda da temperatura (ºC) Varâca do reíduo do al de temperatura com ruído (ºC ) Varâca do reíduo do al de temperatura fltrado (ºC ) Devo percetual da varâca do reíduo com K em relação à varâca do reíduo com ruído 57,85, x - 4,84 x -3 5% 55,83,4 x - 5,6 x -3 46% 53,89,5 x - 5,76 x -3 45% 55,8 8,64 x -3 5,7 x -3 4% 57,84 9,8 x -3 5,5 x -3 44% O tete de hpótee por -dtrbução para a varabldade do reíduo com uma probabldade de rejeção do dado de % (α=,) cofrma que a hpótee ula ão pode er rejetada, ou eja, etattcamete a varâca do reíduo do al de temperatura com ruído ( A ) é maor do que a varâca do reíduo do al de temperatura fltrado ( ). O reultado dete tete de hpótee podem er obervado da Tabela. Nete tete de hpótee fo realzada com bae a Eq.(9). H > > (9) A : A α [( υ A, υ )] Io demotra que a utlzação de um K pode melhorar o deempeho de qualquer tema de medção e até o cotrole de proceo do qual ete tema de medção etá erdo. Tabela. Reultado do tete de hpótee para a varâca do a. A (ºC ) α (ºC ) [( υ j, υ )] Razão da varâca ( A / ) Reultado do tete de hpótee, x - 4,84 x -3,6,9 H aceta,4 x - 5,6 x -3,6,86 H aceta,5 x - 5,76 x -3,6,8 H aceta 8,64 x -3 5,7 x -3,6,7 H aceta 9,8 x -3 5,5 x -3,6,78 H aceta Quato à homocedatcdade, fo realzado o tete de hpótee da Eq. (8). A avalação da varâca do reíduo com ruído e fltrado para cada poto operacoal fo realzada eparadamete. A varâca ão avalada poto a poto detro de cada grupo (reíduo com ruído e reíduo fltrado). O reultado do tete para o do tpo de a cofrma que a varâca ão etattcamete gua com uma probabldade de % de rejeção (α=,) do dado. No tete de hpótee uado a hpótee ula (H ) fo aceta com bae a Eq. (): H : = j α [( υ, υ j )] α j [( υ j, υ )] < < () A Tabela 3 e 4 apreetam o reultado do tete de hpótee do reíduo com ruído e fltrado repectvamete para a varâca ( ) do poto operacoal (T=53,89 ºC) em relação à varâca ( ) do dema poto operacoa. j Tabela 3. Reultado do tete de hpótee do reíduo com ruído. α [( υ j, υ )] j α [( υ j, υ )] Reultado do tete de hpótee,79,4,6 H aceta,79,,6 H aceta,79,,6 H aceta,79,7,6 H aceta Tabela 4. Reultado do tete de hpótee do reíduo fltrado pelo K. α [( υ j, υ )] j α [( υ j, υ )] Reultado do tete de hpótee,79,9,6 H aceta,79,3,6 H aceta,79,4,6 H aceta,79,4,6 H aceta Tato a Tabela 3 como a Tabela 4 o valore da razõe etre a varâca expermeta etão detro da faxa de acetação da hpótee ula. Etão, podemo afrmar com uma gfcâca de % do dado, que a hpótee ula ão pode er rejetada, to é, a varâca do reíduo para o dferete poto operacoa ão etattcamete gua. A erção do K ão alterou a homocedatcdade do dado, vto que ate e depo do K o tema é homocedátco, coforme o reultado obtdo. Um comportameto homocedátco é empre deejado para uma melhor prevbldade de um modelo, portato o K também tem um bom deempeho em relação a ea caracterítca. Por últmo fo aalado quattatvamete o reíduo obtdo atravé da Eq. (4), (5) e (6). Na Tabela 5 ão motrado o valore do etmadore utlzado para cada reíduo.

6 Como vto o reultado apreetado eta Tabela 5, o al fltrado forece uma maor cofabldade o dado de medção haja vta que ete al apreeta uma meor varabldade (méda ma próxma de zero) em relação ao al de temperatura em o fltro. Além do, a certeza do reíduo do al fltrado é aproxmadamete 5% meor do que o al ão fltrado para a etmatva da certeza do tpo A. Atravé dea aále quattatva fca evdete que o uo de um K em um tema de medção cotrbu gfcatvamete para uma dperão meor do valore meddo de eu a, além do, um grau de precão (ou repettvdade) do valore meddo ão melhore e ma cofáve uma vez que a certeza de medção é meor em relação ao al de medção com ruído. Tabela 5. Comparação da méda, varâca e certeza tpo A do reíduo. Reíduo do al ate do fltro K (ºC) Reíduo do al depo do fltro K (ºC) Devo percetual do reíduo com K em relação ao reíduo em K x -,5x -3 -,x -3 % 9,9x -3 5,6x -3 43% u T 3,x -3,4x -3 5% 4. CONCLUSÃO Motrou-e que etattcamete o K apreeta deempeho adequado para fltrar dado típco de proceo cotíuo. O K coerva a caracterítca dâmca do proceo e a homocedatcdade do dado detro de valore típco de certeza de um proceo dutral, além de dmur a varabldade do al fltrado. Eta coervação da dâmca do al é aegurada pelo uo do modelo do proceo o qual o tema de medção etá erdo. A etapa de maor dfculdade a mplemetação do K é a obteção do modelo em epaço de etado do tema o qual o K erá uado, muta veze a egehara ão cohece o modelo do tema, edo eceára a dedução va equaçõe feomeológca (o que fo realzado ete trabalho) ou va detfcação do modelo (equaçõe empírca). Verfcou-e que o fltro de Kalma trata dado com ruído e gera um ovo cojuto com meor varâca que atede ao balaço de maa e eerga do tema, portato o K é uma ferrameta que pode er utlzada para recoclação de dado em regme traete. fltrado pelo K o qual o tema de medção etá erdo. Io porque um al com meo varabldade tora o cotrole ma etável o que pode proporcoar dvero gaho para o proceo dutral ta como: produtvdade, melhor epecfcação de produto, um úmero de meor de parada e redução de cuto de mauteção da malha de cotrole. AGRADECIMENTOS O autore gotaram de agradecer a udação de Apoo da Pequa o Etado da aha (APES) pelo apoo facero, em o qual ete trabalho ão podera er realzado. REERÊNCIAS [] HAYKIN, S. e VEEN,. Va. Sa e Stema. Edtora ookma, Porto Alegre,. [] KALMAN, R. E. A New Approach to Lear lterg ad Predcto Problem, Traacto of the ASME Joural of ac Egeerg, pp , March 96. [3] WELCH, G., ISHOP, G. A Itroducto to the Kalma lter, Uverty of North Carola at Chapel Hll, Aprl 4. [4] AI, S. et al., Dyamc data recoclato: Alteratve to the Kalma flter, Joural of Proce Cotrol, Vol. 6, 6. [5] ISO GUM Gude to the Expreo of Ucertaty Meauremet, pp., Iteratoal Orgazato for Stadardzato, Suíça, 995. [6] ARD, Y. Nolear Parameter Etmato. Orlado: Academc Pre, Ic, p.34, 974. [7] HIMMELLAU, D. M. Proce Aaly by Stattc Method. Edtora Joh Wley & So, Ic. New York, 97. [8] KALID. R. Plata ddátca mulada do PROTEC- UA. Programa de Pó-Graduação em Egehara Idutral da EPUA, ral, Salvador, 5. Aceo em 5 de julho de 9. Dpoível em 5. SUGESTÕES PARA TRAALHOS UTUROS O reultado obtdo ete trabalho motraram que um K reduz a varabldade de um al de medção dâmco ubmetdo a ruído (cao típco de um tema de medção dutral). Logo, um trabalho futuro que pode er realzado é aalar o deempeho de uma malha de cotrole do al

Verificação, Validação e Experimentação com Modelos de Simulação

Verificação, Validação e Experimentação com Modelos de Simulação Boletm Técco: MS: 03/06 em 9/06/006 Verfcação, Valdação e Expermetação com Modelo de ulação Prof. Luí Céar da Slva Emal: lvalc@cca.ufe.br - Webte: www.aga.com A etruturação de modelo para a mulação de

Leia mais

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

Leia mais

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS DE REGRESSÃO NÃO LINEARES M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,

Leia mais

EAD Métodos Estatísticos de Projeção

EAD Métodos Estatísticos de Projeção EAD 655 - Método Etatítco de Projeção Prof. Cear Aleadre de Souza 2º. Semetre - 207 Modelagem Quattatva em Admtração Na admtração, a matemátca e a etatítca cotrbuem para a cração de modelo para auílo a

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

ESTATÍSTICA II FORMULÁRIO

ESTATÍSTICA II FORMULÁRIO Uverdade do Mho Ecola de Egehara ESTATÍSTICA II Ídce Metrado Itegrado em Egehara e Getão Idutral FORMULÁRIO Ao Lectvo 007-008 Itervalo de Cofaça (uma amotra / dua amotra depedete)... Tete de Hpótee (uma

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

Estatística 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA DEPARTAENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV334 FUNDAENTOS DE CONTROLE E ENGENHARIA NOTAS DE AULA* Prof. Helio itio orihita * Ete texto é um mero roteiro

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

Leia mais

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

Leia mais

Cap. 5. Testes de Hipóteses

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

Leia mais

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS 0 /9. CAMPO DE APLICAÇÃO.. Ete procedmeto e aplca ao Laboratóro Químco de Cotrole da Qualdade.. OBJETIVO.. Verfcar o método aalítco ormalzado, cuja aplcação permaeça detro do ecopo para o qual fo deevolvdo;..

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

Construção e Análise de Gráficos

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

Leia mais

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

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

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

Extensão da Termodinâmica a sistemas abertos

Extensão da Termodinâmica a sistemas abertos Exteão da ermodâmca a tema aberto I tema homogéeo ex: mtura de gae dea oluçõe dea reacçõe químca homogéea Cottudo por uma ó ae ma pode er mult-compoete otulado de Gbb ou otulado da aráve de Etado de um

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS

NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS COMPARAÇÕES Comparaçõe MÚLTIPLAS múltpla bayeaa BAYESIANAS em modelo... EM MODELOS 845 NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS Bayea multple comparo omocedatc ad eterocedatc ormal model Paulo Céar de

Leia mais

Avaliação da qualidade do ajuste

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

Leia mais

GERAÇÃO DE RUÍDO ROSA A PARTIR DE RUÍDO BRANCO

GERAÇÃO DE RUÍDO ROSA A PARTIR DE RUÍDO BRANCO SMA I Semáro Bralero de gehara de Áudo, 9 a de Juho,, Belo Horzote MG GRAÇÃO D RUÍDO ROSA A PARTIR D RUÍDO BRANCO Sde Nocet Flho e Adré L. Dalcatagê LINS: Crcuto e Proceameto de Sa Departameto de gehara

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

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

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

Gonçalo X. Silva Alda Carvalho

Gonçalo X. Silva Alda Carvalho Goçalo X. Slva Alda Carvalho ÍNDICE. ESTATÍSTICA DESCRITIVA..... INTRODUÇÃO..... DEFINIÇÕES..... CLASSIFICAÇÃO DOS DADOS.... CARACTERIZAÇÃO DOS DADOS....5 ESTATÍSTICAS AMOSTRAIS... 0.5.. Medda de localzação...

Leia mais

Universidade Estadual de Londrina

Universidade Estadual de Londrina Uverdade Etadual de Lodra Programa de Metrado e Doutorado em Cêca Bológca Reumo da atvdade deevolvda em aula Profa. Dra. Aa Verga Lbo Meett LODRIA 06 SUMÁRIO. Aále exploratóra de dado...0. Itervalo de

Leia mais

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.)

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.) Departameto de Egehara Cvl, Arqutetura e Georrecuro TRANSPORTES MEC - 3º Ao - 2º Semetre Prof. Repoável: Luí de Pcado Sato Ao Letvo 2013/2014 Duração máxma: 120 muto NOME: Exame 2ª ÉPoca 2014-07-01 08h00

Leia mais

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO 0 INTRODUÇÃO A medda de varação ou dperão, avalam a dperão ou a varabldade da eqüênca numérca em anále, ão medda que fornecem nformaçõe

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Sobre a Geração de Mapas de Ambiente de Rádio com Kriging Ordinário

Sobre a Geração de Mapas de Ambiente de Rádio com Kriging Ordinário XXXIV SIMPÓSIO BRASILEIRO DE TELECOMUICAÇÕES SBrT016, 30 DE AGOSTO A 0 DE SETEMBRO, SATARÉM, PA Sobre a Geração de Mapa de Ambete de Rádo com Krgg Ordáro Reumo Ete artgo apreeta e dcute mportate ferrameta

Leia mais

Laboratório de Engenharia Química IV. Programação de Ensaios. M. Gabriela Bernardo Gil

Laboratório de Engenharia Química IV. Programação de Ensaios. M. Gabriela Bernardo Gil Laboratóro de Egehara Químca IV Programação de Eao M. Gabrela Berardo Gl 006/007 ÍNDICE. TEORIA DE ERROS...4.. MEDIÇÃO DE GRANDEZAS...5.. ERROS...6... ERRO ABSOLUTO...6... ERRO RELATIVO...6..3. TIPOS DE

Leia mais

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

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

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

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

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

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

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

Leia mais

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS - RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS Seja R( F( E( a repota de u tea lear, cocetrado e varate. Se F ( e E () ão fuçõe rea racoa, etão R ( é real racoal e pode er exprea coo: N() R( a / b

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

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

6. Modelagem numérica com o programa Abaqus

6. Modelagem numérica com o programa Abaqus 6. Modelagem numérca com o programa Abaqu Ete capítulo apreenta o reultado obtdo com a modelagem numérca, realzada com o programa Abaqu em dua (2D) e trê (3D) dmenõe. Ete reultado e referem à condçõe do

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

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

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

Leia mais

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;

Leia mais

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

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

Leia mais

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015 Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Modelo de Regressão Simples

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

Leia mais

A grande vantagem da Codificação de Canal é portanto melhorar o desempenho do sistema em relação a uma transmissão não codificada.

A grande vantagem da Codificação de Canal é portanto melhorar o desempenho do sistema em relação a uma transmissão não codificada. Codfcação de caal O caal de comucação é o etato repoável pela trodução de ruído, terferêca e ebatmeto, corrompedo a formação tramtda. Am, podem aparecer erro o bt recebdo face ao bt tramtdo. O úmero de

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

NAVEGAÇÃO USANDO UNIDADE INERCIAL DE BAIXO CUSTO (IMU MEMS) E RECEPTOR GPS COM APLICAÇÃO DO FILTRO DE KALMAN SIGMA PONTO

NAVEGAÇÃO USANDO UNIDADE INERCIAL DE BAIXO CUSTO (IMU MEMS) E RECEPTOR GPS COM APLICAÇÃO DO FILTRO DE KALMAN SIGMA PONTO AVGAÇÃO USAO UIA ICIAL BAIXO CUSTO (IMU MMS) CPTO GPS COM APLICAÇÃO O FILTO KALMA SIGMA POTO Walter woegerer*, Hélo Kot Kuga*, Paulo Gácomo Mla* eumo - te trabalho apreeta um método de tegração da formaçõe

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

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

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

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

Leia mais

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

PROBABILIDADE ESTATÍTICA

PROBABILIDADE ESTATÍTICA I- INTRODUÇÃO. DEFINIÇÕES. ESTATÍSTICA: A Etatítca refere-e à técnca pela qua o dado ão "coletado", "organzado", "apreentado" e "analado". Pode-e dvdr a cênca Etatítca em do grupo de etudo:. Etatítca Decrtva:

Leia mais

Alcindo do Prado Junior. Controle de Processos Industriais

Alcindo do Prado Junior. Controle de Processos Industriais Alcdo do Prado Juor Cotrole de Proceo Idutra 00 Cotrole de Proceo Idutra Ídce. INTRODUÇÃO AO CONTROLE DE SISTEMAS DINÂMICOS..... Clafcação do Cotrole Quato à Etrutura..... Clafcação do Cotrole Quato à

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

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS 1/15 1. CAMPO DE APLICAÇÃO 1.1. Este procedmeto se aplca aos laboratóros de cotrole de qualdade.. OBJETIVO.1. Defr a capacdade de medção para cada método aalítco.. DOCUMENTOS COMPLEMENTARES.1. Valdação

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

USO DE OBSERVADORES DINÂMICOS NA INVESTIGAÇAO DE PROBLEMAS INVERSOS EM CONDUÇAO DE CALOR

USO DE OBSERVADORES DINÂMICOS NA INVESTIGAÇAO DE PROBLEMAS INVERSOS EM CONDUÇAO DE CALOR 5º POSMEC - Smpóo do Programa de Pó-raduação em Egeara Mecâca Uverdade Federal de Uberlâda Faculdade de Egeara Mecâca USO DE OBSERVADORES DIÂMICOS A IVESIAÇAO DE PROBLEMAS IVERSOS EM CODUÇAO DE CALOR Prcla

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

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

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

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

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio Potecas termodâmcos crtéros de espotaedade e codções de equlíbro O Prcípo da Etropa Máxma váldo para um sstema solado estabelece um crtéro para determarmos o setdo em que ocorrem os processos de forma

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

3 Procedimento Experimental

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

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q

Leia mais

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U)

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U) 3 Seleção de Varáve Baeada em nformação Mútua ob trbução de nformação Unforme MFS-U 3.1 Seleção de Varáve de Entrada para Problema de Clafcação A eleção de varáve de entrada deempenha um mportante papel

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Ecologia Geral Riqueza e Diversidade de Espécies

Ecologia Geral Riqueza e Diversidade de Espécies Ecologa Geral Rqueza e Dverdade de Epéce Prof. Wllam Cota Rodrgue Pó-Doutor em Entomologa/Ecologa Unverdade Severno Sombra Tranparênca Extra I 1 Conceto A dverdade de epéce refere-e à varedade de epéce

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula. Etatítca Aplcada à Educação Antono Roque Aula 5 Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que

Leia mais

n Obtido através desvio padrão da população (σ)

n Obtido através desvio padrão da população (σ) 3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina:

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Deartameto de Iormáta Dla: Modelagem Aalíta do Deemeho de Stema de Comutação Rede de Fla: roblema da C e Do Do Método de Solução: Covolução ro. Sérgo Colher olher@.u-ro.br roblema Modelagem Aalíta Codere

Leia mais

UNIDADE IV MEDIDAS DE DISPERSÃO OU VARIAÇÃO

UNIDADE IV MEDIDAS DE DISPERSÃO OU VARIAÇÃO UNIDADE IV MEDIDAS DE DISPERSÃO OU VARIAÇÃO Conteúdo Programátco Cálculo da varânca Cálculo e nterpretação do Devo-padrão VARIÂNCIA E DESVIO-PADRÃO A medda de varação ou dperão, avalam a varabldade da

Leia mais

UNIDADE II TESTE DE HIPÓTESE

UNIDADE II TESTE DE HIPÓTESE 0/0/06. INTRODUÇÃO A iferêcia etatítica preocupa-e em determiar e UNIDADE II TESTE DE IPÓTESE CUIABÁ, MT 05/ PROF.: RÔMULO MÔRA romulomora.webode.com exite alguma igificâcia etatítica acoplada ao reultado

Leia mais

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite

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