Tema Tendências em Matemática Aplicada e Computacional, 15, N. 1 (2014), 73-81

Tamanho: px
Começar a partir da página:

Download "Tema Tendências em Matemática Aplicada e Computacional, 15, N. 1 (2014), 73-81"

Transcrição

1 Tema Tedêcias em Matemática Aplicada e Computacioal, 15, N. 1 (2014), Sociedade Brasileira de Matemática Aplicada e Computacioal doi: /tema Aálise Espacial Espectral Bidimesioal em Partículas de Material Compósito Al/SiC E.S.B. ARAÚJO 1*,L.S.BATISTA 1 ej.d.scalon 2 Recebido em 28 juho, 2013 / Aceito em 31 março, 2014 RESUMO. Este trabalho ivestiga o padrão da distribuição espacial de partículas de carboeto de silício em uma liga de alumíio (Al/SiC) utilizado aáliseespacialespectralbidimesioal. Esta técica sebaseia a trasformada de Fourier da fução de autocovariâcia amostral. A aálise espectral é uma ferrameta poderosa para ivestigar o padrão espacial de potos, uma vez que ão assume características estruturais dos dados ates da aálise e utiliza-se apeas da fução espectral. As coordeadas dos cetros das partículas foram adquiridas através de tecicas de processameto de imagem. O espectro polar do periodograma e métodos de Mote-Carlo são usados para testar a hipótese de completa aleatoriedade espacial das partículas. Os resultados mostram que as partículas de carboeto de silício apresetam distribuição espacial completamete aleatória a liga de alumíio e que a aálise espacial espectral pode ser uma ferrameta alterativa para ivestigar padrões de cofigurações potuais o espaço. Palavras-chave: espectro polar, processos potuais, propriedade de materiais, distribuição espacial. 1 INTRODUÇÃO Apesar das idéias da aálise espectral serem difudidas e aplicadas em várias áreas do cohecimeto (e.g. processameto de siais), o potecial das mesmas para aálise de cofigurações espaciais de evetos aida é pouco explorado [4]. Bartlett [1] foi o pioeiro em propor o uso da aálise espectral em processos potuais, equato Reshaw & Ford [6] foram os primeiros a mostrarem como a aálise espectral pode ser uma importate ferrameta para a aálise de cofigurações espaciais bidimesioais. A aálise espectral tem sido usada em poucas áreas de cohecimeto para aálise de cofigurações espaciais o plao [4] e, salvo melhor juízo, aida ão foi utilizada a aálise da distribuição espacial de partículas em materiais compósitos. Aalisar processos potuais espaciais tem lugar de destaque em diversas áreas do cohecimeto [3]. Por exemplo, a distribuicão espacial de seguda fase (partículas) é um dos fatores mais *Autor correspodete: Edmary Silveira Barreto Araújo 1 Istituto Federal da Bahia IFBA, Departameto de Matemática, Salvador, BA, Brasil. s: ebarreto@ifba.edu.br; lurimar@ifba.edu.br 2 Uiversidade Federal de Lavras UFLA, Departameto de Ciêcias Exatas DEX, Lavras, MG, Brasil. scalo@dex.ufla.br

2 74 ANÁLISE ESPACIAL ESPECTRAL BIDIMENSIONAL importates das propriedades mecâicas de materiais compósitos. Por exemplo, a teacidade a fratura deste material depede ão só daformaedafracão de volume, mas também sobre a distribuição espacial do reforço de partículas a matriz e, portato, a caracterização de tais distribuições édeprimordialimportâcia a ciêcia dos materiais [2]. A maior parte dos métodos dispoíveis para a aálise de processos potuais o espaço é baseada em técicas focadas o Domíio Espacial o que evolve a aálise da distâcia etre potos [3] e, portato, são essas técicas que, em geral, são utilizadas a aálise da distribuição espacial de partículas em materiais compósitos [7]. No estudo de processos potuais, cada eveto pode ser idealizado como um poto e a distribuição dos evetos em uma região como uma cofiguração espacial de potos o plao. A compoeete estocástica primária éaprópria localização espacial do eveto e, assim, o dado de iteresse éaprópria localização espacial (coordeada) de cada um dos evetos a área de estudo. Um dos pricipais objetivos da aálise é estudar a distribuição espacial destes potos, testado hipótesede completaaleatoriedade espacial do padrão observado cotraas hipóteses alterativas de distribuições que apresetam evetos aglomerados ou regularmete distribuídos [3]. Neste artigo a aálise espectral bidimesioal é utilizada para caracterizar a distribuicão espacial das partículas de carboeto de silício localizadas em uma liga de alumíio, tedo em vista a importâcia dessa caracterização para avaliar as propriedades mecâicas desses materiais. Aaálise é coduzida a partir das coordeadas dos cetros das partículas de carboeto de silício, extraídas através de técicas de processameto de imagem, de uma amostra metalográfica de um material compósito (Al-SiC), produzida pelo Departameto de Egeharia de Materiais, da Uiversidade de Sheffield, Reio Uido. O espectro bidimesioal para o padrão espacial éestimado pelo periodograma que é apresetado como o espectro de potêcias da trasformada de Fourier. Os testes cotra a hipótese de completa aleatoriedade espacial das partículas são realizados usado o espectro polar (fuções R-espectro e θ-espectro) e o método de Mote-Carlo. 2 FUNÇÃO ESPECTRAL BIDIMENSIONAL Supoha que um padrão observado cosiste de N x evetos em uma região retagular de lados l 1 e que l 2 e {(x 1 j, x 2 j ), j = 1,...,N x } deota a localização dos evetos. O espectro bidimesioal para cada padrão é estimado pelo periodograma que esta baseado a trasformada discreta de Fourier (TDF) das coordeadas {x j } [4]. N x F(p, q) = j=1 ( px1 e 2πi j l 1 ode p = 0, ±1, ±2,...e q = 0, ±1, ±2,... + qx 2 j l 2 ) = A(p, q) + ib(p, q), O periodograma, também chamado de fução espectral amostral, pode ser calculado como o espectro de potêcias da trasformada discreta de Fourier das coordeadas ˆ f (w p,w q ) = F(p, q) 2 ={A(p, q)} 2 +{B(p, q)} 2,

3 ARAÚJO, BATISTA e SCALON 75 ( 2π p em que (w p,w q ) = l 1, 2πq l 2 ). Uma ferrameta que a aálise espectral apreseta é avaliar o padrão em meio a escala e direção. Em [4], os autores utilizam o periodograma em coordeadas polares para defiirem dois resumos uidimesioais do periodograma. Cada f ˆ(w p,w q ) pode ser represetado a forma polar usado a otação ĝ(w r,w θ ), em que r = ( ) p 2 + q 2 e θ = ta 1 p q. Os valores médios das ordeadas do periodograma, para valores similares de r, ivestigam a escalas de padrão sob a hipótese de isotropia. O R-espectro, fˆ R (r), é defiido como fˆ R (r) = 1 ĝ(w r,w θ ), r = 1, 2,..., (2.1) r r θ em que a soma total é dividida por r ordeadas do periodograma e r 1 < r r. Os valores médios das ordeadas do periodograma, para valores similares de θ, ivestigam características direcioais de padrão. O θ-espectro, fˆ θ (θ), é defiido como fˆ θ (θ) = 1 ĝ(w r,w θ ), θ = 0 0, 10 0, 20 0,...,170 0, (2.2) θ r θ em que a soma total é dividida por θ coordeadas do periodograma para os quais θ 5 0 <θ θ A aálise espectral também pode ser aplicada a uma rede bidimesioal de dados. As posições aproximadas de evetos de um padrão espacial potual podem ser represetadas pela iterseção de uma malha fia sobreposta a área de estudo. Este método foi proposto pelos autores em [6] e descrito a seguir. A autocovariâcia amostral é defiida como C jk = 1 m m j s=1 t X st X s+ j,t+k, (2.3) em que t ={1,..., k; k 0}, t ={ k + 1,...,; k < 0} e X st (s = 1,...,m; t = 1,...,) é a matriz bidimesioal de observações corrigida para a média. A matriz de autocorrelação é dada por { C jk }, em que s 2 éavariâcia da amostra {X s 2 st }. A matriz completa de autocorrelação espacial correlacioa os dados perfeitamete ete si, ou seja, tem um valor cetral de C 00 s2 = 1, em que C 00 está defiida a Equação 2.4. C 00 = 1 m m s=1 t=1 Xst 2. (2.4) Uma descrição mais compacta do padrão espacial em processos potuais é obtida pelo periodograma ou fução espectral amostral.

4 76 ANÁLISE ESPACIAL ESPECTRAL BIDIMENSIONAL O periodograma é calculado via a autocovariâcia amostral vista a Equação 2.3 e, portato, o periodograma fica defiido por ˆ f (w p,w q ) = m 1 1 j= m+1 k= +1 C jk cos( j w p + kw q ). (2.5) ( 2πp Substituido a Equação 2.5 o valor da frequêcia (w p,w q ) = m, 2πq ),tem-se ( P pq fˆ 2πp m, 2πq ) = m.(a 2 pq + b2 pq ), (2.6) em que a pq é a parte real e b pq é a parte imagiária da Equação 2.7 defiida como a pq + ib pq = 1 m m s=1 t=1 Desevolvedo a Equação 2.7, pode-se ecotrar os valores e a pq = b pq = ( ) 1 m m. s=1 t=1 ( ) 1 m m. s=1 t=1 ( ) X st e 2πi ps m + qt. (2.7) [ ( ps X st cos 2π m + qt )] [ ( ps X st se 2π m + qt )] A ampla gama de frequêcia é sobre p = 0,...,m 1; q = 0,..., 1 mas, devido a relação de simetria, cosiderar-se somete parte do periodograma, ou seja, p = 0,..., m 2 ; q = 2,..., INTERVALO DE CONFIANÇA Para cotrução do itervalo de cofiaça, baseado o método de Mote Carlo, foram gerados valores de R-espectro e θ-espectro a partir das Equações 2.1 e 2.2, respectivamete. A seguir, são gerados cofigurações sobre a hipótese de completa aleatoriedade espacial e para cada uma dessas cofigurações calculam-se o R-espectro e θ-espectro. Em seguida, ordea-se os valores R-espectros para cada escala do meor para o maior e também, ordea-se os valores θ-espectro para cada âgulo. São também gerados os valores de R-espectro e θ-espectro para as cofigurações observadas. Tem-se o limite iferior do itervalo obtido pelo i-ésimo -quatil e o limite superior pelo ( i)- ésimo -quatil com (1 ) de cofiaça. i 100 Todos as aálises foram realizadas utilizado programas desevolvidos o software R [5]. O software livre R é muito utilizado para aálise estatistica e simulação por profissioais da área.

5 ARAÚJO, BATISTA e SCALON 77 4 MATERIAL COMPÓSITO AL/SIC A amostra metalográfica de um material compósito (Al/SiC), carboeto de silício a liga de alumíio, foi produzida pelo Departameto de Egeharia de Materiais, Uiversidade de Sheffield, Iglaterra. As partículas de seguda fase de carboeto de silício tiham uma fração de volume igual a 11%. A área da amostra metalográfica foi aproximadamete μm. A amostra metalógrafa foi colocada em um aalisador de fase óptico do microscópio cotrolado por computador, o que permitiu o ajuste totalmete automático, a focagem, o posicioameto e a digitalização da amostra. A ampliação do microscópio totalutilizadafoi de 600vezes, obtedose um tamaho de pixel de 0,375μm. Assim, uma imagem digital foi gerada com área igual a pixels quadrados. A imagem digital bidimesioal foi aalisada usado técicas de processameto de imagem para extrair as coordeadas (cetros) de cada partícula detro da imagem. A imagem real foi de pixels, dos quais usamos apeas as partículas localizadas em pixels, produzido 419 partículas em amostra S 1. Os images foram trasformadas em uma área quadrada com uma uidade para facilitar a aálise [7]. Os dados da Figura 1 represetam as posições das particulas do material compósito Al/SiC a matriz de alumiio. Figura 1: Imagem ( ) pixels da distribuição espacial das 730 partículas de reforço a liga de alumíio. 5 ANÁLISE ESPACIAL ESPECTRAL BIDIMENSIONAL Uma ferrameta que pode ser útil para a uma primeira aálise exploratória da distribuição espacial das partículas é o diagrama de potos formado pelos cetróides das partículas. Os mapas de potos da amostra apresetados as Figuras 2(a) e 2(b) forecem uma ideia da distribuição espacial das partículas de SiC ao logo da matriz de alumíio etretato, aalisado essas figuras

6 78 ANÁLISE ESPACIAL ESPECTRAL BIDIMENSIONAL ão é possível avaliar claramete qual o padrão espacial da distribuição das partículas, ou seja, aleatório, agrupado ou regular. (a) Cofiguração potual o quadradode pixels. (b) Cofiguração potual o quadrado da uidade. Figura 2: A Distribuição espacial das coordeadas de 419 partículas de reforço da amostra. Para uma aálise mais rigorosa do padrão da distribuição espacial das partículas é ecessário utilizarmétodos estatísticos mais avaçados, como aqueles baseados em distâcias etre evetos [3] ou aálise espectral [4]. Neste trabalho realiza-se a aálise das partículas de carboeto de silício a liga de alumíio usado a teoria da aálise espectral bidimesioal. Os dados do periodograma apresetados a Figura 3, calculados utilizado a Equação 2.6, represetam porções da variâcia da amostra em diferetes frequêcias. A Figura 3 mostra que as estimativas da variâcia estão próximas de zero as diferetes frequêcias, de tal modo que ão observa-se uma frequêcia que domia a forma do periodograma. Assim, a forma do periodograma ão apreseta grades variações, refletido a asusêcia de estrutura espacial a cofiguração observada. As flutuações observadas os valores do periodograma podem ser creditadas iteiramete a variações amostrais. Essas características observadas a Figura 3 forecem idícios de que a distribuição das partículas de SiC é completamete aleatória a base de alumíio. A fução R-espectro apresetada a Figura 4(a) mostra escalas de padrão sob a hipótese de isotropia, equato a fução θ-espectro apresetada a Figura 4(b) mostra características direcioais da cofiguração espacial. A Figura 4(a) e Figura 4(b) mostram que as fuções R-espectro e θ-espectro ecotram-se detro do evelope de completa aleatoriedade espacial com 0,99 de cofiaça e, portato, aceitado a hipótese de que as partículas de carboeto de silício apresetam uma distribuição completamete aleatória a liga de alumíio.

7 ARAÚJO, BATISTA e SCALON 79 Figura 3: Periodograma da distribuição espacial das partículas de SiC a matriz de alumíio. (a) R espectro (b) θ espectro Figura 4: Espectro polar observado da distribuição das partículas o material compósito Al/SiC (liha cotíua) jutamete com os itervalos de cofiaça (lihas tracejadas) costruídos a partir de 99 simulações de Mote Carlo sob a hipótese de completa aleatoriedade espacial. A distribuicão espacial de seguda fase está itimamete relacioada com as propriedades mecâicas observadas em materiais compósitos e, portato, pode ser utilizada como um idicador da qualidade do material. Por exemplo, a teacidade a fratura deste material depede ão somete da forma e da fracão de volume, mas também da distribuição espacial do reforço de partículas a matriz [2]. Sabe-se que um material terá uma maior chace de apresetar fratura em locais com agrupameto de partículas [2]. Assim, ivestigar a distribuição espacial de partículas em materiais compósitos é de primordialimportâcia a ciêcia dos materiais.

8 80 ANÁLISE ESPACIAL ESPECTRAL BIDIMENSIONAL O resultado obtidoeste trabalhoidicaque omaterial compósito, represetado pela amostra metalográfica aalisada, apreseta uma qualidade desejável quato a distribuição espacial aleatória das partículas (aleatoriedade). Etretato, este resultado diverge ligeiramete do resultado obtido por Scalo et al. [7] que mostrou, utilizado aálises baseadas em distâcias etre potos, que as partículas dessa amostra metalográfica apresetam uma distribuição regular. Na verdade, Scalo et al. [7] afirmam que a pequea regularidade detectada o padrão espacial é devida aos tamahos das partículas que ão foram levados em cosideração a aálise baseada os cetros das partículas. Seria prematuro tirar coclusões defiitivas sobre o valor comparativo da técica espectral com outras técicas estatísticas dispoíveis tedo como base apeas uma amostra. Etretato, apesar da aálise espectral ão ser de fácil uso como as aálises baseadas em distâcias etre evetos, a mesma se apreseta como uma ferrameta alterativa e poderosa para ivestigar padrões potuais, uma vez que ão assume qualquer suposição estrutural dos dados ates da aálise, como a isotropia, que édifícil de ser observada em diversas situações práticas como observam algus pesquisadores como [1], [3], [4] e [6]. 6 CONCLUSÃO A aálise espacial espectral mostrou que as partículas de carboeto de silício apresetam distribuição espacial completamete aleatória a liga de alumíio. Os resutados também idicam que aaálise espacial espectral pode ser ferrameta alterativa para ivestigar padrões de cofigurações potuais o espaço. AGRADECIMENTOS Os autores agradecem a Hele Atkiso (Uiversity of Sheffield) pela amostra metalográfica utilizada o artigo e a CAPES pelo apoio fiaceiro. ABSTRACT. This work ivestigates the spatial distributio patter of silico carbide particles i a alumium alloy (Al/SiC) usig two-dimesioal spectral spatial aalysis. This techique is based o the Fourier trasform of the autocovariace fuctio sample. The spectral aalysis is a powerful tool for ivestigatig the spatial distributio of poits, sice it does ot assume structural characteristics of the data before aalysis ad uses oly the spectral fuctio. The coordiates of the ceters of the particles were acquired through image processig techiques. The polar periodogram spectrum ad Mote-Carlo methods are used to test the hypothesis of complete spatial radomess of the particles. The results show both the silico carbide particles have completely radom spatial distributio i the alumium alloy ad the spatial spectral aalysis ca be a alterative tool to ivestigate poit patters i space. Keywords: polar spectrum, poit processes, material properties, spatial distributio.

9 ARAÚJO, BATISTA e SCALON 81 REFERÊNCIAS [1] M.S. Bartlett. The spectral aalysis of two-dimesioal poit processes. Biometrika, 51 (1964), [2] K.K. Chawla. Composite Materials: Sciece ad Egieerig. Spriger, New York, (2012). [3] P.J. Diggle. Statistical Aalysis of Spatial Poit Patters. Academic Press,Lodo, (1983). [4] M.A. Mugglestoe & E. Reshaw. A practical guide to the spectral aalysis of spatial poit processes. Computatioal Statistics ad Data Aalysis, 21 (1996), [5] R Developmet Core Team. R: a laguage ad eviromet for statistical computig. R Foudatio for Statistical Computig, Viea, (2012). [6] E. Reshaw & D. Ford. The descriptios of spatial usig two-dimesioal spectral aalysis. Vegetatio, 56 (1984), [7] J.D. Scalo, N.R.J. Fieller, E.C. Stillma & H.V. Atkiso. Spatial patter aalysis of secod-phase particles i composite materials. Materials Sciece ad Egieerig, A356 (2003),

Cap. 4 - Estimação por Intervalo

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

Leia mais

Conteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE)

Conteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE) Coteúdo Uiversidade Federal de Sata Cataria (UFSC) Programa de Pós-Graduação em Egeharia de Automação e Sistemas (PPGEAS) Disciplia: Sistemas de Tempo Real II 1 Itrodução à Estatística Itrodução a Probabilidade

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

Método alternativo para calcular a constante de Apéry

Método alternativo para calcular a constante de Apéry SCIENTIA PLENA VOL. 7, NUM. 4 0 www.scietiaplea.org.br Método alterativo para calcular a costate de Apéry S. R. Cruz; J. B. Oliveira; D. T. Feitosa; C. M. Silva Departameto de Matemática, Uiversidade de

Leia mais

Distribuições Amostrais

Distribuições Amostrais 9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

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

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

Distribuições Amostrais

Distribuições Amostrais 7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria

Leia mais

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas

Leia mais

2.2. Séries de potências

2.2. Séries de potências Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

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

Leia mais

Estimadores de Momentos

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

Leia mais

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

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

Leia mais

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X

Leia mais

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

Testes de Hipóteses sobre uma Proporção Populacional

Testes de Hipóteses sobre uma Proporção Populacional Estatística II Atoio Roque Aula Testes de Hipóteses sobre uma Proporção Populacioal Seja o seguite problema: Estamos iteressados em saber que proporção de motoristas da população usa cito de seguraça regularmete.

Leia mais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n. Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,

Leia mais

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular Sistemas de Processameto Digital Egeharia de Sistemas e Iformática Ficha 4 5/6 4º Ao/ º Semestre DFS Série Discreta de Fourier DFT Trasformada Discreta de Fourier Covolução Circular Para calcular a DFT,

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

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

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

Leia mais

CONHECIMENTOS ESPECÍFICOS

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

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

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

Leia mais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal. biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

Leia mais

Introdução à Estatística. Computacional. UFMG-ICEx-EST /02/ :43. Cap. 0 - Introdução à Estatística. Computacional 1

Introdução à Estatística. Computacional. UFMG-ICEx-EST /02/ :43. Cap. 0 - Introdução à Estatística. Computacional 1 0 ESQUEMA DO CAPÍTULO Itrodução à Estatística 0.1 VISÃO GERAL DOS MÉTODOS COMPUTACIONALMENTE INTENSIVOS EM ESTATÍSTICA 1 mete Itesivos Defiição: Do Hadbook of Computatioal Statistics: Cocepts ad Methods,

Leia mais

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa

Leia mais

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

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

Leia mais

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a): Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.

Leia mais

n ) uma amostra aleatória da variável aleatória X.

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

Leia mais

Séquências e Séries Infinitas de Termos Constantes

Séquências e Séries Infinitas de Termos Constantes Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates

Leia mais

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores) Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,

Leia mais

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

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

Leia mais

DERIVADAS DE FUNÇÕES11

DERIVADAS DE FUNÇÕES11 DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos

Leia mais

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para

Leia mais

Teoria da Estimação 1

Teoria da Estimação 1 Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

Comparação entre duas populações

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

Leia mais

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

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

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

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

Leia mais

ABORDAGEM PARA A SOLUÇÃO DE DESIGUALDADES VARIACIONAIS: A FUNÇÃO GAP

ABORDAGEM PARA A SOLUÇÃO DE DESIGUALDADES VARIACIONAIS: A FUNÇÃO GAP ABORDAGEM PARA A SOLUÇÃO DE DESIGUALDADES VARIACIONAIS: A FUNÇÃO GAP SARA MEIRA MOUTTA RABELO (UESC) saramoutta@hotmail.com gudelia g. morales de arica (UENF) gudelia@uef.br O trabalho apreseta uma descrição

Leia mais

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

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

Leia mais

ETE Eletrotécnica Aplicada. NÚMEROS COMPLEXOS Revisão

ETE Eletrotécnica Aplicada. NÚMEROS COMPLEXOS Revisão ETE Eletrotécica Aplicada NÚMEROS COMPLEXOS Revisão Período : T Seóides Tempo ecessário para se percorrer um ciclo Freqüêcia: f = 1/T Ciclos por segudo Freqüêcia Agular: w = 2p f Amplitude: V M Exemplo:

Leia mais

Sumário. 2 Índice Remissivo 17

Sumário. 2 Índice Remissivo 17 i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................

Leia mais

Avaliação de um Mapa Urbano Produzido de Forma Automática a partir de Imagem Orbital de Alta Resolução

Avaliação de um Mapa Urbano Produzido de Forma Automática a partir de Imagem Orbital de Alta Resolução XVIII Semiário Nacioal de Distribuição de Eergia Elétrica SENDI 008-06 a 0 de outubro Olida - Perambuco - Brasil Avaliação de um Mapa Urbao Produzido de Forma Automática a partir de Imagem Orbital de Alta

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,

Leia mais

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

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

Leia mais

Método do Lugar das Raízes

Método do Lugar das Raízes Método do Lugar das Raízes Coceito de Lugar das Raízes; O Procedimeto do Lugar das Raízes; Projeto de Parâmetros pelo Método do Lugar das Raízes; Sesibilidade e Lugar das Raízes; Cotrolador de Três Termos

Leia mais

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

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

Leia mais

Estacionariedade e correlação temporal em dados financeiros

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

Leia mais

Avaliação de mapas urbanos produzidos a partir de imagens orbitais de alta resolução

Avaliação de mapas urbanos produzidos a partir de imagens orbitais de alta resolução Avaliação de mapas urbaos produzidos a partir de images orbitais de alta resolução Salomão Soares Roberto Coelho de Berrêdo Agaldo Morais Ataíde Igor Lacerda Ferreira Cemig Distribuição SA Av. Barbacea,

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prova Escrita de MATEMÁTICA A - o Ao 08 - a Fase Proposta de resolução Cadero... Como P µ σ < X < µ + σ 0,94, logo como P X < µ σ P X > µ + σ, temos que: P X < µ σ 0,94 E assim, vem que: P X > µ σ P X

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

UMA INTRODUÇÃO À TEORIA DE PONTOS CRÍTICOS

UMA INTRODUÇÃO À TEORIA DE PONTOS CRÍTICOS UMA INTRODUÇÃO À TEORIA DE PONTOS CRÍTICOS INTRODUÇÃO Carlos Herique Togo e Atôio Carlos Nogueira Hoje em dia, um dos mais produtivos e atraetes ramos da Matemática é a Teoria de Sigularidades A Teoria

Leia mais

Estudando complexidade de algoritmos

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

Leia mais

EDMARY SILVEIRA BARRETO ARAÚJO ANÁLISE ESPACIAL ESPECTRAL EM PROCESSOS PONTUAIS

EDMARY SILVEIRA BARRETO ARAÚJO ANÁLISE ESPACIAL ESPECTRAL EM PROCESSOS PONTUAIS EDMARY SILVEIRA BARRETO ARAÚJO ANÁLISE ESPACIAL ESPECTRAL EM PROCESSOS PONTUAIS LAVRAS-MG 2013 EDMARY SILVEIRA BARRETO ARAÚJO ANÁLISE ESPACIAL ESPECTRAL EM PROCESSOS PONTUAIS Tese apresentada à Universidade

Leia mais

1 a Lista de PE Solução

1 a Lista de PE Solução Uiversidade de Brasília Departameto de Estatística 1 a Lista de PE Solução 1. a) Qualitativa omial. b) Quatitativa discreta. c) Quatitativa discreta. d) Quatitativa cotíua. e) Quatitativa cotíua. f) Qualitativa

Leia mais

Comparação de rotas de coleta de leite usando métodos não-paramétricos

Comparação de rotas de coleta de leite usando métodos não-paramétricos Comparação de rotas de coleta de leite usado métodos ão-paramétricos Eio Júior Seidel Luis Felipe Dias Lopes Agela Pellegri Asu Resumo:

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

DURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total)

DURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total) DURAÇÃO 1:30 (o teste costa de 3 págias com questões, um formulário e uma tabela - 5 folhas o total) Leia atetamete o euciado ates de respoder a cada questão. as questões de escolha múltipla seleccioe

Leia mais

TESTE DE AVALIAÇÃO GLOBAL - MATEMÁTICA A 11.º ANO DURAÇÃO DO TESTE: 90 MINUTOS GRUPO I

TESTE DE AVALIAÇÃO GLOBAL - MATEMÁTICA A 11.º ANO DURAÇÃO DO TESTE: 90 MINUTOS GRUPO I TESTE DE AVALIAÇÃO GLOBAL - MATEMÁTICA A 11º ANO DURAÇÃO DO TESTE: 90 MINUTOS GRUPO I Os cico ites deste grupo são de escolha múltipla Em cada um deles, são idicadas quatro opções, das quais só uma está

Leia mais

; 2N 2N.! " j %.(1 & q)2 N & j.q j. j!(2n & j)!

; 2N 2N.!  j %.(1 & q)2 N & j.q j. j!(2n & j)! DERIVA GENÉTICA Seja uma população de tamaho fiito N, costate ao logo das gerações; sejam aida p e q as freqüêcias dos alelos A e a de um loco autossômico a geração ; como o tamaho da população é costate,

Leia mais

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

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

Leia mais

Instituto Politécnico de Viseu Escola Superior de Tecnologia e Gestão

Instituto Politécnico de Viseu Escola Superior de Tecnologia e Gestão Istituto Politécico de Viseu Escola Superior de Tecologia e Gestão Prova Escrita de Avaliação de Cohecimetos e Competêcias para Maiores de 23 Aos Prova de Matemática (opcioal) Duração da prova: 50 miutos

Leia mais

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,

Leia mais

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ TESTE DE HIPÓTESES PARA A MÉDIA POPULACIONAL µ Nosso objetivo agora é estudar a média de uma variável quatitativa X. Deotamos a média descohecida como E(X)µ Mais precisamete, estimamos a média µ, costruímos

Leia mais

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória

Leia mais

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma

Leia mais

Probabilidade II Aula 12

Probabilidade II Aula 12 Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão Nome: N.º Turma: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações ecessárias. Quado, para

Leia mais

Métodos Quantitativos para Ciência da Computação Experimental Aula #4

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

Leia mais

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

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

Leia mais

ESTIMAÇÃO INTERVALAR PARA OS PARÂMETROS DO MODELO EXPONENCIAL DISCRETO: UMA APLICAÇÃO PARA DADOS DE SOBREVIVÊNCIA

ESTIMAÇÃO INTERVALAR PARA OS PARÂMETROS DO MODELO EXPONENCIAL DISCRETO: UMA APLICAÇÃO PARA DADOS DE SOBREVIVÊNCIA 41 ESTIMAÇÃO INTERVALAR PARA OS PARÂMETROS DO MODELO EXPONENCIAL DISCRETO: UMA APLICAÇÃO PARA DADOS DE SOBREVIVÊNCIA CARRASCO, Cleber Giugioli 1 NAKANO, Eduardo Yoshio 2 Recebido em: 2015.08.21 Aprovado

Leia mais

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

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

Leia mais

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

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

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

Disciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA

Disciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA Miistério da Educação UIVERSIDADE TECOLÓGICA FEDERAL DO PARAÁ Câmpus Curitiba Diretoria de Graduação e Educação Profissioal Departameto Acadêmico de Estatística 1 Disciplia: Probabilidade e Estatística

Leia mais

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

Leia mais

Aspectos Teóricos das Transformadas de Imagens

Aspectos Teóricos das Transformadas de Imagens Aspectos Teóricos das Trasformadas de Images WILLIAM ROBSO SCHWARTZ, HÉLIO PEDRII Uiversidade Federal do Paraá, Departameto de Iformática 853-990, Curitiba-PR, Brasil {william,helio}@if.ufpr.br Resumo.

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

Instruções gerais sobre a Prova:

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

Leia mais

Avaliação de Desempenho de Sistemas Discretos

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

Leia mais

11 Aplicações da Integral

11 Aplicações da Integral Aplicações da Itegral Ao itroduzirmos a Itegral Defiida vimos que ela pode ser usada para calcular áreas sob curvas. Veremos este capítulo que existem outras aplicações. Essas aplicações estedem-se aos

Leia mais

ESTIMAÇÃO PARA A MÉDIA

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

Leia mais

O teste de McNemar. A tabela 2x2. Depois - Antes

O teste de McNemar. A tabela 2x2. Depois - Antes Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"

Leia mais

ANÁLISE DA DISTRIBUIÇÃO ESPACIAL DA CULTURA DA SOJA NO ESTADO DO MATO GROSSO

ANÁLISE DA DISTRIBUIÇÃO ESPACIAL DA CULTURA DA SOJA NO ESTADO DO MATO GROSSO ANÁLISE DA DISTRIBUIÇÃO ESPACIAL DA CULTURA DA SOJA NO ESTADO DO MATO GROSSO MOISÉS PEREIRA GALVÃO SALGADO Divisão de Sesoriameto Remoto - DSR Istituto Nacioal de Pesquisas Espaciais - INPE Caixa Postal

Leia mais

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes. ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão 4 Nome: N.º Turma: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações ecessárias. Quado, para

Leia mais

CPV O cursinho que mais aprova na fgv

CPV O cursinho que mais aprova na fgv CPV O cursiho que mais aprova a fgv FGV ecoomia a Fase 0/dezembro/0 MATEMÁTICA 0. Chamaremos de S() a soma dos algarismos do úmero iteiro positivo, e de P() o produto dos algarismos de. Por exemplo, se

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Teste de Avaliação de MATEMÁTICA 12º ano

Teste de Avaliação de MATEMÁTICA 12º ano Turma: e º teste 06 de Fevereiro Nº Nome GRUO I Teste de Avaliação de MATEMÁTICA º ao º eríodo de 0/ duração 90 mi. rof. Josué Baptista Classificação: O rofessor: As sete questões deste grupo são de escolha

Leia mais

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

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

Leia mais

Proposta de Exame de Matemática A 12.º ano

Proposta de Exame de Matemática A 12.º ano Proposta de Eame de Matemática A 1.º ao Nome da Escola Ao letivo 0-0 Matemática A 1.º ao Nome do Aluo Turma N.º Data Professor - - 0 GRUP I Na resposta aos ites deste grupo, selecioe a opção correta. Escreva,

Leia mais

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc. Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora

Leia mais

A maneiras. Concluindo, podemos obter

A maneiras. Concluindo, podemos obter Matemática A. o ao TESTE DE AVALIAÇÃO DE MATEMÁTICA.º ANO PROPOSTA DE RESOLUÇÃO. A soma de todos os termos da liha de ordem do triâgulo de Pascal é ; assim, para esta liha, tem-se 96 log 96 log. O elemeto

Leia mais

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

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

Leia mais