ANÁLISE DA SENSIBILIDADE DO MÉTODO DE MONTE CARLO PARA A ESTIMATIVA DE INCERTEZA DE ACORDO COM O NÚMERO DE DADOS ALEATÓRIOS GERADOS
|
|
- Arthur de Carvalho Salazar
- 5 Há anos
- Visualizações:
Transcrição
1 V CONGRESSO BRASILEIRO DE METROLOGIA Metrologia para a competitividade em áreas estratégicas 9 a 13 de novembro de Salvador, Bahia Brasil ANÁLISE DA SENSIBILIDADE DO MÉTODO DE MONTE CARLO PARA A ESTIMATIVA DE INCERTEZA DE ACORDO COM O NÚMERO DE DADOS ALEATÓRIOS GERADOS Guilherme Augusto de Almeida Gonçalves 1, Lucas Aguiar Teixeira 2, Ricardo de Araújo Kalid 3 1 Universidade Federal da Bahia, Salvador, Brasil, guilhermegoncalves10@gmail.com 2 Universidade Federal da Bahia, Salvador, Brasil, lucasteixeira88@yahoo.com 3 Universidade Federal da Bahia, Salvador, Brasil, kalid@ufba.br Sumário: Analisou-se de que maneira a incerteza, obtida pelo método de Monte Carlo, é influenciada pelo número de dados aleatórios gerados. Também foi avaliada a influência na heterocedasticidade da incerteza. Usando testes de hipótese verificou-se que a incerteza obtida pelo método de Monte Carlo é heterocedástica, até 10 7 apresentações de dados aleatórios. Os resultados mostraram que o número de dados aleatórios deve ser maior que 10 5 e que em casos que exigem maior rigor um estudo mais detalhado deve ser feito. Palavras-chave: Monte-carlo. Incerteza. Dados aleatórios. 1. INTRODUÇÃO Os métodos numéricos, embora existam registros da sua existência desde o século dezoito, começaram a ter uma maior importância durante a segunda guerra mundial onde foram usados para calcular o transporte de nêutrons. Dentre os métodos numéricos mais utilizados para simulações está o método de Monte Carlo ou simulação de Monte Carlo que recebeu esse nome numa homenagem feita por seu criador, Stanislaw Ulam, em uma visita aos cassinos de Mônaco. Em incerteza na medição o método de Monte Carlo [1] [2] é utilizado como uma alternativa para o método usual proposto pelo GUM. O método tem as suas principais aplicabilidades quando não se possui um modelo com derivadas parciais fáceis de calcular, quando a aproximação pela série de Taylor de primeira ordem para o modelo não é satisfatória (modelo não linear ou complexo) e por último quando é grande a assimetria das grandezas de entrada. O método se baseia no fato de cada grandeza de entrada possuir uma função densidade de probabilidade (PDF), a partir de cada grandeza de entrada e de sua respectiva PDF, são gerados dados aleatórios que através de um modelo são propagados para a grandeza de saída. Constrói-se assim a PDF da grandeza de saída e a partir desta são retirados todos os parâmetros estatísticos desejados. Observemos as várias vantagens de se fazer isso. Primeiro torna-se desnecessário o cálculo das derivadas parciais do modelo (coeficientes de sensibilidade), também não é mais necessário o cálculo dos graus efetivos de liberdade, bem como dos coeficientes de correlação (estão naturalmente incluídos no modelo). Porém um ponto de interrogação é a determinação do número de simulações que será necessário para se atingir uma precisão especificada [3] [4]. O presente trabalho tem como objetivo analisar de que maneira a incerteza varia de acordo com o número de dados gerados pseudo-aleatoriamente e qual o número de dados que torna o resultado satisfatório. Para o procedimento empregado nesta análise da incerteza foi utilizado o método programado para certo exemplo, com um número de dados aleatórios variável, e após isto se encontrou o número de dados a partir do qual a incerteza pode ser considerada homocedástica. A variância é uma peça chave para calcular a incerteza do tipo I. Diz-se que a incerteza de um instrumento de medição é homocedástica quando a variância dos resultados das medições é independente, ou seja, não varia, seja com o tempo, ou com o número de dados apresentados no método de Monte Carlo. 2. OBJETIVO Avaliar de que maneira a incerteza se comporta de acordo com o número de dados gerados na simulação de Monte Carlo. Propor um valor para o número de simulações que tornam a estimativa de uma incerteza de medição satisfatória e homocedástica. 3. METODOLOGIA O primeiro passo para a estimativa através do método de Monte Carlo foi a determinação da FDP que as medidas de capacitância seguiam. Para isso foi utilizado o teste de
2 Kolmogorov-Smirnov. Neste teste foram utilizadas como hipóteses as distribuições normal, uniforme e triangular. Foram então gerados dados aleatórios com base nessa distribuição. Estes dados foram gerados sucessivamente sempre aumentando o número de dados dez vezes, ou seja, utilizou-se a seguinte fórmula: Número de dados = 10 n, n = 1, 2, 3, 4, 5, 6, 7 Porém um grande inconveniente foi encontrado ao se iniciar o cálculo alguns pontos variavam a cada vez que o método era repetido, por exemplo, ao executar o método com 104 dados mais de uma vez observou-se que os valores eram diferentes de maneira bastante considerável, então para tornar o método mais robusto para cada n a incerteza foi estimada 30 vezes a partir disso então se calculou a média destas incertezas para análise. Há duas formas de aumentar o número de apresentações de dados (simulações): (a) incrementar o número de dados aleatórios de cada PDF de entrada; (b) incrementar o número de vezes que cada PDF é apresentada. Neste trabalho foram comparados esses procedimentos. Por fim analisou-se ainda de que maneira o tempo de processamento variou à medida que se aumentava o número de dados. Para verificar a homocedasticidade da incerteza (i.e. verificar a homogeneidade da variância dos dados) em relação ao número de amostragens no Método Monte Carlo (MMC), foi gerado 20 vezes um conjunto de trinta dados para cada número de simulações: 10, 102, 103, 104, 105, 106 e 107. Com esses dados, fez-se um teste de hipótese de igualdade de variância entre os dados referentes a pares consecutivos de número de simulações (entre os dados para 103 e 104 simulações, por exemplo). Para esses testes foram feitos os teste de Bartlett e depois o teste robusto de Levene [6], os quais são testes de hipóteses e retornam com um p-valor que indica a rejeição da hipótese nula de igualdade de variâncias quando é menor que a significância. Para aplicar tais testes usou-se a função vartestn do MATLAB [5]. Então foi analisado o comportamento dos p-valores com o aumento do número de simulações. ESQUEMA METODOLÓGICO 1. Após realizar as medições, utilizou-se um teste de aderência a uma PDF para atribuir uma PDF a cada grandeza de entrada; 2. Para cada grandeza de entrada gerou-se uma PDF com um pequeno número de dados; 3. Através do modelo propagou-se a incerteza para a grandeza de saída; 4. Através da PDF da grandeza de saída estimou-se um valor de incerteza para esta; 5. Os passos 2 a 4 são repetidos 30 vezes, gerando assim trinta valores de incerteza; 6. O pequeno número de dados inicial é incrementado aumentando seu valor por um fator de 10; 7. Repete-se os passos 2 a 5 para o novo número de dados 8. Faz-se um teste de igualdade de variâncias entre os conjuntos de incerteza para PDFs com diferentes números de dados(10² e 10³ dados, por exemplo) [6]. 9. Faz-se uma análise comparativa entre os resultados dos testes de igualdade de variância com o aumento do número de dados aleatórios que geram a PDF. 4. RESULTADOS E DISCUSSÃO 4.1 Dados Experimentais Usados para Estudo Para avaliar a sensibilidade do método de acordo com o número de dados gerados foi utilizado um exemplo onde se deseja medir a distância entre as placas de um capacitor plano de placas paralelas [7]. Um capacitor é um dispositivo elétrico cuja principal função é armazenar carga. Um capacitor consiste num dispositivo com dois condutores de cargas iguais e opostas. O capacitor de placas paralelas possui uma relação onde sua capacitância é associada com a área das placas e a distância entre elas: Em que: - corresponde a permissividade elétrica no vácuo - corresponde a permissividade elétrica do meio A - área das placas do capacitor d - distância entre as placas Neste exemplo a partir de medidas da capacitância objetivouse encontrar a distância entre as placas do capacitor, os dados utilizados para capacitância seguem na tabela 1. As constantes foram: = pf m -1 ; = pf m -1 ; A = m²; Estas constantes foram consideradas para efeito de cálculo isentas de incerteza.
3 4.2. Teste de Kolmogorov-Smirnov O teste de Kolmogorov-Smirnov realiza uma comparação entre distribuições para saber se elas são oriundas da mesma população, ou seja dadas duas amostras X1 e X2 ele testa se F1(x) = F2(x) para todo x dentro de um certo nível de significância alfa. Neste teste o nível de significância era aumentado a cada loop até que uma das hipóteses nulas não fosse rejeitada. Como resultado do teste, tem-se o valor H, a interpretação de H é a seguinte: H = 0 - Não rejeitamos a hipótese nula no nível de significância alfa; H = 1 - Rejeitamos a hipótese nula no nível de significância alfa. A partir deste teste foi adotado que os dados de entrada seguiam a uma distribuição uniforme, analisando a Tabela 2 e gráfico da Figura 1. Tabela 1: Dados de capacitância em picofarad. Medida Capacitância em pf 1 19, , , , , , , , , , , , , , , , , , , ,20 Tabela 2: Resultados para o teste Kolmogorov-Smirnov PDF testada Valor de H Significância Triangular Normal Uniforme Análise dos Dados Gerados para Cada n O que se observou inicialmente foi que para um número baixo de dados (n=1, 2, 3) não existe uma repetitividade da incerteza, pois os valores variam a cada vez que o programa é executado. Estes dados são, portanto, de pouca confiabilidade e não devem ser usados para o cálculo da incerteza já que não são valores realmente representativos do seu valor. À medida que o número de dados gerados aumentou, o procedimento se torna se torna mais confiável. Os pontos para n=4 também podem apresentar variações sendo também pouco recomendável que se use este número de dados apesar de apresentar certa repetitividade de valores muitas vezes ele destoa fortemente do valor apresentado anteriormente podendo ser uma fonte de uma incerteza subestimada ou superestimada. Figura 1: Histograma das grandezas de entrada Os valores para n=5 e 6 apresentaram resultados bons em relação à reprodutibilidade. A recomendação quando se utiliza o método de monte Carlo é utilizar no mínimo dados aleatórios (n=5). O que se percebe é que a partir desse valor a variação na incerteza, apesar de ainda existir, é muito baixa, e, comparando os valores para n=6 e n=7, a diferença é de apenas 1% em média, justificando usar n=7 apenas em casos onde se necessita de extrema precisão. Outro ponto analisado foi como os trinta valores estimados de incerteza eram próximos ou não. Esta análise é bastante importante já que para se ter uma incerteza que seja bastante robusta, mesmo executando o método várias vezes, é necessário que os valores desta sejam bastante repetitivos.
4 Figura 2: Gráfico dos trinta valores para incerteza estimada, delimitados por limites superiores e inferiores O critério utilizado para quantificar a dispersão das incertezas, ou seja, como estas incertezas se concentram em torno da incerteza média foi o desvio padrão resultante dos 30 cálculos de incerteza. É de se esperar que, quanto menor for o valor deste parâmetro, mais os valores estão concentrados em torno da incerteza média e mais representativa será este valor. Quanto a este parâmetro, o que se observou foi que ele diminui fortemente à medida que o número de iterações aumenta para n de 1 a 4 e depois começa decrescer de maneira mais suave, de modo que quando temos n = 7 ele já se aproxima muito do valor zero, a partir de n=6 já se torna pouco perceptível a diferença entre os desvios, o gráfico da Figura 3 mostra como o desvio variou em função do número de dados aleatórios. concluir que à medida que o número de dados aumenta menos variável fica o valor da incerteza como mostrado também no gráfico da Figura Tempo de Processamento Outro fato importante é que à medida que se aumenta o número de dados, principalmente após 10 5 dados, a velocidade de processamento torna-se bastante lenta, como observado no gráfico da figura 4. Figura 4: Tempo de Processamento para cada número de dados apresentados Figura 3: Desvio padrão das incertezas geradas em função do número de apresentados Um gráfico que mostra muito bem o fato da robustez dos valores está no gráfico de dispersão dos 30 valores para incerteza comparativamente (Figura 2), deste gráfico pode-se Para até cem mil dados o tempo de processamento permanece constante tendo em média cinquenta a setenta segundos de processamento para cada grupo de trinta PDFs geradas. Porém a partir deste número de dados apresentados o tempo de processamento dá um salto pequeno quando se apresentam um milhão de dados e o tempo praticamente dobra quando se apresentam dez milhões de dados aleatórios. Com relação aos procedimentos empregados e mencionados no método como (a) e (b) os resultados
5 mostraram que o procedimento (a) necessita de um número maior de apresentações para uma mesma precisão, porém o tempo de processamento é menor Testes de Igualdade das Variâncias Teste de hipótese, como o de Bartlett e o de Levene [6], tem como resposta um valor chamado de p-valor. Se o p-valor for maior que o nível de significância (que corresponde ao complementar do nível de confiança) então o teste é inconclusivo, ou seja, não se pode rejeitar a hipótese nula de que as variâncias dos dois grupos são diferentes Se o p-valor for menor que o nível de significância, o teste é conclusivo e indica a rejeição da hipótese nula. Fazendo os testes de Levene de comparação de variância da maneira proposta, chegou-se a valores para p-valor próximo de zero, usando amostras de 600 valores de incerteza obtidos através de cada PDF gerada pelo MMC, usando números diferentes de dados aleatórios no método para cada PDF. Isso indica que se pode rejeitar a hipótese de igualdade das variâncias e assumir que o acréscimo de número de simulações do MMC de fato altera nosso resultado representativamente, mesmo se comparando os dados para 10 6 e 10 7 simulações no Método Monte Carlo. REFERÊNCIAS [1] G.Moscati, L.G. Mezzalira e F.D. Santos. Incerteza de medição pelo método de Monte Carlo no contexto do suplemento 1 do GUM. ENQUALAB [2] BIPM, IEC, IFCC, ILAC, ISO, IUPAC, IUPAP and OIML 2007 Evaluation of Measurement Data, Supplement 1 to the Guide to the Expression of Uncertainty in Measurement Propagation of Distributions Using a Monte Carlo Method. [3] A.B. Mendes. Simulação de monte Carlo. Açoriano Oriental [4] M.C. Junior and P.J. Pompéia. Uncertainty of the Density of Moist Air: Gum x Monte Carlo. Brazilian archives of biology and technology [5] Matlab by The MathWorks, Inc. Vide: [6] M.B. Brown, A.B. Forsythe Robust Tests for the Equality of Variances, Journal of the American Statistical Association, Vol.69, No. 346 (Jun., 1974), pp [7] S. Mekid, D. Vaja, Propagation of Uncertainty: Expressions of Second and Third order Uncertainty with Third and Fourth Moments, Measurement (2007) 5. CONCLUSÕES Os valores das incertezas tornam-se repetitivos quando o número de dados aleatórios apresentados é no mínimo de 10 5 dados, porém à medida que se aumenta o número de dados, principalmente após 10 5 dados, a velocidade de processamento torna-se bastante lenta. Contudo, estatisticamente, a partir do teste de Levene, se observou que, mesmo com o aumento do número de dados apresentados, ou seja, com o aumento do número de simulações, a incerteza não é homocedástica. O que existe, na verdade, é uma contínua diminuição da variância dos resultados, levando a uma maior reprodutibilidade na estimativa da incerteza propagada pelo MMC, pelo menos até 10 7 simulações. Portanto, ao utilizar o método de Monte Carlo deve ser observado se as características das incertezas obtidas e se a PDF da incerteza atende aos requisitos necessários.
AVALIAÇÃO DA INCERTEZA EM ESTIMATIVAS DE MEDIÇÃO DE VAZÃO: UM CASO IMPLÍCITO, NÃO LINEAR E MULTIVARIÁVEL
AVALIAÇÃO DA INCERTEZA EM ESTIMATIVAS DE MEDIÇÃO DE VAZÃO: UM CASO IMPLÍCITO, NÃO LINEAR E MULTIVARIÁVEL Márcio A. F. Martins 1, Reiner Requião², Guilherme A. A. Gonçalves³, Ricardo A. Kalid 4 1 Programa
Leia maisINFLUÊNCIA DOS GRAUS DE LIBERDADE NA AVALIAÇÃO DA INCERTEZA EXPANDIDA
INFLUÊNCIA DOS GRAUS DE LIERDADE NA AVALIAÇÃO DA INCERTEZA EXPANDIDA Camila Ramalho Almeida 1, Márcio A. F. Martins 2, Reiner Requião 3, Ricardo de Araújo Kalid 4 1 Curso de Engenharia Química da Universidade
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisAVALIAÇÃO DE UM SISTEMA DE MEDIÇÃO DE ÁGUA EM INDÚSTRIAS
AVALIAÇÃO DE UM SISTEMA DE MEDIÇÃO DE ÁGUA EM INDÚSTRIAS Francisco F. Matos 1, Ricardo Kalid 1, Karla Oliveira-Esquerre 1, Asher Kiperstok 2 1 PEI Programa de Engenharia Industrial. Universidade Federal
Leia maisMétodos Estatísticos em Física Experimental
Métodos Estatísticos em Física Experimental Compilação de termos e definições gerais de metrologia. Os termos e definições apresentadas a seguir foram extraídos da 1ª edição brasileira do Guia para Expressão
Leia maisEstimativa da Incerteza de Medições Por Laboratórios de Calibração e Especificação da Calibração e Capacidade de Medição em Tabelas de Acreditação
Estimativa da Incerteza de Medições Por Laboratórios de Calibração e Especificação da Calibração e Capacidade de Medição em Tabelas de Acreditação Preparado por: Director Técnico Aprovado por: Director
Leia maisInstrumentação, Aquisição e Processamento de Sinais para Medições de Engenharia
Seção de Ensino de Engenharia de Fortificação e Construção SE/2 Curso de Pós-Graduação em Engenharia de Transportes Instrumentação, Aquisição e Processamento de Sinais para Medições de Engenharia Prof.
Leia maisUso do método de Monte Carlo para validar a análise de incerteza da calibração do volume de um provador compacto realizada através do GUM
Uso do método de Monte Carlo para validar a análise de incerteza da calibração do volume de um provador compacto realizada através do GUM Use of Monte Carlo method for validating GUM in the calculation
Leia maisInstrumentação Industrial. Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição
Instrumentação Industrial Fundamentos de Instrumentação Industrial: Introdução a Metrologia Incerteza na Medição Introdução a Metrologia O que significa dizer: O comprimento desta régua é 30cm. A temperatura
Leia maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia maisINCERTEZAS DE CURVAS DE CALIBRAÇÃO AJUSTADAS SEGUNDO OS MODELOS LINEAR E QUADRÁTICO
ENQUALAB 8 - Congresso da Qualidade em Metrologia Rede Metrológica do Estado de São Paulo - REMESP 9 a de junho de 8, São Paulo, Brasil INCERTEZAS DE CURVAS DE CALIBRAÇÃO AJUSTADAS SEGUNDO OS MODELOS LINEAR
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de Setembro a 01 de Outubro
COMPARAÇÃO DOS MÉTODOS DE VERIFICAÇÃO DO AJUSTE DA DISTRIBUIÇÃO GUMBEL A DADOS EXTREMOS CARLOS JOSÉ DOS REIS 1, LUIZ ALBERTO BEIJO 2,GILBERTO RODRIGUES LISKA 3 RESUMO A distribuição Gumbel é muito aplicada
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia mais4 ABORDAGENS METROLÓGICAS
4 4 ABORDAGENS METROLÓGICAS Neste capitulo são apresentados os termos metrológicos utilizados neste documento. Estes conceitos foram selecionados do Vocabulário Internacional de termos fundamentais e gerais
Leia maisCAPÍTULO 6. Incerteza de Medição. 6.1 Introdução
CAPÍTULO 6 Incerteza de Medição 6.1 Introdução O VIM define o mensurando como a grandeza específica submetida à medição, e o valor verdadeiro como sendo o valor de uma grandeza compatível com a definição
Leia mais/ Prática de Tratamento de Dados em Física Experimental. Simulação de incertezas na calibração de instrumentos de medição de força
430063/ Prática de Tratamento de Dados em Física Experimental Simulação de incertezas na calibração de instrumentos de medição de força v. FINAL 430063 Prat. Trat. Dados em Física Experimental Pág. 1 de
Leia maisSOFTWARE PARA AVALIAÇÃO DA INCERTEZA EM SISTEMA MULTIVARIÁVEL PARA PROCESSOS INDUSTRIAIS
SOFTWARE PARA AVALIAÇÃO DA INCERTEZA EM SISTEMA MULTIVARIÁVEL PARA PROCESSOS INDUSTRIAIS Reiner Requião 1, Ricardo de Araújo Kalid 2, Rafael de Pelegrini Soares 3 1 Programa de Pós-Graduação em Engenharia
Leia mais6 Validação Metrológica
6 Validação Metrológica Com o propósito de facilitar o entendimento do trabalho, o capítulo apresenta conceitos básicos de metrologia e definições relacionadas ao tem objeto da investigação. 6.1. Conceitos
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia mais2 Medida de Incertezas: Fundamentos
2 Medida de Incertezas: Fundamentos 2. Introdução O resultado de um processo de medição fornece uma determinada informação que usualmente é chamada de conhecimento. A fim de quantificar quão completo é
Leia maisInstrução de Trabalho
Instrução para Cálculo de Incerteza de Medição IT - 002 04 1 de 5 SUMÁRIO 1 OBJETIVO 2 REFERÊNCIAS 3 DEFINIÇÕES 4 DESCRIÇÃO DAS ATIVIDADES 5 REGISTROS 6 RESPONSABILIDADES 7 CONTROLE DE ALTERAÇÕES 8 ANEXOS
Leia maisRedefinição de grandezas de entrada correlacionadas: uma técnica eficaz para avaliação de incerteza.
Redefinição de grandezas de entrada correlacionadas: uma técnica eficaz para avaliação de incerteza. Redefinition of correlated input quantities: an effective technique for uncertainty evaluation. Ricardo
Leia maisTratamento estatístico de observações
Tratamento estatístico de observações Prof. Dr. Carlos Aurélio Nadal OBSERVAÇÃO: é o valor obtido durante um processo de medição. DADO: é o resultado do tratamento de uma observação (por aplicação de uma
Leia maisIncerteza em Medições. Introdução. ECV-5240 Instrumentação de Ensaios
Incerteza em Medições Fonte: BIPM International Bureau of Weights and Measures OIML International Organization of Legal Metrology ISO International Organization for Standardization IEC International Electrotechnical
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia maisTítulo Código Rev. MÉTODOS DE ENSAIO E VALIDAÇÃO DE MÉTODOS MQ-CQMA
5.4.1. Generalidades Os laboratórios do Centro de Química e Meio Ambiente (CQMA) estabelecem e mantêm procedimentos documentados para os métodos de ensaios que realizam. Nesses procedimentos estão incluídos
Leia maisDESENVOLVIMENTO DE SOFTWARE PARA A AVALIAÇÃO DA INCERTEZA DE MEDIÇÃO.
DESENVOLVIMENTO DE SOFTWARE PARA A AVALIAÇÃO DA INCERTEZA DE MEDIÇÃO. Guilherme Augusto de Almeida Gonçalves 1, Reiner Requião², Ricardo de Araújo Kalid 3. 1 Curso de Engenharia Química da Universidade
Leia maisTratamento estatístico de observações
Tratamento estatístico de observações Prof. Dr. Carlos Aurélio Nadal OBSERVAÇÃO: é o valor obtido durante um processo de medição. DADO: é o resultado do tratamento de uma observação (por aplicação de uma
Leia maisQUI 072 Química Analítica V Análise Instrumental. Aula 1 - Estatística
Universidade Federal de Juiz de Fora (UFJF) Instituto de Ciências Exatas Depto. de Química QUI 072 Química Analítica V Análise Instrumental Aula 1 - Estatística Prof. Dr. Julio C. J. Silva Juiz de For
Leia maisImplementação e Validação de Métodos Analíticos
Alexandra Sofia Reynolds Mendes Laboratório Regional de Controlo da Qualidade da Água Estação da Alegria 9050-FUNCHAL E-mail: xana@iga.pt Resumo Este artigo tem como principal objectivo descrever as principais
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisTeste de Cochran (Homogeneidade de Variância)
ara o modelo heterocedástico, vamos inicialmente testar as hipóteses Os métodos mais utilizados são os testes de Cochran, Bartlett e de Levene. Teste de Cochran (Homogeneidade de Variância) O teste de
Leia mais27/03/2009 INCERTEZA DE APLICADA AO USO DO GÁS NATURAL. Esp.Henrique Diniz. Objetivos. Abordar os aspectos práticos sobre Incerteza de Medição
INCERTEZA DE APLICADA AO USO DO GÁS NATURAL Esp.Henrique Diniz Objetivos Abordar os aspectos práticos sobre Incerteza de Medição 1 Bibliografia para Consulta Guia para Expressão da Incerteza nas Medições
Leia maisEsclarecimento: VARIÁVEL: as variações do mensurando são maiores que a incerteza expandida do SM
Esclarecimento: VARIÁVEL: as variações do mensurando são maiores que a incerteza expandida do SM INVARIÁVEL: as variações do mensurando são inferiores à incerteza expandida do SM O resultado da medição
Leia mais2. Integridade Estrutural e Inspeção Baseada em Risco
. Integridade Estrutural e Inspeção Baseada em Risco No presente capítulo serão apresentadas algumas definições relacionadas ao processo de avaliação de Integridade Estrutural de máquinas. Também serão
Leia maisANÁLISE DE DESEMPENHO DE UM TROCADOR DE CALOR INDUSTRIAL CONSIDERANDO A IN- CERTEZA DE MEDIÇÃO
ANÁLISE DE DESEMPENHO DE UM TROCADOR DE CALOR INDUSTRIAL CONSIDERANDO A IN- CERTEZA DE MEDIÇÃO E. A. COSTA 1, M. A. F. MARTINS 2, J. K. O. FERNANDES 2, R. A. KALID 2. 1 Universidade Federal da Bahia, Colegiado
Leia maisTratamento estatístico de observações geodésicas
Tratamento estatístico de observações geodésicas Prof. Dr. Carlos Aurélio Nadal OBJETIVO: parâmetros estatísticos são utilizados para avaliar os métodos empregados ou para o controle de qualidade dos trabalhos.
Leia maisQUÍMICA ANALÍTICA V 2S Prof. Rafael Sousa. Notas de aula:
QUÍMICA ANALÍTICA V 2S 2011 Aulas 1 e 2 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf/baccan Algarismos significativos
Leia mais5 Agregação das Reservas das Entidades
5 Agregação das Reservas das Entidades Neste capítulo é apresentado o procedimento de agregação das reservas das entidades. É importante ressaltar que as entidades probabilísticas sofrem agregação probabilística,
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor
Leia maisA UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
Leia maisIntrodução às Medidas em Física a Aula. Nemitala Added Prédio novo do Linac, sala 204, r. 6824
Introdução às Medidas em Física 4300152 3 a Aula Nemitala Added nemitala@dfn.if.usp.br Prédio novo do Linac, sala 204, r. 6824 Experiência I: Medidas de Tempo e o Pêndulo Simples Objetivos: Realizar medidas
Leia maisConceitos introdutórios
Erros Grosseiros: erros cujo acompanhamento só pode envolver a repetição do ensaio (fáceis de detectar) (ex.: derrame de uma solução); Erros Sistemáticos: afectam a proximidade dos resultados em relação
Leia maisMetodologia de simulação
Metodologia de simulação OBJETIVOS E DEFINIÇÃO DO SISTEMA FORMULAÇÃO DO MODELO ANÁLISE E REDEFINIÇÃO MODELO ABSTRATO RESULTADOS EXPERIMENTAIS (Capítulo 6) MODELO CONCEITUAL (Capítulo 3) REPRESENTAÇÃO DO
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia mais3 Controlo interno da qualidade dos ensaios
3.3.1 Validação Quantificação da recuperação de analito: - Habitualmente, a capacidade do procedimento recuperar o analito adicionado é quantificada através do cálculo da recuperação de analito, R: Teor
Leia maisMETODOLOGIA PARA AVALIAÇÃO DA INCERTEZA DE MEDIÇÃO EM REGIME DINÂMICO DE SISTEMAS CONTÍNUOS
METODOLOGIA PARA AVALIAÇÃO DA INCERTEZA DE MEDIÇÃO EM REGIME DINÂMICO DE SISTEMAS CONTÍNUOS M. A. F. MARTINS 1, R. de A. KALID 1 1 Universidade Federal da Bahia, Programa de Pós-Graduação em Engenharia
Leia maisProfa. Dra. Suelí Fischer Beckert
Profa. Dra. Suelí Fischer Beckert 2 Disponível em: http://www.bipm.org/en/publications/ guides/ 3 INMETRO. Vocabulário Internacional de Metrologia: conceitos fundamentais e gerais e termos associados (VIM
Leia maisQUI 154/150 Química Analítica V Análise Instrumental. Aula 1 Estatística (parte 1)
Universidade Federal de Juiz de Fora (UFJF) Instituto de Ciências Exatas Depto. de Química QUI 154/150 Química Analítica V Análise Instrumental Aula 1 Estatística (parte 1) Prof. Julio C. J. Silva Juiz
Leia maisTESTE DE KOLMOGOROV-SMIRNOV. Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA
TESTE DE KOLMOGOROV-SMIRNOV Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA Conteúdo 2 Ewaldo Santana Introdução 3 Ewaldo Santana Introdução Testes estatísticos paramétricos, tais como
Leia maisR 7 termômetros clínicos de mercúrio em vidro, com dispositivo de máxima; R 16-1 Esfigmomanômetros mecânicos não-invasivos e R 16-2 Esfigmomanômetros
1 Introdução A metrologia é a ciência que compreende todos os aspectos relacionados às medições, sejam elas nas áreas da ciência, tecnologia e qualquer outra área que exija rigor nos resultados de medição.
Leia maisAula II Estatística Aplicada à Instrumentação Industrial -Avaliação da Incerteza de Medição
Aula II Estatística Aplicada à Instrumentação Industrial -Avaliação da Incerteza de Medição Universidade Federal da Bahia Escola Politécnica Disciplina: Instrumentação e Automação Industrial I(ENGF99)
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisCapitulo 6 Viabilidade Econômica em Situação de Incerteza
1 Capitulo 6 Viabilidade Econômica em Situação de Incerteza Nos capítulos anteriores, ao construir o fluxo de caixa de um projeto de investimento, supusemos que os valores eram conhecidos com certeza.
Leia maisModificação do teste de Tukey para uso sob heterocedasticidade e desbalanceamento
Modificação do teste de Tukey para uso sob heterocedasticidade e desbalanceamento Paulo César de Resende Andrade 1 Lucas Luciano Barbosa 1 Regiane Teixeira Farias 1 Ana Luisa de Castro Pereira Martins
Leia maisAvaliação da incerteza associada à análise cromatográfica de gás natural
Avaliação da incerteza associada à análise cromatográfica de gás natural Evaluating the uncertainty associated with the chromatographic analysis of natural gas Paulo Sikeyuki Sakairi Junior 1, Raony Fontes
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia maisMario de Andrade Lira Junior lira.pro.br\wordpress
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress autorais. 27/04/2009 1 Modelo simplificação da realidade Linear formato de reta Generalizado não específico Cada delineamento experimental
Leia maisMONTAGEM DE HIPÓTESES
MONTAGEM DE HIPÓTESES Metodologia Científica Graduação Tecnológica O Enunciado das Hipóteses * Toda pesquisa científica consiste em enunciar e verificar hipóteses... Hipótese é: * uma suposição que se
Leia maisCOMPARAÇÃO INTRALABORATORIAL NA MEDIÇÃO DO ENTALHE EM CORPOS DE PROVA CHARPY
PROMOÇÃO E REALIZAÇÃO REDE METROLÓGICA DO ESTADO DE SÃO PAULO - REMESP REDE DE SANEAMENTO E ABASTECIMENTO DE ÁGUA - RESAG 9 a 3 de outubro de 04 Local: Associação Brasileira da Indústria de Máquinas e
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisIncerteza de resultados de Medição em Máquinas de Medir por Coordenadas
Formação Avançada em Metrologia 3D Incerteza de resultados de Medição em Máquinas de Medir por Coordenadas Material didático informativo sobre Medição 3D Incerteza de resultados de Medição em Máquinas
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisAumento amostral via arquétipos na avaliação do potencial hídrico de espécies de eucalipto
Aumento amostral via arquétipos na avaliação do potencial hídrico de espécies de eucalipto Pórtya Piscitelli Cavalcanti 1 4 Carlos Tadeu dos Santos Dias 2 4 Patrícia Andressa de Ávila 3 4 José Leonardo
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisUniversidade Federal da Bahia Programa de Pós Graduação em Engenharia Elétrica
Universidade Federal da Bahia Programa de Pós Graduação em Engenharia Elétrica Disciplina: Processamento Estatístico de Sinais (ENG A83) Prof.: Eduardo Simas eduardo.simas@ufba.br Tema: Verificação da
Leia mais6 Teste de Normalidade das Cargas Fatoriais
6 Teste de Normalidade das Cargas Fatoriais Até o presente momento os intervalos de confiança e os valores-p para o TIAF são sugeridos com base em métodos não paramétricos, que não exigem a normalidade
Leia maisRenda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
Leia maisUSO DA INCERTEZA DE MEDIÇÃO NA AVALIAÇÃO DE CONFORMIDADE DE MEDICAMENTOS. Noh Ah Jeong
UNIVERSIDADE DE SÃO PAULO FACULDADE DE CIÊNCIAS FARMACÊUTICAS Curso de Graduação em Farmácia-Bioquímica USO DA INCERTEZA DE MEDIÇÃO NA AVALIAÇÃO DE CONFORMIDADE DE MEDICAMENTOS Noh Ah Jeong Trabalho de
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia mais01/09/15. Medidas Elétricas Aula 4 Sistemas de Medição. Métodos de Medição. Método de Comparação. Método de Comparação. Método de Indicação
1/9/15 Introdução ao Sistema de Medição Ê Métodos básicos de medição; Medidas Elétricas ula 4 Sistemas de Medição Prof. Fabricia Neres Métodos de Medição Ê Comparação (zeragem); Método de Comparação Ê
Leia mais4 Determinação Experimental das Propriedades Estatísticas das Fibras de Carbono
4 Determinação Experimental das Propriedades Estatísticas das Fibras de Carbono As propriedades dos compósitos de fibras de carbono mais importantes a determinar no caso do reforço à flexão e à força cortante
Leia maisENSAIO DE PROFICIÊNCIA EM ANÁLISES DE ETANOL. 1ª Rodada
ENSAIO DE PROFICIÊNCIA EM ANÁLISES DE ETANOL 1ª Rodada ORGANIZAÇÃO CONSUL-LAB CONSULTORIA PARA LABORATÓRIOS EQUIPE DE APLICAÇÃO Aparecido Roberto Alves José Luís Franco de Godoy Marcos Rasera Mario Darci
Leia maisQuímica Analítica V 1S Prof. Rafael Sousa. Notas de aula:
Química Analítica V 1S 2013 Aula 2: 13-05-2013 Estatística Aplicada à Química Analítica Parte 1 Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan
Leia mais3. Conceitos Introdutórios. Qualidade em Análise Química
3. Conceitos Introdutórios 0 3.1 - Objectivo do controlo da qualidade dos ensaios 3.2 - Definições e terminologia - Exactidão - Veracidade - Erro sistemático - Precisão - Repetibilidade - Reprodutibilidade
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisCálculo Numérico BCC760 Raízes de equações algébricas e transcendentes
Cálculo Numérico BCC760 Raízes de equações algébricas e transcendentes Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ Introdução Dada uma função y = f(x), o objetivo deste
Leia mais4. Processamento de resultados de PCIs na visão da ASTM
4. Processamento de resultados de PCIs na visão da ASTM Ao propor seu Interlaboratory Crosscheck Program, a ASTM elaborou, também, uma metodologia estatística para avaliar e interpretar os resultados obtidos
Leia maisERROS E TRATAMENTO DE DADOS Prof. Marcelo R. Alexandre
ERROS E TRATAMENTO DE DADOS Prof. Marcelo R. Alexandre ALGARISMOS SIGNIFICATIVOS! Algarismos exatos Constituem os algarismos de uma leitura que estão isentos de qualquer dúvida ou estimativa.! Algarismos
Leia maisDCBD. Avaliação de modelos. Métricas para avaliação de desempenho. Avaliação de modelos. Métricas para avaliação de desempenho...
DCBD Métricas para avaliação de desempenho Como avaliar o desempenho de um modelo? Métodos para avaliação de desempenho Como obter estimativas confiáveis? Métodos para comparação de modelos Como comparar
Leia mais3 Teoria da Concatenação e Técnicas Estatísticas
Capacidade 30 3 Teoria da Concatenação e Técnicas Estatísticas A teoria apresentada neste capítulo resume-se na descrição da norma TIA/EIA TSB107 [1]. A necessidade de se prever os valores de PMD de um
Leia maisTE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira
TE231 Capitulo 2 Zeros de Funções; Prof. Mateus Duarte Teixeira Sumário 1. Como obter raízes reais de uma equação qualquer 2. Métodos iterativos para obtenção de raízes 1. Isolamento das raízes 2. Refinamento
Leia maisInserindo Credibilidade Estatística aos Resultados de uma Avaliação de Desempenho
Inserindo Credibilidade Estatística aos Resultados de uma Avaliação de Desempenho Avaliação de Desempenho Prof. Kleber Rezende kleber.rezende@ifsuldeminas.edu.br Conteúdo Revisão de Probabilidade e Estatística:
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisAVALIAÇÃO DA INCERTEZA DE MEDIÇÃO EM SISTEMAS MULTIVARIÁVEIS BASEADA EM SIMULAÇÕES DE MONTE CARLO
VI CONGRESSO NACIONAL DE ENGENHARIA MECÂNICA VI NATIONAL CONGRESS OF MECHANICAL ENGINEERING 18 a 21 de agosto de 2010 Campina Grande Paraíba - Brasil August 18 21, 2010 Campina Grande Paraíba Brazil AVALIAÇÃO
Leia maisINCERTEZAS E COVARIÂNCIAS EM MEDIÇÕES COM MULTÍMETROS DIGITAIS
INCERTEZAS E COVARIÂNCIAS EM MEDIÇÕES COM MULTÍMETROS DIGITAIS Aluno: Elielson Soares Pereira 1 Orientador: Zwinglio de Oliveira Guimaraes Filho 2 Programa Ensinar com Pesquisa (sem bolsa) 1 Departamento
Leia maisRoteiro do Experimento Força de Atrito Variável Parte II
A) Introdução ao experimento Experimentos Virtuais de Mecânica Roteiro do Experimento Força de Atrito Variável Parte II Na Parte I da análise do experimento, as grandezas cinemáticas relativas ao movimento
Leia maisIdentificação da Distribuição Teórica de Probabilidades
Identificação da Distribuição Teórica de Probabilidades A utilização de gráficos, tais como um histograma, são muito úteis para a identificação ou delineamento da distribuição teórica de probabilidades.
Leia maisQuímicos Simplificar Adequando ao Uso. Incerteza: aspetos de terminologia de acordo com o VIM3. Olivier Pellegrino IPQ
WORKSHOP O Avaliação ação da Incerteza em Ensaios Químicos Simplificar Adequando ao Uso Incerteza: aspetos de terminologia de acordo com o VIM3 Olivier Pellegrino IPQ 2014-11-27 PLANO CONTEXTO INFORMAÇÕES
Leia maisQUI 154/150 Química Analítica V Análise Instrumental. Aula 1 Estatística (parte 1)
Universidade Federal de Juiz de Fora (UFJF) Instituto de Ciências Exatas Depto. de Química QUI 154/150 Química Analítica V Análise Instrumental Aula 1 Estatística (parte 1) Prof. Julio C. J. Silva Juiz
Leia maisGuia RELACRE CÁLCULO DA INCERTEZA NA CALIBRAÇÃO DE CONTADORES DE ÁGUA PELO MÉTODO VOLUMÉTRICO
Guia RELACRE 6 CÁLCULO DA INCERTEZA NA CALIBRAÇÃO DE CONTADORES DE ÁGUA PELO MÉTODO VOLUMÉTRICO FICHA TÉCNICA TÍTULO: Guia RELACRE 6 Cálculo da Incerteza na Calibração de Contadores de Água pelo Método
Leia mais