Difusão entre Dois Compartimentos

Tamanho: px
Começar a partir da página:

Download "Difusão entre Dois Compartimentos"

Transcrição

1 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão etre o fluxo do soluto pela membraa e a dfereça de cocetração do soluto etre os dos lados da membraa: P = c φ c e. () Esta equação os sugere como se pode medr a permeabldade P de um dado materal a um soluto. Pode-se tomar uma lâma do materal, de uma dada espessura, e usá-la para separar dos compartmetos cheos com uma solução cujo soluto seja (veja a fgura da dreta a pága 3). As cocetrações do soluto os dos compartmetos podem ser meddas por métodos químcos ou óptcos ou por detectores de radação o caso de solutos radoatvos. O fluxo pode ser estmado tomado-se a dfereça da cocetração do soluto em um dos compartmetos etre dos states dferetes de tempo e dvddo-se essa dfereça pelo tempo etre as duas meddas e a área superfcal da lâma. Pela equação (), a permeabldade do materal ao soluto será dada pela razão etre o fluxo e a dfereças das cocetrações os dos compartmetos.

2 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Note que, como a equação () fo obtda sob a hpótese de regme estacoáro, o método descrto acma só é váldo se o fluxo for sufcetemete pequeo para ão alterar substacalmete as cocetrações os dos compartmetos. Este método, porém, dfclmete podera ser usado para medr a permeabldade da membraa de uma célula. Image as dfculdades téccas evolvdas para se extrar a membraa de uma célula mcroscópca e formar uma partção etre dos compartmetos com ela. Como podemos medr a permeabldade de uma membraa celular? Se cosderarmos que a dfusão etre os lados tero e extero de uma célula é equvalete a um processo de dfusão etre dos compartmetos, como lustrado a fgura a segur, pode-se ecotrar um método para estmar a permeabldade de uma membraa celular baseado o chamado modelo de dfusão etre dos compartmetos.

3 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Fgura da esquerda: esquema de uma célula em um baho. A = área da membraa da célula; φ = fluxo do soluto para fora da célula; V, = volume do teror da célula; V e = volume do baho; c = cocetração do soluto o teror da célula; c e = cocetração do soluto o exteror da célula. Fgura da dreta: modelo de dfusão etre dos compartmetos (a membraa é a partção etre os dos compartmetos). As varáves têm o mesmo sgfcado que a fgura da esquerda. Aproxmação de Membraa Fa Vamos cosderar dos compartmetos de volumes V e V separados por uma membraa de área A, como a fgura da dreta acma. Vamos supor o segute: As soluções os dos compartmetos estão bem msturadas, de maera que a cocetração do soluto é uforme o espaço 3

4 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 detro de cada compartmeto e depede apeas do tempo t. As cocetrações para os dos compartmetos serão desgadas por: c ( e c (. As partículas do soluto são coservadas, ou seja, ão há reações químcas presetes que crem ou destruam partículas do soluto. Se N for o úmero total de moles do soluto presetes os dos compartmetos, esta codção mplca que, V c ( + V c ( = N. () O úmero de partículas de soluto presetes detro da membraa a qualquer state de tempo é desprezível em comparação com as quatdades presetes os dos compartmetos. A qualquer state de tempo, a relação etre o fluxo e a cocetração é dada pela prmera le de Fck para membraas: φ ( = P ( c ( c (), (3) ode φ ( é o fluxo de partículas do compartmeto para o. Note que a últma suposção é uma hpótese forte, pos mplca assumr uma codção que, rgorosamete, só vale o regme estacoáro como válda também quado as cocetrações e o fluxo varam o tempo. 4

5 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 O fluxo φ se relacoa com a varação da cocetração o lado por: φ = A dn dt = A d ( V c ) dt = V A dc ( dt. (4) Substtudo esta equação a equação (3): dc( AP = ( c( c ( ).. (5) dt V Isolado c ( a equação () e substtudo em (5): dc( dt = AP V c V ( + V c ( N V dc( dt c( = AP V + c( V N VV dc ( + AP dt V r c ( = AP N, (6) V V ode o volume reduzdo dos dos compartmetos, V r, fo defdo como: V r V V V +V. (7) A equação (6) é uma equação dferecal lear ordára de prmera ordem com coefcetes costates. A sua solução é: 5

6 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 c ( = c ( )+ ( c (0) c ( ))e t τ, (8) ode c (0) é o valor cal da cocetração de soluto o compartmeto, c ( ) é o valor fal (asstótco) da cocetração e τ é a costate de tempo que govera o processo de varação expoecal da cocetração, do seu valor cal para o seu valor asstótco. Resolvedo a equação (6), obtemos que (faça como exercíco em casa): e C ( ) = V r V V N (9) τ = V r AP. (0) Quado o valor asstótco de c ( é atgdo, a cocetração ão vara mas o tempo (o mesmo vale para a cocetração c ( o outro compartmeto). Repetdo os passos acma para se obter a equação dferecal para c (, observa-se que ela vara o tempo com a mesma costate temporal τ e que o seu valor asstótco é gual ao de c (. Faça sso como exercíco para casa. 6

7 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Como os valores asstótcos das duas cocetrações são guas, o estado asstótco é um estado de equlíbro. Nesse estado, o fluxo φ é ulo. Por causa dsso, vamos chamar a costate temporal τ de (tau de equlíbro): = V r AP, () e a varação temporal de c com t passa a ser escrta como: c ( = c ( )+ ( c (0) c ( ))e t. () Desevolvedo um racocío semelhate ao feto acma para o fluxo φ (, vemos que ele também vara expoecalmete o tempo com a mesma costate temporal. Supodo uma stuação em que, o state cal, c (0) > c (0), os comportametos de c (, c ( e φ ( são dados pelo gráfco abaxo. 7

8 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Uma aálse da expressão () para a costate de tempo de equlíbro os dz que, quato maores forem a permeabldade P ou a área da membraa A, meor será. Isto faz setdo tutvamete, pos aumetado-se a permeabldade ou a área da membraa aumeta-se o fluxo através dela e, portato, mas rapdamete o sstema chega ao equlíbro. Por outro lado, aumetado-se o volume dos compartmetos (sto é, aumetado-se V r ) aumeta-se a costate de tempo. Isto também faz setdo tutvamete, pos um aumeto os volumes dos compartmetos mplca um aumeto da quatdade de soluto que tem que se dfudr até que se atja o equlíbro, causado um aumeto o tempo ecessáro para o estabelecmeto do equlíbro. 8

9 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Cotuado com a aálse da expressão para, vemos que V r é domado pelo meor dos dos volumes. Por exemplo, se V >> V, etão V r V. Já se V << V, etão V r V. Da equação (9) e da defção de V r temos que o valor da cocetração de equlíbro é: c ( ) = V r N = N. (3) V V V +V Portato, o equlíbro o úmero total de moles de soluto, N está dstrbuído uformemete pelo volume total dos dos compartmetos, V + V. Substtudo a equação () em (3) (lembre-se que a equação () vale para qualquer, obtemos uma expressão para a cocetração de equlíbro em termos das cocetrações cas: c ( ) = N = V c (0)+V c (0). V +V V +V (4) Os resultados obtdos dzem respeto à aproxmação de membraa fa. O poto cetral desta aproxmação fo a hpótese de que a le de Fck para membraas é válda a cada state de tempo. 9

10 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 A le de Fck para membraas fo obtda (ver aula 3) para o caso de um fluxo estacoáro através da membraa, mplcado que a cocetração de soluto vara learmete através dela. Portato, fcou mplícto o estudo feto para uma membraa fa que o fluxo assumdo como exstete através da membraa até o equlíbro ser atgdo é estacoáro. Esta codção é válda apeas quado >> τ ee, ou seja, quado o tempo que o sstema leva para chegar ao equlíbro é muto maor que o tempo que ele leva para atgr o estado estacoáro. Neste caso (e apeas ele) a aproxmação feta de usar a le de Fck para membraas para descrever o fluxo etre os dos lados pode ser cosderada adequada. Para determar até que poto a aproxmação de membraa fa é boa, vamos calcular a razão etre as costates de tempo de equlíbro ( ) e de estado estacoáro (τ est ), usado as equações () desta aula e a equação (8) da aula 3: τ ee = V rπ D AP d. (5) 0

11 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Substtudo a equação (3) da aula 3 esta expressão: τ ee = V rπ D d Ad D k = V rπ Adk. (6) Assumdo que k = para smplfcar: τ ee = V rπ Ad. (7) Se esta razão for grade, a aproxmação de membraa fa é boa. Para uma célula típca, o volume da solução extera a ela é muto maor que o volume da solução o seu teror, V e >> V, de maera que: Portato, para uma célula típca: V r = V V e V +V e V. (8) τ ee = π V Ad. (9) Para uma célula esférca de rao r, o seu volume e a sua área 4 3 superfcal são, respectvamete: = π r e A = 4πr. Portato: V 3 τ ee = π r 3d. (0)

12 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Um valor típco para r de uma célula ou orgaela é µm, e para d é 0 m. Para estes valores, /τ ee 330 para uma célula esférca. Isto mplca que, para células típcas, a aproxmação de membraa fa é uma boa aproxmação. Métodos expermetas para a determação de P para membraas celulares Algus métodos expermetas para se medr a permeabldade de membraas celulares a város tpos de solutos são baseados o modelo de dfusão etre dos compartmetos apresetado acma. Segudo esse modelo, a cocetração tracelular de um soluto vara o tempo de acordo com a equação (), ode c t ( c (0) c ( ) ) e, ( = c ( ) + () V τ eq = () AP é a costate de tempo de equlíbro, que govera a velocdade com que a cocetração o teror da célula atge o equlíbro (supôs-se que o volume exteror é muto maor que o volume da célula V, de maera que V r V).

13 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 O termo A que aparece a expressão para é a área da superfíce da célula e o termo P é a permeabldade da membraa celular ao soluto. A equação () pode ser reescrta como, c c c( ) = e (0) c ( ) ( t ou, tomado-se o logartmo de ambos os lados,, (3) c( c( ) l c(0) c( ) t = τ eq. (4) Portato, se tvermos um meo de medr a cocetração tracelular de em fução de t, de maera que possamos determar o valor asstótco c ( ), um gráfco em coordeadas sem-logartmcas da quatdade etre parêteses a equação acma em fução do tempo terá a forma de uma reta com clação egatva (gual a / ). Uma medda dessa clação os permte obter P, pos P = V. (5) A 3

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

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

Leia mais

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

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Física II (Química) FFCLRP USP Prof. Antônio Roque Termo 5. A Energia Livre de Gibbs e o Potencial Químico

Física II (Química) FFCLRP USP Prof. Antônio Roque Termo 5. A Energia Livre de Gibbs e o Potencial Químico 59036 Físca II (Químca) FFCLRP USP Prof Atôo Roque ermo 5 A Eerga Lvre de Gbbs e o Potecal Químco Nesta aula vamos apresetar uma gradeza termodâmca fudametal para a explcação de processos espotâeos a atureza,

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

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

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

Leia mais

Construção e Análise de Gráficos

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

Leia mais

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

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

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

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

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

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

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

Leia mais

Radiosidade. Claudio Esperança Paulo Roma Cavalcanti

Radiosidade. Claudio Esperança Paulo Roma Cavalcanti Radosdade Claudo Esperaça Paulo Roma Cavalcat Radosdade Resumo Modelo de lumação global Lumosdade aparete de um poto de uma superfíce depede de todos os potos de todas as superfíces Cada obeto da cea é

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

Leia mais

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

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

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

Leia mais

7 Análise de covariância (ANCOVA)

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

Leia mais

Confiabilidade Estrutural

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

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

Leia mais

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

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

Leia mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

Forma padrão do modelo de Programação Linear

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

Leia mais

Transferência de massa. Aula 9. Prof. Gerônimo

Transferência de massa. Aula 9. Prof. Gerônimo Trasferêca de massa ula 9 Prof. Gerômo - ITRDUÇÃ Etede-se por trasferêca de massa, o trasporte de um compoete de uma regão de alta cocetração para outra de baxa cocetração. g ag - ITRDUÇÃ Ecotramos trasferêca

Leia mais

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

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

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

Atividades Práticas Supervisionadas (APS)

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

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

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

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

Leia mais

Estabilidade no Domínio da Freqüência

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

Leia mais

Cap. 5. Testes de Hipóteses

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

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

Apostila de Introdução Aos Métodos Numéricos

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

Leia mais

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014) Físca IV Pol Egehara Elétrca: 8ª Aula (8/08/014) Prof. Alvaro Vaucc Na últma aula vmos: Resolução de Images: segudo o crtéro estabelecdo por Raylegh que quado o máxmo cetral devdo à dfração das odas do

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo. CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura

Leia mais

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

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

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

Ajuste de dados experimentais

Ajuste de dados experimentais Capítulo 8 8. Itrodução Uma forma de trabalhar com uma fução defda por uma tabela de valores é a terpolação polomal. Etretato esta ão é acoselhável quado:. é precso obter um valor aproxmado da fução em

Leia mais

II. Propriedades Termodinâmicas de Soluções

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

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

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

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

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

Leia mais

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

Leia mais

1 v = R I n PROBLEMAS A RESOLVER! E devem ser bem resolvidos para evitar isto. Vamos iniciar aplicando a equação de Chézy com coeficiente de Manning

1 v = R I n PROBLEMAS A RESOLVER! E devem ser bem resolvidos para evitar isto. Vamos iniciar aplicando a equação de Chézy com coeficiente de Manning PROBLEMAS A RESOLVER! v = R I 3 H 0 3 Q = RH I0 A Q = R 3 H A I 0 E devem ser bem resolvdos para evtar sto. Vamos car aplcado a equação de Chézy com coefcete de Mag Dados, A e R H há ftas vazões Q que

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

MEDIDAS DE DISPERSÃO:

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

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA O objetvo deste capítulo é apresetar formas da equação da coservação da massa em fução de propredades tesvas faclmete mesuráves, como a temperatura, a pressão,

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

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

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

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

50 Logo, Número de erros de impressão

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

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Capítulo 8. Método de Rayleigh-Ritz

Capítulo 8. Método de Rayleigh-Ritz Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para

Leia mais

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram

Leia mais

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

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

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

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

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

Avaliação da qualidade do ajuste

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

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

AULA Espaços Vectoriais Estruturas Algébricas. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resolvedo os problemas

Leia mais

3 Análises Probabilísticas de Estabilidade

3 Análises Probabilísticas de Estabilidade 3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos

Leia mais

3 Procedimento Experimental

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

Leia mais

Probabilidade II Aula 10

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

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

Modelo de Regressão Simples

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

Leia mais

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

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

Leia mais

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),

Leia mais

Companhia Energética de Minas LINHAS DE TRANSMISSÃO VISTO N o.

Companhia Energética de Minas LINHAS DE TRANSMISSÃO VISTO N o. Impressora utlzada PLSERJET00 a REV. PROJ.J DES. CONF. LCR LCR BSLM BSLM 03//0 FEITO VISTO DT PROV. L T E R Ç Õ E S PRO V. BSLM Compaha Eergétca de Mas LINS DE TRNSMISSÃO VISTO N o. DT BSLM 03//0 Compatbldade

Leia mais

Estatística. 2 - Estatística Descritiva

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

Leia mais

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

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

Leia mais

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

Leia mais