MODELOS NUMÉRICOS EM GEOCIÊNCIAS
|
|
- Luciano Benedicto Alencar Correia
- 5 Há anos
- Visualizações:
Transcrição
1 MODLOS NUMÉRICOS M GOCIÊNCIAS José Rcardo Sturaro 1, José Slvo Govoe 1 DGA/IGC/UNSP/ Ro Claro, SP, Brasl, sturaro@rc.uesp.br DMAC/IGC/UNSP/ Ro Claro, SP, Brasl, jsgovoe@rc.uesp.br Resumo: A aplcação de métodos ou modelos umércos em Geocêcas tem aumetado cosderavelmete as ultmas décadas. Isto se deve ao fato prátco do avaço extraordáro da formátca que possbltou o processameto de grade quatdade de formações, comumete ecotrada como resultados dos feômeos em Geocêcas. Cosderado que estes resultados ão se adequam aos modelos determístcos, recorreu-se aos fudametos das varáves aleatóras, cujo processameto teso, possblta obter um dos alvos mas mportates da Geocêcas, que são as estmatvas em locas ão amostrados. Detro deste cotexto, destacam-se os métodos estatístcos e geoestatístcos ou, ada, modelos umércos determístcos, porém coduzdos pelos procedmetos estocástcos. Palavras-Chave: Geoestatístca, Varograma, Krgagem 1. INTRODUÇÃO Os modelos matemátcos báscos aplcados em Geocêcas são os modelos determístcos e os probablístcos. Os modelos determístcos são os que apresetam resultados exatos, como por exemplo, a área de um círculo, o volume de uma esfera ou ada aproxmações físcas como a velocdade de queda de um objeto o vácuo e outros. Os modelos probablístcos estão relacoados com as varáves aleatóras. stas varáves podem assumr um valor etre mutos valores possíves, sto é somete um valor fxo é sufcete para descrever um dado probablístco. Por exemplo: - um laçameto de um dado produz valores aleatóros detro de um cojuto [ 1,, 3, 4, 5, 6] O cojuto de resultados e suas probabldades assocadas são deomados como le de probabldade ou dstrbução de probabldade de uma varável aleatóra. Apesar da ossa gorâca dos mecasmos que fluecaram o valor da varável, é possível prever a um valor médo em locas ão amostrados, baseado os dados já coletados, de acordo com os recursos das fuções aleatóras. Solos e rochas, dos quas resultam as propredades geocetfcas costtuem-se de materas de elevada heterogeedade e coforme a escala de mapeameto a ser adotada, a hpótese de uma classfcação homogêea pode se revelar totalmete adequada. ste mportate aspecto tora-se mas evdete quado se deseja quatfcar as propredades dos solos ou das rochas, sem cosderar a varabldade atural destas propredades. Nestes casos, é usual a atrbução de valores umércos para zoas cosderadas homogêeas, os quas, porém, ão apresetam qualquer sgfcado prátco. A varabldade é cosderada por somete um úco valor, cuja determação seguramete evolve julgametos pessoas ou, ada, é gorada, quado a méda artmétca ou outro valor médo, obtdos do cojuto de amostras, são empregados como parâmetros o modelameto dos projetos. Por outro lado a aplcação da estatístca clássca está, por razões formas, lmtada, as avalações de varabldade, pela dspersão dos valores em toro de um valor médo ou de tedêca cetral. A varabldade espacal das Proceedgs of the 9th Brazla Coferece o Dyamcs Cotrol ad ther Applcatos Serra Negra, SP - ISSN
2 Ttulo do Trab Autor 1, Autor, Autor 3, etc. propredades físcas, resultates de uma formação complexa como solos e rochas, requer um ovo cojuto de ferrametas para sua aálse. A mportâca da varabldade espacal pode ser ressaltada, por exemplo, quado se classfcam solos segudo algumas propredades geotéccas, sto é dos solos dsttos podem possur a mesma dstrbução de freqüêca, com médas e varâcas estatstcamete guas, porém a varação espacal das propredades em aálses, detro de cada tpo de solo, pode ser completamete dferete. As propredades em geocêcas, dado às suas característcas, equadram-se o uverso de varáves, cujos valores são respostas a processos aturas, como geológcos, pedológcos e outros. Desta forma, a metodologa da geoestatístca, fudametada os modelos probablístcos, costtu uma abordagem aproprada para quatfcar a aparete aleatoredade das varáves geocecetífcas, efetuado estmatvas e avalado-se certezas. Na aálse Geoestatístca, a varabldade espacal é avalada e modelada, para em seguda se empregar téccas apropradas de estmatvas, cujos resultados serão mages represetatvas da dstrbução o espaço, das propredades que estão sedo aalsadas. É ecessáro ter-se um modelo do comportameto do feômeo atural do qual resultou as varáves em estudo, etretato o cohecmeto em detalhes do comportameto de feômeos aturas, é de dfícl alcace. Basta magar a gêese complexa do teor de argla, como produto da ação do tempersmo sobre as rochas, orgado os solos ou etão a formação de uma pluma de cotamação por efluetes tóxcos. Caso houvesse um perfeto cohecmeto dos processos físcos e/ou químcos que geraram os valores das varáves, poder-se-a, etão, usar modelos determístcos com um úmero pequeo de amostras, para se fazer estmatva. Acotece, porém, que para a aálse das varáves, orudas de feômeos aturas, é ecessáro admtr alguma certeza os resultados das varáves assocadas a esses feômeos os dversos potos de amostragem. Tal complexdade de processos que orgam os dados, faz parecer que os mesmos possuem um comportameto aleatóro, quado, de fato, eles apeas refletem o descohecmeto que se tem de todos os processos e de suas terações o feômeo atural. Detro deste cotexto, os modelos probablístcos surgem como uma alteratva cosstete para modelar este comportameto, por meo do uso de fuções aleatóras. Para cotorar esta stuação, pode-se trabalhar com determadas fuções aleatóras, defdas em codções de estacoaredade espacal, que forecem subsídos para estmar os parâmetros báscos da dstrbução de probabldade em locas ão amostrados.. FUNÇÃO VARIOGRAMA Detre as fuções que são utlzadas em geoestatístca, destaca-se o semvarograma dervado do mometo de érca calculado para uma varável Z(x) em dversos tervalos de dstâca para uma dreção h, cujo gráfco da Fgura 1 demostra a dedução do semvarograma [8]. Fgura 1: Dagrama de dspersão de uma varável Z(x) para uma determada dstâca h. O mometo de érca, defdo este cotexto como semvarograma, costtu-se a metade da méda das dfereças quadrátcas etre as coordeadas de cada par de potos do dagrama de dspersão espacal de Z(x), ou seja: Proceedgs of the 9th Brazla Coferece o Dyamcs Cotrol ad ther Applcatos Serra Negra, SP - ISSN
3 1 Varograma = Z = 1 x - Z x + h (1) O valor ½ da equação represeta a dstâca perpedcular dos potos em relação à lha de 45º (graus) do dagrama de dspersão. sta dvsão por dos resulta a deomação de semvarograma, porém, mutos autores chamam smplesmete de varograma De forma geral, o semvarograma é a fução de cremeto com a dstâca h em uma determada dreção vsto que, quato mas afastados forem os potos de amostragem, mas seus valores em méda deverão ser dferetes. sta característca reflete bem a oção de zoa de fluêca de uma amostra [9]. Fgura squema padrão de um modelo varográfco perfeto Desta forma, quado se calcula o mometo de érca para város tervalos de dstâca, elabora-se um gráfco para uma determada dreção, deomado de semvarograma expermetal da varável Z(x). stes semvarogramas são ormalmete fetos para váras dreções, otadamete aquelas que possuem maor e meor cotudade da varável, costatadas em trabalhos prelmares de campo e mapas de sovalores das propredades que estão em aálse. Para a cofecção do semvarograma as segutes suposções báscas são requerdas: - as dfereças etre pares de valores de amostras são determadas pela oretação espacal relatva dessas amostras; - ao assumr as codções de estacoaredade os valores da área de teresse ão apresetam tedêca que possa afetar os resultados e assm a preocupação será apeas com a varâca das dfereças etre valores das amostras. Nota-se este caso que uma fução do tpo esférca é represetatva da seqüêca probablístca proposta, sto é, quado a probabldade do eveto ateror ocorrer é de 3/4. 3. STIMATIVA LINAR: KRIGAGM A krgagem costtu-se um método de estmatva lear e local, efetuado detro de vzhaças estacoáras, que procura mmzar, sem vés, o erro de estmatva, levado em cosderação as característcas espacas de autocorrelação de varáves regoalzadas. Nessas varáves deve exstr certa cotudade espacal, o que permte que os dados obtdos por amostragem de algus potos possam ser usados para parametrzar a estmação de potos ode o valor da varável seja descohecdo. Ao ser costatado, clusve, que a varável ão possu cotudade espacal a área estudada, ão tem setdo efetuar estmatvas e/ou terpolações usado a krgagem. Obedecda, porem essa codção a krgagem pode ser aplcada para: 1) prevsão do valor potual de uma varável regoalzada em um determado local detro do campo geométrco; é um procedmeto de terpolação exato que leva em cosderação todos os valores observados, o qual pode ser a base para cartografa automátca por computador quado se dspõe de valores de uma varável regoalzada dspostos por uma determada área; ) cálculo médo de uma varável regoalzada para um volume maor que o suporte geométrco da amostragem. O estmador pode ser assm expresso: Proceedgs of the 9th Brazla Coferece o Dyamcs Cotrol ad ther Applcatos Serra Negra, SP - ISSN
4 Ttulo do Trab Autor 1, Autor, Autor 3, etc. Z = λ Z = 1 ( ) x ode são os pesos assocados às formações Z(x ) e Z refere-se à estmatva de um poto, de uma área ou de um volume. () xste uma fdade de pesos que podem ser atrbuídos aos valores de Z(x ), etretato há teresse somete por uma combação que foreça o melhor estmador ão evesado. As codções báscas para que esta stuação seja atgda são: o valor estmado deve ser ão evesado e a varâca da estmatva ser mmzada O ão vés requer que o erro de estmatva seja em méda gual à zero: { Z( x )- Z } = 0 o (3) vsto que, Para sso é ecessáro estabelecer a codção λ = 1 { } = m = { Z( x )} Z ode { z } é a varâca míma de estmatva, o (4) A equação geral da varâca de estmatva, que usa um cojuto de amostra s pode ser assm expressa: σ = λ γ s jγ s (, V )- λ λ (, s ) = 1 = 1 j = 1 _ + γ ( V, V ) ode : λ são os pesos para cada amostra s γ é a fução semvarograma médo V correspode ao domío a ser estmado, podedo ser um bloco, área ou poto v é um elemeto do cojuto de amostras com suporte v. j (5) O sgfcado de cada termo da equação geral de varâca de estmatva é o segute: γ ( v,v ) : represeta o semvarograma médo etre os elemetos do cojuto de amostras estmadoras com suporte v e o domío v a ser estmado; este termo cosderada a posção das amostras em relação á udade a ser avalada. γ ( v,v) : costtu-se o valor médo do semvarograma etre todas as amostras estmadoras de suporte v, stuadas a vzhaça de estmatva; este termo cosdera a fluêca relatva das posções das amostras. γ ( V,V ): represeta o valor médo do semvarograma etre todos os possíves potos detro da udade V; desta forma são cosderadas as feções geométrcas da udade a ser estmada. Para mmzar esta equação, sujeta a codções de ão evezameto λ = 1, em relação aos poderadores λ, faz-se o uso da técca Lagragaa, com o desevolvmeto das dervadas parcas e gualado-as a zero; matematcamete, tem-se: δα = 0 δλ para = 1,, 3... (6) ste procedmeto gera um sstema lear de +1 equações, cohecdo como sstema de equações de krgagem. A solução deste sstema gera os poderadores ótmos assm como, a varâca da estmatva. RFRÊNCIAS [1] CLARK, I. Pratcal geostatstcs. Lodo: Appled Scece Publshers, p [] DAVIS, J.C. Statstcs ad data aalyss geology. New York: Joh Wley, p. [3] DUTSCH, C.V. Geostatstcal Reservor Modelg. Oxford Uversty Press. New York, p. Proceedgs of the 9th Brazla Coferece o Dyamcs Cotrol ad ther Applcatos Serra Negra, SP - ISSN
5 [4] DUTSCH, C.V., JOURNL, A.G. GSLIB: Geostatstcal Software Lbrary ad User s Gude: d. d. Oxford Uv. Press, New York, 199. [5] GOOVARTS, P. Geostatstcs for Natural Resources valuato. Oxford Uv. Press. New York, 51 p [6] GOOVARTS, P. Geostatstcs sol scece: state-ofthe-art ad perspectves. Geoderma 89, 1-47, [7] ISAAKS,.H.; SRIVASTAVA, R.M. Appled geostatstcs. New York: Oxford Uversty Press, p. [8] JOURNL, A.G.; HUIJBRGTS, J.C.H. Mg geostatstcs. Lodo: Academc Press, p. [9] MATHRON, G. Traté de Géostatstque applquée. Memóres du Bureau de Recherches Géologques et Méres, 196. tome I, 333p. tome II, 17p. [10] OLA, R.A. Systematc samplg of spatal fucto. Kasas: Kasas Geologcal Survey, p. (Seres o Spatal Aalyss, 7). [11] RNDU, J.M. A troducto to geostatstcal methods of meral evaluato. Johaesburg: Isttute of Mg ad Metallurgy, p Proceedgs of the 9th Brazla Coferece o Dyamcs Cotrol ad ther Applcatos Serra Negra, SP - ISSN
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 maisEm 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 maisANÁLISE 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 maisÉ 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 maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisMEDIDAS 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 maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia mais6.1 - 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 maisRegressao 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 maisDistribuições 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 maisMédia. 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 maisConfiabilidade 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 maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisMEDIDAS 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 maisInterpolação. 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 maisREGRESSÃO 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 maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisProf. 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 mais7 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 maisFaculdade 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 maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisÉ 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 maisCap. 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 maisProfessor 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 maisCAPÍTULO 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 maisRevisão 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 maisCapítulo 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 maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia maisMEDIDAS 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 mais1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade
Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada
Leia mais? 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 maisAula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
Leia maisSumário. 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 maisREGESD 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 maisEconometria: 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 maisIvan G. Peyré Tartaruga. 1 Metodologia espacial
RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisDistribuições 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 maisSumário. 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 mais3. METODOLOGIAS ESTATÍSTICAS E GEOESTATÍSTICAS
33 3 METODOLOGIAS ESTATÍSTICAS E GEOESTATÍSTICAS 3 Aálse Estatístca A eecução de aálses estatístcas báscas é tarefa pratcamete obrgatóra o tratameto de amostrages e o processameto de quatdades sgfcatvas
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisNoções Básicas de Medidas e Algarismos Significativos
Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia maisModelo 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 maisEstudo 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 maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisEstatística - 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 maisO delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.
Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem
Leia maisEstimativa de Campos de Precipitação: Análise Geoestatística e Integração de Dados de Postos Pluviométricos e Satélite TRMM
Estmatva de Campos de Precptação: Aálse Geoestatístca e Itegração de Dados de Postos Pluvométrcos e Satélte TRMM Rodrgo Cauduro Das de Pava Isttuto de Pesqusas Hdráulcas Uversdade Federal do Ro Grade do
Leia maisMÉTODO 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 maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia maisConstrução 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 maisEstatística. 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 maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia maisAvaliação 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 mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisA 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 maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisÉ 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 Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val/ ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisESTATÍSTICA 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 maisANÁLISE 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 maisParte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
Leia mais3 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(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 mais4 Métodos de Estimação da Entropia e da Informação Mútua
4 Métodos de Estmação da Etropa e da Iformação Mútua A estmação da etropa e da formação mútua, evolvedo apeas varáves aleatóras dscretas, é smples, com aplcação dreta da defção de Shao. No etato, quado
Leia maisMAE0229 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( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia mais50 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 maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia maisÉ 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: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisEstudo 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 maisModelos de regressão linear: abordagem clássica
Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua
Leia maisApostila 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 maisIntrodução à Estatística
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisCEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias
CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS
Leia maisEstatística: uma definição
Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisRevisão/Resumo de Análise Estatística I e Introdução à Tecnologia da Amostragem I
Dscpla: Tecologa da Amostragem I Professor: Marcelo Rubes Revsão/Resumo de Aálse Estatístca I e Itrodução à Tecologa da Amostragem I 1 - Modelos Estatístcos/Probablístcos São modelos que se aplcam quado
Leia maisControle Estatístico de Qualidade. Capítulo 6 (montgomery)
Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem
Leia maisESTATÍSTICA 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 mais8 Programação linear 78
8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos
Leia maisConceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
Leia maisIntrodução à Estatística. Júlio Cesar de C. Balieiro 1
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.
Leia maisEstabilidade 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 maisTabela 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 maisNúmeros 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 maisCentro 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 maisEstatística: uma definição
Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisProjeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão
Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.
Leia maisObjetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes.
Prof. Lorí Val, Dr. http://www. ufrgs.br/~val val/ val@mat.ufrgs.br Obetvos álse de varâca (NOV) É utlzada para mostrar os efetos prcpas de varáves categórcas depedetes (deomadas de fatores) sobre uma
Leia maisESTATÍSTICA 2º. SEMESTRE DE 2016
ESTATÍSTICA O presete materal fo elaborado com o objetvo de facltar as atvdades em sala de aula, segudo a bblografa apresetada o fal do texto. Esclarece-se que o materal, ão substtu a bblografa apresetada,
Leia maisNOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA
IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão
Leia maisDados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens
Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se
Leia mais