A Medição e o Erro de Medição

Tamanho: px
Começar a partir da página:

Download "A Medição e o Erro de Medição"

Transcrição

1 A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção Os erros aleatóros Os erros sstemátcos 1.5 O verdadero valor, o erro e a certeza 1.6 Cálculo de erros de medção 1.7 O úmero de algarsmos sgfcatvos 1.8 A exactdão dos strumetos de medção O erro a strumetação aalógca O erro a strumetação dgtal 1.9 Estatístca da medda 1.10 Aspectos essecas a expressão da certeza da medção 1. A Medção e o Erro de Medção 1

2 Itrodução 1. A Medção e o Erro de Medção 2

3 Defções Metrologa: Cêca das medções [VIM 2.2]. Medção: Cojuto de operações que têm por objectvo determar o valor de uma gradeza [VIM 2.1]. Estas operações são realzadas maual ou automatcamete. Prcípo de medção: Método de Medção: Mesurada: gradeza partcular submetda à medção [VIM 2.6]. A especfcação de uma mesurada pode requerer formações acerca de gradezas como o tempo, a temperatura e a pressão. Resultado de uma medção: valor atrbuído a uma mesurada, obtdo a medção [VIM 3.1]. Istrumeto de medção: Cadea de medção: Sstema de medção: 1. A Medção e o Erro de Medção 3

4 Caracterzação da qualdade da medção Exemplo: Medção da potêca actva, P, absorvda pela carga Z Z Questões prelmares a colocar sobre o problema de medção: ~ U I Idetfcação tão completa quato possível da mesurada. Selecção do método de medção Caracterzação do problema de medção. Idetfcação das gradezas a medr. Formulação dos modelos matemátcos. Caracterzação da qualdade de medção Erros sstemátcos Erros aleatóros Icertezas de medção A Medção e o Erro de Medção 4

5 Caracterzação da qualdade da medção A mesurada é a potêca actva P dada pela expressão P = UI cosϕ Z Ates da caracterzação completa do problema de medção, apreseta-se o esquema eléctrco da medção de potêca actva com um wattímetro dgtal ~ V I 1. A Medção e o Erro de Medção 5

6 O erro da medção Erro aleatóro: resultado da medção subtraído da méda que resultara de um úmero fto de medções da mesma mesurada em codções de repetbldade [VIM 3.13]. De otar que: 1) o erro aleatóro é gual ao erro meos o erro sstemátco; 2) sedo exgdo um úmero fto de medções, apeas é possível obter uma estmatva do erro aleatóro. Erro sstemátco: méda que resultara de um úmero fto de medções da mesma mesurada em codções de repetbldade subtraída do valor verdadero da mesurada [VIM 3.14]. De otar que: 1) o erro sstemátco é gual ao erro meos o erro aleatóro; 2) como o valor verdadero de uma gradeza é descohecdo, o erro sstemátco e as suas causas ão são completamete cohecdas. meddas B meddas A Xmédo Xverdadero Xverdadero - Xmédo meddas A meddas B Xmeddo 1. A Medção e o Erro de Medção 6

7 Erros sstemátcos O erro por efeto de carga a medção de correte e tesão V o Crcuto cal R o A I Crcuto após trodução de aparelho de medção V o R o A A I A R A Medção de correte I A = V o R o +R A I = V o R o V o R o B Medção de correte A V V o R o B A V RV ε = I A I I F c (I) = = I A I I = I A R o +R A R o R A 1 = R o +R A B B Medção de tesão Medção de tesão Correcção: valor acrescetado algebrcamete ao resultado bruto da medção, para compesar o erro sstemátco [VIM 3.15]. Assm, a correcção é gual e de sal cotráro ao erro sstemátco estmado. Já que o erro sstemátco ão é cohecdo perfetamete, a compesação do erro ão é completa. V V = ε = V V F c (V) = R V R o + R V V o V o = V V V o V o V V = V o 1 = R o +R V R o +R V R V R o Factor de correcção: factor umérco pelo qual se multplca o resultado bruto da medção, para compesar o erro sstemátco [VIM 3.16]. 1. A Medção e o Erro de Medção 7

8 Verdadero valor, erro e certeza A mesurada: resstêca, R, de um codutor de cobre, à temperatura de 20 ºC, de secção crcular de S = 1mm 2 e comprmeto gual l = 1 m. ρ Cu T l Questão: Qual o verdadero valor da mesurada? O resultado de uma medção de um codutor as codções defdas, após efectuadas todas as correcções dos erros cohecdos, dá orgem, quado muto, à melhor estmatva do verdadero valor da mesurada, porque: As medções de l, S são afectadas por uma certeza. Não se garate a uformdade da secção, ao logo do comprmeto. Não se garate a uformdade da dstrbução da temperatura T. Não se garate a pureza do cobre. A resstêca é fluecada por outras gradezas ão especfcadas S Equação de medção R l = ρ S 1. A Medção e o Erro de Medção 8

9 Defções do VIM* Prcípo de Medção: fudameto cetífco da medção [VIM 2.3] (como o efeto termoeléctrco para a medção de temperatura ou o efeto de Doppler para a medção de velocdade). Método de medção: sequêca lógca de operações, descrtas geercamete, utlzadas a execução de medções [VIM 2.4]. Mesurada: gradeza partcular submetda à medção [VIM 2.6]. A especfcação de uma mesurada pode requerer formações acerca de gradezas como o tempo, a temperatura e a pressão. Resultado de uma medção: valor atrbuído a uma mesurada, obtdo a medção [VIM 3.1]. Quado se usa este termo, devemos dcar claramete se o resultado da medção se refere a uma dcação de um strumeto. se é um resultado bruto, se se trata de um resultado corrgdo ou se é o resultado de uma méda de váras medções A expressão completa de um resultado de medção deve clur formação sobre a certeza da medção. Istrumeto de medção: dspostvo destado à execução da medção, solado ou em cojuto com equpametos suplemetares [VIM 4.1]. Cadea de medção: sequêca de elemetos de um strumeto de medção ou de um sstema de medção que costtu o trajecto do sal de medção desde a etrada até à saída [VIM 4.4]. Sstema de medção: cojuto completo de strumetos de medção e outros dspostvos motados para executar uma medção específca [VIM 4.5]. *VIM - Vocabuláro Iteracoal de Metrologa 1. A Medção e o Erro de Medção 9

10 Defções do VIM* Valor (de uma gradeza): magtude de uma gradeza partcular em geral expressa pelo produto da udade de medda multplcada por um úmero [VIM 1.18]. Por exemplo: 5,12 m; 3,12 kg; 8,35 V. Valor umérco (de uma gradeza): quocete do valor de uma gradeza pela udade utlzada a sua expressão [VIM 1.21]. Os valores umércos dos exemplos aterores são 5,12; 3,12; 8,35. Valor verdadero (de uma gradeza): valor cosstete com a defção de uma dada gradeza partcular [VIM 1.19]. É portato um valor que deve ser obtdo em codções perfetas de medção. São valores, que pela sua atureza deal, ão podem ser determados. Valor covecoalmete verdadero (de uma gradeza): valor atrbuído a uma gradeza partcular e acete, por vezes por coveção, como tedo uma certeza aproprada a um determado objectvo [VIM 1.20]. Exactdão de medção: aproxmação etre o resultado da medção e o valor verdadero da mesurada [VIM 3.5]. Em VIM, há duas otas mportates a esta defção: 1) exactdão é um coceto qualtatvo; 2) deve ser evtado o termo precsão o lugar de exactdão. Um coceto qualtatvo como este, ão deve ser referdo quattatvamete com úmeros, como frequetemete acotece. Os úmeros devem ser assocados à certeza da medção. Assm, devemos escrever a certeza de uma medção é de 0,2 mv, mas ão a exactdão da medção é de 0,2 mv. Para evtar a prolferação de termos qualtatvos ão defdos, recomeda-se a ão utlzação de exactdão. *VIM - Vocabuláro Iteracoal de Metrologa 1. A Medção e o Erro de Medção 10

11 Defções do VIM* Repetbldade dos resultados (de uma medção): aproxmação etre os resultados de medções sucessvas de uma mesma mesurada, efectuadas as mesmas codções de medção [VIM 3.6]. Estas codções são desgadas por codções de repetbldade, que cluem: o mesmo procedmeto de medção; o mesmo observador; o mesmo strumeto de medção, usado as mesmas codções; o mesmo local; a repetção deve ser realzada durate um curto tervalo de tempo. Reprodutbldade dos resultados (de uma medção): aproxmação etre os resultados das medções da mesma mesurada efectuada com alteração das codções da medção [VIM 3.7]. As alterações que se cosderam cluem o prcípo e o método de medção, o observador, o strumeto, o padrão de referêca, o local, as codções de utlzação e o tempo. Icerteza de medção: parâmetro assocado ao resultado da medção, que caracterza a dspersão dos valores que podem ser razoavelmete atrbuídos à mesurada [VIM 3.9]. Este parâmetro pode ser, por exemplo, o desvo-padrão (ou um seu múltplo). Erro da medção: dfereça algébrca etre o resultado da medção e o valor verdadero da mesurada [VIM 3.10]. Uma vez que o valor verdadero ão é determável, a prátca é usado um valor covecoalmete verdadero. Quado é ecessáro dstgur "erro" de "erro relatvo", o prmero é por vezes chamado "erro absoluto de medção". Este ão deve ser cofuddo com valor absoluto do erro, que é o módulo do erro. *VIM - Vocabuláro Iteracoal de Metrologa 1. A Medção e o Erro de Medção 11

12 O úmero de algarsmos sgfcatvos A expressão umérca de um resultado de medção deve corporar a certeza da medção, dcado o tervalo de valores em que o resultado está cotdo. Por ex: a medda de um voltímetro é 3,50 V ± 2 %, (ou 3,43 V V x 3,57 V) ou de um amperímetro é 3,21 A ± 0,02 A (ou 3,19 A I x 3,23 A) Repare-se que o prmero caso, o zero é um algarsmo sgfcatvo, assm como o 3 e 5. No exemplo da correte, todos os algarsmos são sgfcatvos. Um valor e a certeza correspodete devem ser compatíves. Por exemplo, ão são váldos R = 1,234 Ω ± 5 % Algumas regras Na adção ou subtracção, deve observar-se como regra que o resultado ão deve coter ehum algarsmo para a dreta do dígto a posção mas elevada represetada uma das parcelas. Por exemplo: Resultado = Na multplcação ou dvsão, a regra a usar é: o produto ou quocete devem ser represetados com um úmero de algarsmos sgfcatvos gual ao factor com um meor úmero de algarsmos sgfcatvos. Por exemplo: 412,6 1,24 = 511,624 deve ser arredodado para 512 e 412,6:1,24=332, ( ) deve ser arredodado para 333 ou C = 78 µf ± 0,01 µf 1. A Medção e o Erro de Medção 12

13 Defções do VIM* A exactdão os strumetos de medção Exactdão (de um strumeto de medção): aptdão de um strumeto de medção para dar dcações próxmas do verdadero valor da gradeza medda [VIM 5.18]. Recorda-se que exactdão é um coceto qualtatvo. Classe de exactdão (de um strumeto de medção): classe de strumetos de medção que satsfazem certos requstos metrológcos com vsta a mater os erros detro de lmtes especfcados [VIM 5.19]. A classe de exactdão é dcada por um úmero ou um símbolo adoptado por coveção, desgado por ídce de classe. Erro de dcação (de um strumeto de medção): dfereça etre a dcação do strumeto de medção e o valor verdadero da correspodete gradeza de etrada [VIM 5.20]. Como o verdadero valor ão pode ser determado, a prátca usa-se o valor covecoal. Erro máxmo admssível (de um strumeto de medção): valor extremo do erro admtdo pelas especfcações, regulametos, etc., relatvos a um dado strumeto de medção [VIM 5.21]. Erro o poto de esao (de um strumeto de medção): erro de um strumeto de medção para um dado valor da dcação ou para um dado valor da mesurada escolhdo para o esao do strumeto [VIM 5.22]. O erro o zero (de um strumeto de medção) é o erro o poto de esao quado o valor especfcado para a mesurada é zero [VIM 5.23]. Erro tríseco (de um strumeto de medção): erro de um strumeto de medção determado as codções de referêca [VIM 5.24]. Erro sstemátco (de um strumeto de medção): erro sstemátco da dcação do strumeto de medção [VIM 5.25]. Este erro é ormalmete estmado tomado o valor médo do erro de dcação de um úmero aproprado de medções repetdas. A fdeldade de um strumeto de medção é a aptdão desse strumeto para dar dcações setas de erro sstemátco [VIM 5.26]. Repetbldade (de um strumeto de medção): aptdão de um strumeto de medção para dar, em codções de utlzação defdas, respostas muto próxmas quado se aplca repetdamete a mesma mesurada [VIM 5.27]. As codções de repetbldade são as referdas aterormete. A repetbldade é expressa, quattatvamete, em termos de característcas de dspersão das dcações. Vocabuláro Iteracoal de Metrologa 1. A Medção e o Erro de Medção 13

14 Cálculo de erros de medção O erro de medção é x = x x v O valor absoluto do erro é o módulo de x, sto é O erro relatvo é δx = x = x x v Para a equação de medção ou y = f(x 1, x 2,..., x ) O erro total, y, tem a expressão y = f(x 1 + x 1, x 2 + x 2,,x + x ) f(x 1, x 2,,x ) Do desevolvmeto de f em sére de Taylor o poto (x 1, x 2,,x ), obtemos f ( ou ε x = x x v x ε x x 1 + x1,x2 + x2, K,x + x ) f ( x1,x2, K,x ) + =1 x y =1 f x x f x x Admtdo que é cohecdo o majorate x max de x, o majorate do valor absoluto do erro de y, δy, é dado pela relação A expressão do majorate do erro relatvo é etão Dode resulta a expressão geral dos erros Exemplo f δy x x =1 1 2 max f x max x = 1 ε y f ( x,x, K,x ) ε y = 1 Calcular o erro relatvo (a tolerâca) do paralelo de duas resstêcas R 1 e R 2, sabedo que o erro máxmo relatvo de cada uma das resstêcas é, respectvamete, ε R1 e ε R2. Comparar os resultados obtdos pela aplcação da expressão geral dos erros com a aplcação da regra da dferecal logarítmca às expressões R=R 1.R 2 /(R 1 +R 2 ) e R=1/(1/R 1 +1/R 2 ). f x x f ε x 1. A Medção e o Erro de Medção 14

15 O erro a strumetação aalógca e dgtal O lmte do erro um strumeto aalógco represetado pelo ídce de classe. é Na strumetação dgtal, o erro é especfcado em duas parcelas: O ídce de classe é, em percetagem, o quocete etre o valor absoluto máxmo do erro, suposto costate em toda a gama de medção, e o valor máxmo da escala de medção, e δ max =.c. V FE / 100.c. é o ídce de classe e V FE é a tesão de fm de escala. O erro relatvo máxmo é ε max = δ max / letura=.c. V FE / letura (%) 1) a percetagem da etrada (ou letura); 2) um erro de resolução em úmero de dígtos da década meos sgfcatva. Por exemplo, um dcador dgtal de três dígtos (dcações de 000 a 999), a especfcação do erro é ±[ 0,1 % da etrada + 1 dígto (LSD) ] ode LSD é o dígto meos sgfcatvo. Exemplo 1 Para medr a dfereça de potecal etre os potos A e B de um crcuto eléctrco usou-se a dfereça etre dos valores de tesão referdas a um poto comum, através da relação V AB = V. AC V BC. As tesões V AC e V BC foram meddas com dos voltímetros, tedo-se obtdo: V AC = 8,7 V (voltímetro com.c.= 0,5, a escala de 10 V) e V BC = 8,4 V (.c.=1, a escala de 10 V). Qual o erro máxmo relatvo da medção? Exemplo 2 Um voltímetro dgtal apreseta as segutes característcas: úmero de dígtos: 4 ½ dígtos (*); escala : DC mv; erro máxmo: ±[ 0,04 % da letura + 3 dígtos (LSD) ]. Calcule o erro relatvo máxmo para as leturas de 2,00 mv, 5,00mV, 10,00 mv, 50,00 mv, 100,00 mv e 199,99 mv. 1. A Medção e o Erro de Medção 15

16 Estatístca da medda Parâmetros estatístcos mportates Méda N Desvo relatvamete à méda Valor absoluto do desvo médo x = 1 N x d = x x δ = 1 N d =1 =1 N Erro relatvo ε = δ x Quadrado do desvo padrão expermetal s 2 1 = N 1 =1 N 2 d Dstrbução Gaussaa p(x) p(x) = 1 (x µ)2 2 exp( 2πσ 2σ 2 ) σ µ µ σ+µ x Itervalos de cofaça e correspodete ível de cofaça para a dstrbução ormal. ±x ±0,6745σ ±1,0σ ±1,960σ ±2,0σ ±2,576σ ±3,0σ % da área total 50,0 68,3 95,0 95,5 99,0 99,7 1. A Medção e o Erro de Medção 16

17 Icerteza da medção A certeza do resultado de uma medção, deve ser agrupada em duas categoras, de acordo com o método utlzado para estmar os seus valores umércos: Tpo A - certezas que são avaladas por métodos estatístcos Tpo B - certezas que são avaladas por métodos ão estatístcos Frequetemete uma gradeza de saída, a mesurada Y, ão é medda drectamete, sedo determada a partr de outras gradezas de etrada X 1, X 2,, X, através de uma relação fucoal Y = f(x 1, X 2,..., X ) As gradezas X são sujetas a correcções (ou factores de correcção). É ecessáro também ter em cosderação outras fotes de varabldade, tas como dferetes observadores, strumetos, amostras, laboratóros e dferetes states em que as observações foram tomadas. Assm, esta equação de medção ão deve ser cosderada como a expressão de uma le físca. É sm uma expressão de um processo de medção devedo, cosequetemete, explctar todas as certezas que de uma forma sgfcatva cotrbuíram para o resultado da medção. Desgado por y uma estmatva de Y, e x uma estmatva de X, temos y = f(x 1, x 2,..., x ) 1. A Medção e o Erro de Medção 17

18 Icerteza da medção Determação das compoetes da certeza Como exemplo de uma avalação do tpo A, cosdere-se uma gradeza X, cujo valor é estmado a partr de N observações depedetes X k de X, obtdas as mesmas codções de medção. A melhor estmatva, x, deste cojuto de observações é a méda da amostra represetada por x = X = 1 N k=1 N X k A certeza-padrão u(x ), a ser assocada a x, é a estmatva do desvo-padrão da méda, ou u(x ) = s(x ) = s(x k) N N = 1 (X N(N 1) k X )2 k=1 1/2 Uma avalação do tpo B da certeza-padrão é baseada a formação relevate e dspoível, que clu: Os dados de medções aterores. A experêca com, ou cohecmeto de, comportametos e propredades de materas e strumetos relevates. As especfcações dos fabrcates. Os dados forecdos em operações de calbração e em relatóros téccos. Outras certezas atrbuídas a dados de referêca proveetes de mauas. Uma certeza é especfcada para um dado ível de cofaça (90 %, 95 % ou 99 %). A ão ser que se mecoe explctamete que fo usado outro tpo de dstrbução para calcular a certeza, admte-se que se recorreu a uma dstrbução ormal. Para esta dstrbução, os factores correspodetes a estes três íves de cofaça são 1,64, 1,96 e 2,58, respectvamete. 1. A Medção e o Erro de Medção 18

19 Icerteza da medção Exemplo Um relatóro de calbração especfca que uma tesão padrão V p de valor omal 1,02 V é gual a 1, V ± 156 µv à temperatura de 20 ºC. A certeza de 156 µv fo defda para um ível de cofaça de 95 %. Determe a certezapadrão e a varâca-padrão. Resolução 156 A certeza-padrão é u(v p ) = 1,96 = 80 µv. A varâca-padrão é o quadrado da certeza-padrão, sto é u 2 (V p ) = 6, V 2 Le da propagação da certeza Quado estamos perate uma gradeza y depedete, através de uma relação fucoal f, de outras gradezas x 1, x 2,..., x, cada uma das quas medda com uma determada certeza-padrão, a certeza global, desgada por certeza-padrão combada u c (y), é dada por 2 c u ( y) = = 1 2 f u x 2 ( x ) = 1 j= + 1 f f u( x, x j ) x x j com f/ x - coefcete de sesbldade u(x ) - a certeza-padrão assocada à estmatva x u(x, x j ) - a covarâca estmada, dada por 1 u(x, x j ) = cov(x, x j )= (X N 1 k X )(X jk X j ) k=1 N 1. A Medção e o Erro de Medção 19

20 Exemplo Icerteza da medção Cosdere a segute equação de medção Y = a 1 X 1 + a 2 X 2 + a 3 X 3. A gradeza X 1 apreseta um desvo-padrão expermetal gual a 0,2. A gradeza X 2 está, com um ível de cofaça de 68 %, o tervalo [ 0,05; 0,05]. A gradeza X 3 está, com um ível de cofaça de 95 %, o tervalo [ 0,4; 0,4]. As estmatvas de X (para =1, 2, 3) apresetam os valores: x 1 = 1,34; x 2 = 0,25; x 3 = 1,75. X apreseta uma dstrbução ormal, ão exstdo correlação etre as gradezas X. a são os coefcetes de sesbldade de valor a 1 = 1,0; a 2 = 1,2; a 3 = 0,5. Determe uma estmatva de Y e o respectvo tervalo de cofaça. Resolução Uma estmatva de Y é dada por y = a 1 x 1 + a 2 x 2 + a 3 x 3 Não exstdo correlação etre as gradezas, a equação ) tem a expressão u 2 c (y) = a 1 2u 2 (x 1 ) + a 2 2u 2 (x 2 ) + a 3 2u 2 (x 3 ) com u(x 1 ) = 0,2 (a certeza é estmada pelo própro desvo-padrão) u(x 2 ) = 0,05 (a certeza é estmada por metade da ampltude do tervalo dvddo pelo factor multplcatvo correspodete ao ível de cofaça; este caso, para o ível de 68 % o factor é gual a 1) u(x 3 ) = 0,4/1,96 (a certeza é estmada por metade da ampltude do tervalo dvddo pelo factor multplcatvo correspodete ao ível de cofaça; este caso, para o ível de 95 %, o factor é gual a 1,96) Obtém-se assm y = 2,515 u 2 c (y) = 0,0540 ou u c (y) = 0,232 Falmete, o tervalo de cofaça é [2,515 0,232; 2,515+0,232] 1. A Medção e o Erro de Medção 20

21 Icerteza da medção Para covarâca ula, o quadrado da certeza-padrão combada passa a ter a expressão ou 2 c 2 c u ( y ) = u ( y ) = = 1 = 1 2 f 2 u ( x ) x 2 2 [ c u( x )] = u ( y ) = 1 Com u (y) c u(x ) e a sesbldade c, dada por c = f / x O grau de correlação etre x e x j é caracterzado pelo coefcete de correlação, estmado pela expressão u(x, xj) cov(x, xj) r(x, xj) = = u(x) u(xj) s(x) s(xj) dode resulta a expressão 2 c u ( y ) = = f 2 u ( x ) + x 2 = 1 j= + 1 f f r( x,x j )u( x x x j )u( x j ) Obtda a certeza-padrão combada, o tervalo de certeza do resultado da medção fca caracterzado por u c (y). Se a dstrbução dos resultados for aproxmadamete ormal e u c (y) for uma estmatva fável do desvo-padrão de y, etão o tervalo [y u c (y); y + u c (y)] cotem aproxmadamete 68 % dos valores atrbuíves à gradeza Y, de que y é uma estmatva. 1. A Medção e o Erro de Medção 21

22 Icerteza da medção Icerteza de medção expadda e factor de expasão Apesar de u c (y) ser uversalmete usada para expressar a certeza de um resultado de medção, em algumas aplcações (como as áreas da saúde ou da seguraça) é ecessáro dspor de uma medda de certeza que eglobe uma fracção aprecável dos valores que são atrbuíves à mesurada. É usada a certeza expadda, U, que é gual à certeza-padrão combada, u c (y), multplcada por um factor de expasão k, sto é U = k u c (y) Assm, com um determado ível de cofaça, Y assume um valor o tervalo Y =y± U. Tpcamete, k assume os valores de 2 ou 3, a que correspodem íves de cofaça de 95,5 % e 99,7 %, respectvamete. Nos casos em que uma dstrbução ormal possa ser atrbuída a uma mesurada e a certeza-padrão assocada à estmatva da gradeza de saída teha sufcete fabldade, deve optar-se pelo factor de expasão k = 2. Os exemplos segutes referem a forma como deve ser especfcada a certeza, para uma tesão padrão, V s = 10 V. Exemplo 1: V s = 10,03256 V com uma certeza combada gual a u c = 0,28 mv. Admtdo que os valores estmados da gradeza apresetam uma dstrbução ormal, com um desvo-padrão estmado u c, o valor descohecdo do padrão estará, com um ível de cofaça aproxmado de 68 %, o tervalo V s ± u c. Exemplo 2: V s = (10,03256 ± 0,00056) V em que o úmero a segur ao símbolo ± é o valor umérco da certeza expadda U = k u c, sedo U calculada a partr da certeza-padrão combada u c = 0,28 mv e um factor de expasão k=2. Admtdo uma dstrbução ormal, o valor descohecdo do padrão está, com um ível de cofaça aproxmado de 95,5 %, o tervalo V s ± U. 1. A Medção e o Erro de Medção 22

23 Icerteza da medção A certeza a realdade laboratoral Uma tabela de certezas, como a represetada a tabela segute, permte, para além duma detfcação geral, dcar todos os tpos de certeza bem como os parâmetros ecessáros para o cálculo da certeza expadda. A tabela cotém três zoas prcpas: Idetfcação, com formação relevate quato à gradeza a caracterzar, com detfcação do prcpal equpameto usado bem como um título geérco do relatóro, o ome do autor do relatóro e a data de realzação. Icertezas-padrão dvduas, ode se detfca a certeza, e se dão todos os valores mportates que permtam determar a certeza-padrão, ou a sua varâca. Nesta tabela são cosderados os segutes parâmetros: (1) certeza especfcada, u(x ); (2) coefcete de sesbldade, c ; (3) tpo de dstrbução cosderada, dst (Gaussaa, rectagular ou tragular); (4) coefcete calculado (ou retrado da dstrbução) para o tervalo de cofaça especfcado, k. (5) e (6) referem-se à certeza-padrão referda à saída u (y), e a correspodete varâca padrão u 2 (y), determadas a partr das coluas aterores. Resultados, ode se tabelam os valores totas das certezas e varâcas combadas e falmete se apreseta a certeza expadda. 1. A Medção e o Erro de Medção 23

24 Icerteza da medção A certeza a realdade laboratoral. Tabela de certezas Idetfcação Icerteza Ic. (1) c (2) Dst. (3) k (4) u (y) (5) u 2 (y) (6) Nome: u(x 1 ) c 1 k 1 u 1 (y) u 2 1 (y) Gradeza: u(x 2 ) c 2 k 2 u 2 (y) u 2 2 (y) Valor Nomal: Tpo A Equp. prmáro: Equp. auxlar: Metrologsta: Data: Factor de expasão: k Tpo B u(x ) c k u (y) u 2 (y) u (y) = c u(x ) k Resultados: Tpo A Tpo B Tpo AB Icerteza expadda Icerteza-padrão Varâca padrão u ca (y)=[ u 2 (y) ] ½ u cb (y)=[ u 2 (y) ] ½ u c (y)= [u 2 ca (y)+ u 2 cb (y) ] ½ TpoA TpoB u 2 ca (y)= u 2 (y) TpoA u 2 cb (y)= u 2 (y) TpoB u c 2 (y)= u ca 2 (y)+ u cb 2 (y) U = k u c (y) 1. A Medção e o Erro de Medção 24

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

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

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

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: 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 mais

ELECTROTECNIA TEÓRICA MEEC IST

ELECTROTECNIA TEÓRICA MEEC IST ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.

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

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos 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 mais

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções 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 mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

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

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca

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

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

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: 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 mais

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão Isttuto oltécco de Bragaça Escola Superor de ecologa e de Gestão 2º Ao de Egehara Electrotécca Istrumetação Electróca e Meddas Exame (ª Chamada) 2 de Juho de 200 SUGESÃO DE RESOLUÇÃO ) retede-se vsualzar,

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

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas 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 mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

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

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

Leia mais

Relatório 2ª Atividade Formativa UC ECS

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

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

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

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

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

Leia mais

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

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

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

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

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO 1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos

Leia mais

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS

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

Leia mais

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

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

Leia mais

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

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

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

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

Leia mais

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

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

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Apostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução

Leia mais

Universidade Federal de Alfenas - Unifal-MG Departamento de Ciências Exatas

Universidade Federal de Alfenas - Unifal-MG Departamento de Ciências Exatas Uversdade Federal de Alfeas - Ufal-MG Departameto de Cêcas Exatas Apostla Laboratóro de Físca I Prof. Dr. Célo Wsewsk Alfeas 05. oções geras sobre meddas de gradezas e avalação de certezas.. Medção (measuremet).....

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

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

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria 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 mais

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

Leia mais

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro

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

CAPÍTULO 1 MEDIÇÃO E O ERRO DE MEDIÇÃO

CAPÍTULO 1 MEDIÇÃO E O ERRO DE MEDIÇÃO CAPÍTULO 1 MEDIÇÃO E O ERRO DE MEDIÇÃO 1.1. Definições do Vocabulário Internacional de Metrologia (VIM) Metrologia: Ciência das medições [VIM 2.2]. Medição: Conjunto de operações que têm por objectivo

Leia mais

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do

Leia mais

Notas de aula da disciplina Probabilidade e Estatística

Notas de aula da disciplina Probabilidade e Estatística otas de aula da dscpla Probabldade e Estatístca Proessor M Sc Adré Luz DAMAT - UTFPR Esta apostla apreseta os tópcos prcpas abordados em sala de aula, cotedo deções, teoremas, eemplos Sua letura ão é obrgatóra,

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

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado. 1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.

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

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

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

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

Leia mais

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

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas.

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas. Físca plcada à Egehara vl II aulo Medes ENTRÓIDES Neste capítulo pretede-se troduzr o coceto de cetróde, em especal quado aplcado para o caso de superfíces plaas. Este documeto, costtu apeas um strumeto

Leia mais

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros. JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos

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

TEORIA DE ERROS MEDIDAS E GRÁFICOS

TEORIA DE ERROS MEDIDAS E GRÁFICOS Uversdade Federal de Juz de Fora Isttuto de Cêcas Eatas Departameto de Físca TEORIA DE ERROS MEDIDAS E GRÁFICOS Prof. Carlos R. A. Lma Edção Março de 010 ÌNDICE CAPÍTULO 1 - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO 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 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

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

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

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

ÌNDICE APÊNDICE A - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA

ÌNDICE APÊNDICE A - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA ÌNDICE APÊNDICE A - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA ------------------------------------------------------------------------------- 03 A.- Itrodução ----------------------------------------------------------------------------------------------------------------------------

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

Universidade Federal da Bahia Instituto de Física Departamento de Física da Terra e do Meio Ambiente TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S

Universidade Federal da Bahia Instituto de Física Departamento de Física da Terra e do Meio Ambiente TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S Uversdade Federal da Baha Isttuto de Físca Departameto de Físca da Terra e do Meo Ambete TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S Físca I SALVADOR, BAHIA 011 Prefáco Esta apostla é destada aos aluos

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

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

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM Fabríca D. Satos, Lucla G. Rbero, Leoardo G. de R. Guedes, Weber Marts Uversdade Católca de Goás, Departameto de Computação Uversdade

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 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 mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

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

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades 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 mais

Laboratório de Física. Teoria dos Erros, uma Introdução. UNIVASF Sumário TEORIA DOS ERROS [] ALGARISMOS SIGNIFICATIVOS...

Laboratório de Física. Teoria dos Erros, uma Introdução. UNIVASF Sumário TEORIA DOS ERROS [] ALGARISMOS SIGNIFICATIVOS... aboratóro de Físca Sumáro TEOIA DOS EOS []... - AGAISMOS SIGNIFICATIOS.... - INTODUÇÃO.... - AGAISMOS SIGNIFICATIOS....3 - NOTAÇÃO CIENTÍFICA....4 - OPEAÇÕES COM AGAISMOS SIGNIFICATIOS... - INTODUÇÃO À

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

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

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

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A. MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de

Leia mais