Determinação dos fatores associados à sobrevida de mulheres com câncer de mama via modelos de longa duração Weibull Modificado

Tamanho: px
Começar a partir da página:

Download "Determinação dos fatores associados à sobrevida de mulheres com câncer de mama via modelos de longa duração Weibull Modificado"

Transcrição

1 Determação dos fatores assoados à sobrevda de muheres om âer de mama va modeos de oga duração Webu Modfado. Itrodução Ceyto Zaardo de Overa CER, DEs, UFCar 3 Gerso Hrosh Yoshar Júor FMRP/UP 2 4 Ge da va Castro Perdoá FMRP/UP 5 Fraso Louzada Neto CER, DEs, UFCar 6 O âer de mama é a eoasa de dêa mas frequete a ouação fema muda, om um rso aroxmado de 2% de oorrêa durate a vda, aém de uma mortadade de 5% (Park et a., Com os avaços teraêutos, a otrbução ara o aumeto da sobrevda gera em aetes om âer de mama é uma readade (Peto et a., 2000 (Tayor et a., Quado um gruo de aetes é segudo até uma data ré-estabeeda, ara a observação do temo até a oorrêa de um eveto, ode aoteer que a data de térmo do aomahameto uma area do gruo ão teha ada sofrdo o eveto de teresse. e sso oorre ara uma area grade do gruo, ada que se esteda o razo, exstem díos de que um modeo adequado ara a fução de sobrevvêa teóra do temo até a oorrêa do eveto seja um modeo de oga duração. A forma aresetada ea estmatva ão aramétra da fução de rso esse to de estudo da que o modeo deve ser fexíve o setdo de ermtr que a fução de rso seja uma fução resete, deresete, ostate ou em forma de U. Os modeos aramétros usuas (Coosmo e Goo, 2006 ão são arorados ara desrever tas urvas, o etato Perdoá (2006 sugere uma geerazação ara modeos de oga duração, e trata um aso artuar, o modeo Webu modfado de oga duração, omo roosta ara otemar os robemas exstetes a ráta méda. Neste trabaho osderaremos os estudos reazados até o resete mometo em reação ao modeo Webu modfado de oga duração (WMLD, e os asos artuares modeo Webu de oga duração (WLD, modeo Exoea de oga duração(eld bem omo os modeos Webu (W e exoea (E ara um robema de âer de mama. Na seção 2 aresetamos a formuação do modeo e seus asos artuares. Na seção 3 aresetamos a metodooga utzada a estmação dos arâmetros e seeção dos modeos, a seção 4 aresetamos a aação a um robema a área méda, âer de mama. Fazamos a seção 5 om as ousões dos resutados obtdos. 2. Formuação do modeo O modeo Webu modfado de oga duração (WMLD fo aresetado or Perdoá (2006. ua fução de obrevda é dado or, β t ( t α,, β, ex ( αt e sua fução Taxa de faha é dado or, ; ( Agrademeto ao CNPq eo aoo faero 2 Agrademeto ao PIC eo aoo faero 3 eytoza@yahoo.om.br 4 gerso.yoshar@us.br 5 ge@fmr.us.br 6 df@ufsar.br

2 ( t α,, β, λ βt [ e + βt] βt ( αt ( / t + β ex ( αt ex ( αt ; (2 edo α é o arâmetro de esaa, o arâmetro de forma, β é o arâmetro assoado ao fator aeerador e or fm o arâmetro assoado a reseça de oga duração, que ode ser osderado gua a um meos a fração de ura. O modeo roosto ossu város asos artuares já ohedos a teratura que odem desrever ou ão a oga duração tas omo a Webu de oga duração, a Exoea de oga duração, a Webu e a exoea. Quado o arâmetro β é gua a 0, eotramos o modeo Webu de oga duração (WLD, sedo sua fução taxa de faha dada or λ( t; α,, { [ ]} ( t α,, ex ( αt α t ex [ ( αt ] ( αt { ex[ ]} e sobrevda ;. Para β 0 e, eotramos o modeo exoea de oga duração (ELD, e suas fuções são dadas or, λ( t; α, ( t α,, { ex[ αt] } αt ex[ ( αt ] { ex( αt } ;. Cosderado β 0 e eotramos o modeo Webu (W, muto utzado e que ão osdera a reseça de oga duração. uas fuções são dadas or, λ { } ( t ; α, α t e ( t α, ex ( αt ;. E or fm, osderado β 0 e e eotramos o modeo exoea (E, suas fuções são dadas or, λ ( ; α α ( t; α ex{ αt}. e t e Na fgura aresetamos as formas mas omus do rso ara o modeo WMLD quado fxamos α 0.0. No ae esquerdo o rso derese amete e osterormete ossu omortameto umoda a reseça de oga duração. O quadro etra areseta o rso a forma umoda e or fm o quadro da dreta temos o rso deresete. Fgura : Fução de rso do modeo Webu modfado de oga duração, ara os asos: 0.4 e β 0. (ae esquerdo; e β 0, (ae etra; 0.4 e β 0.0 (ae dreto. 3. Iferêa Uma araterísta da aáse de sobrevvêa é a reseça de esura os dados. edo assm, os arâmetros são estmados utzado o estmador de máxma verossmhaça tomado erto udado ao esrever a fução de verossmhaça. A estrutura da fução de verossmhaça ossu uma area referete aos temos de sobrevvêa ode oorreu o eveto, e uma area referete aos temos de sobrevvêa ode oorreu a esura. Desta forma, seja t, t2,..., t uma amostra aeatóra e deedete, a fução de verossmhaça é dada or:

3 A rmera area, r r L( f ( t ; θ ( ; θ t r+ θ (4 f ( ; θ, refere-se aos dados que ão foram esurados, ou seja, aos t temos de sobrevvêa dos dvíduos que sofreram o eveto. Já a seguda area, r+ ( ; θ, refere-se aos dados que foram esurados. Cosderado uma varáve dadora de esura ( δ, em que reebe o vaor se é um temo de sobrevvêa sem esura, ou 0 se o temo for esurado. A fução de verossmhaça ode ser reesrta omo: δ δ [ f ( t ; θ ] [ ( t ; θ ] [ λ( t ; θ ] L( θ ( t ; θ Para eotrar os arâmetros da dstrbução em estudo, basta dervar o ogartmo da fução de verossmhaça, em fução do arâmetro a ser estmado, guaado a zero. Maores detahes odem ser eotrados em Coosmo et. a. (2006, Carvaho et a. (2005 e Louzada-Neto et. a. (2002. Assm, ara uma amostra de varáves aeatóras deedetes X,X2,...,X, assoadas aos temos de sobrevvêa e C,C2,...,C assoadas aos temos esurados, defdo T m(x,c, δ I(T C, a fução de verossmhaça da WMLD é dada or L ( t; α,, β, ( αt ( / t + β ex ( αt βt δ βt ( [ e + βt] ( { ex[ ( αt e ]} As equações eas rmeras dervadas de ada arâmetro guaadas a zero ão ossuem souções aaítas, orem utzamos métodos teratvos, omo or exemo, o método de Newto ou quase-newto (Des, Gay e Wesh,98, ara obtermos aroxmações das estmatvas dos arâmetros. Para urmos as formações dos ossíves fatores assoados a um dvduo vr a exermetar o eveto de teresse, resamos troduzr tas formações o modeo, assoado a ada ovaráve um arâmetros a ser estmado. Para sso, X é a matrz de ovaráves e β um vetor de arâmetros reaoado a ada ovaráve (. Isso sgfa que estamos teressados em modear a deedêa etre a roorção de urados e os fatores assoados ao eveto de teresse, o aso do âer de mama, os fatores assoados às aetes uradas. Podemos modear esta deedêa or um omoete ogísto (Ghtay et a 994, ta que, Neste aso a fução de sobrevda do modeo WMLD é dada or, βt ( t, β, β, β ex ( αt ex( Xβ Xβ + ex( ; (7 δ (5 δ t (6 ex( Xβ ( x + ex( Xβ. Yu et a (2008 roôs troduzr as formações dos fatores de rsos o arâmetro de oga duração e também o arâmetro de esaa quado tratamos de um modeo eaxado à Webu. Desta forma a urva de sobrevda ara o modeo WMLD ara um gruo de dvíduos que estaram exostos aos mesmos fatores de rsos sera dada or,

4 βt ( t;, β, β, β ex ( ex( Xβ t ex( Xβ ex( Xβ + (8 edo que β é um vetor dos arâmetros dos fatores de rso assoado ao efeto da oga duração e β é um vetor dos arâmetros dos fatores de rso assoado ao efeto da urta duração. 3.. eeção de modeos Para um mesmo ojuto de dados ode-se ajustar mas de um modeo de sobrevvêa. edo assm, exste a eessdade de esohemos qua o mehor modeo. Uma forma de esoha do modeo mas satsfatóro são os métodos gráfos (Coosmo et a., 2006, (Carvaho et a., No etato, a aáse gráfa é subjetva, odedo o mesmo gráfo ser terretado de formas dferete. Para resover este robema, uma forma de esohermos o mehor modeo é através do teste de hótese, ode: H0: O modeo de teresse é adequado H: O modeo de teresse ão é adequado Para reazar o teste de hótese, geramete se utza a estatísta da razão de verossmhaças em modeos eaxados (Cox e Hkey, 974 dado or: L( ˆ θ T TRV 2og 2 ( [ og L( ˆ θg og L( ˆ θ M ] L ˆ θg edo L( θˆ T é a Máxma Verossmhaça do modeo a ser testado e ( L θˆ é a Máxma Verossmhaça do modeo gera dos modeos a serem testado, ou seja, os modeos a serem testados devem ser obrgatoramete asos artuares do modeo gera. A estatísta TRV sob H0, ossu aroxmadamete dstrbução qu-quadrado om graus de berdade gua a dfereça do úmero de arâmetros dos modeos sedo omarados. No etato, quado o estudo trata de modeos que ão são eaxados, o teste de hótese tora-se arorado. Uma forma de esoher o mehor modeo é omarado os rtéros AIC (Akake formato rtero (Akake, 978 e BIC (Bayesa formato rtero (hwarz, 978. Os dos rtéros são dados resetvamete or: 2 og[ L( ˆ θ ] + ; BIC 2og[ L( ˆ θ ] + ( AIC 2 edo que d é a soma do úmero de arâmetros do modeo que será testado e é o úmero de dvíduos em estudo. Cauam-se os AIC e BIC ara todas as os modeos estmados. O mehor modeo ajustado aos dados, será aquee que tver meor vaor AIC e BIC. 4. Aação Os temos de sobrevvêas referem-se a 40 aetes roveetes do ambuatóro de mastooga do Hosta das Cías de Rberão Preto da Faudade de Meda de Rberão Preto - ão Pauo Gozzo(2008. Os dados referem-se a temos de sobrevvêa, da rurga até o óbto ou térmo da esqusa em aetes que foram dagostadas om eoasa maga de mama. Cosderamos os dferetes modeos aresetados ara o ajuste sem osderarmos ovaráves, amete. Para esses dados estmamos a urva de sobrevvêa or Kaa-Meer e segudo os modeos WMLD, WLD, ELD, W e E, Fgura 2. Peo gráfo observamos que a fução de sobrevvêa estmada or Kaa-Meer se estabza em aroxmadamete 0,6 devdo a oorrêa de esura do to I. Isto da que modeos de oga duração são os dados ara a resete aação. Grafamete, tato o modeo WLD quato o modeo WMLD ajustam mehor a urva de G

5 sobrevvêa emíra (Kaa Meer, usve o fa da urva que os modeos usuas (W e E ão ajustam adequadamete. O modeo ELD ão areseta um ajuste adequado. Fgura 2: Comaração da urva de sobrevvêa estmada or Kaa-Meer om as urvas de sobrevvêa estmadas ea WMLD, WLD, ELD, W e E Tabea : estmatvas dos arâmetros, MV e vaores dos rtéros de seeção AIC e BIC Modeo α β og( L( ˆ θ AIC BIC WMLD / WLD / ELD / W / E Na Tabea aresetamos as estmatvas dos arâmetros ara ada modeo, e os vaores dos rtéros de seeção. Observamos que os vaores dos rtéros AIC são róxmos os ajustes dos modeos WMLD e WLD, o etato a WLD ada ossu mehor ajuste. Já os modeos ELD ossu maor vaor do rtéro AIC do que os demas. Peo rtéro BIC temos o meor vaor observado ara W, seguda ea WLD e E. 5. Cousão Neste resumo, trabahamos om o modeo Webu modfado de oga duração que fo aresetado or Perdoá (2006. A sua fução taxa de faha é bastate fexíve, ossbtado o ajuste quado temos o rso resete, deresete, umoda ou em forma de U. Ada, esse modeo ossbta um agortmo que artuarza dversos modeos de oga duração ohedos a teratura, tas omo a Webu de oga duração e a Exoea de oga duração, e modeos mas smes omo, or exemo, a Webu e a exoea. A estmação dos arâmetros fo feta eo

6 método da máxma verossmhaça, utzado métodos teratvos ara aroxmações quado eessáro. Os ajustes om mehor desemeho foram observados ara os modeos WMLD e WLD. Comarado estes ajustes om a urva emíra de Kaa Méer otamos que ambas as fuções são semehates os rmeros temos de sobrevda, o etato a WMLD se adere mehor aos temos reaoados à oga duração do que a WLD. Etre os modeos que osderam a oga duração, os rtéros de seeção AIC e BIC dam que a WMLD e WLD ossuem os mehores ajustes. edo assm, em uma róxma etaa remos ororar as ovaráves estes modeos e determaremos os fatores assoados a sobrevdas de muheres om âer de mama. Estes resutados serão aresetados durate o ogresso. 6. Refereas bbográfas [] Akake, H. (978. A Bayesa aayss of the mmum AIC roedure. Aas of the Isttute of tatsta Mathemats. [2] Bbg Yu, Ygwe Peg: Mxture ure modes for mutvarate survva data. Comutatoa tatsts & Data Aayss 52(3: (2008 [3] CARVALHO, M..; ANDREOZZI, V. L.; CODEÇO, C. T.; BARBOA, M. T..; HIMAKURA,. E. Aáse de sobrevda: teora e aações em saúde. Ro de Jaero: FIOCRUZ, 2005, a. ed.,396 [4] COLOIMO, E. A.; GIOLO,. R. Aáse de obrevvêa Aada. ão Pauo: Edgard Buher, 2006, a. ed., 392. [5] COX, D. R.; HINKLEY, D. V. Theoreta tatsts. Chama ad Ha, Lodo, 974. [6] DENNI, J. E.; GAY, D. M.; WELCH, R. E. A adatve oear east-squares agorthm. ACM Trasatos o Mathemata oftware 7, , 98 [7] GHITANY M. E., MALLER R. A. ad ZHOU X., Exoeta mxture modes wth og-term survvors ad ovarates. J. Mutvarate Aa. 49 (994, [8] Gozzo, T. O. (2008. Toxdade ao tratameto qumoter_ao em muheres om âer de mama. Dotorate Thess - Esoa de Efermagem de Rberão Preto, UP, ãoo Pauo, Braz. [9] LOUZADA-NETO, F., & ACHCAR, J. A. (2002. Itrodução à Aáse de obrevvêa e Cofabdade. Margá: Murso: III Jorada Regoa de Estatísta e II emaa de Estatísta. [0] PARKIN DM, BRAY F, FERLAY J et a (2005 Goba aer statsts, CA Caer J C 55: [] PERDONÁ, G.. C. Modeos de rso aados à aáse de sobrevvêa. ão Caros: UP, Tese aresetada ao Isttuto de Cêas Matemátas e de Comutação - ICMC - UP, omo arte dos requstos ara obteção do títuo de Doutor em Cêas - Cêas da omutação e Matemáta Comutaoa. [2] PETO R, BOREHAM J, CLARKE M et a (2000 UK ad UA breast aer deaths dow 25% year 2000 at ages years. Laet 355:822. [3] TAYLOR R, DAVI P, BOYAGE J (2003 Log-term survva of wome wth breast aer New outh Waes. Eur J Caer 39:

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

5 Aplicação do GFMM no BEM

5 Aplicação do GFMM no BEM 38 5 Apação do GFMM o BEM esse apítuo os desevovmetos apresetados o apítuo 4 são apados ao BEM pea expasão das souções fudametas utzadas as tegrações sobre os segmetos do otoro. É apresetada a formuação

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

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

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

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

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

Leia mais

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

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

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

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

Leia mais

FUNDAÇÃO GETULIO VARGAS ESCOLA DE ADMINISTRAÇÃO DE EMPRESAS DE SÃO PAULO

FUNDAÇÃO GETULIO VARGAS ESCOLA DE ADMINISTRAÇÃO DE EMPRESAS DE SÃO PAULO FUNDAÇÃO GETULIO VARGAS ESCOLA DE ADMINISTRAÇÃO DE EMPRESAS DE SÃO PAULO Euldes Pedrozo Jr. ESTIMAÇÃO DAS ELASTICIDADES DA DEMANDA POR ENERGIA ELÉTRICA E ALIMENTOS NO BRASIL: Uma aálse a artr do Modelo

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

ESTUDO DA DISTRIBUIÇÃO ASSINTÓTICA DOS ESTIMADORES DOS PARÂMETROS DA DISTRIBUIÇÃO WEIBULL NA PRESENÇA DE DADOS SUJEITOS A CENSURA ALEATÓRIA

ESTUDO DA DISTRIBUIÇÃO ASSINTÓTICA DOS ESTIMADORES DOS PARÂMETROS DA DISTRIBUIÇÃO WEIBULL NA PRESENÇA DE DADOS SUJEITOS A CENSURA ALEATÓRIA ESTUDO DA DISTRIBUIÇÃO ASSINTÓTICA DOS ESTIMADORES DOS PARÂMETROS DA DISTRIBUIÇÃO WEIBULL NA PRESENÇA DE DADOS SUJEITOS A CENSURA ALEATÓRIA Almir MANTOVANI Maria Aarecida de Paiva FRANCO 2 RESUMO: O objetivo

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

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

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

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

Leia mais

ANÁLISE BAYESIANA DA TAXA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO

ANÁLISE BAYESIANA DA TAXA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO A esqusa Oeracoa e os Recursos Reováves 4 a 7 de ovemro de 23, Nata-RN ANÁLISE BAYESIANA DA TAA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO Fávo B. Goçaves,

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

UNIVERSIDADE ESTADUAL PAULISTA ESTIMAÇÃO DE RIGIDEZES DE MANCAIS DE ROTORES POR ANÁLISE DE SENSIBILIDADE. Leonardo Caldiron

UNIVERSIDADE ESTADUAL PAULISTA ESTIMAÇÃO DE RIGIDEZES DE MANCAIS DE ROTORES POR ANÁLISE DE SENSIBILIDADE. Leonardo Caldiron uesp UNIVERIDADE ETADUA PAUITA FACUDADE DE ENGENHARIA DE IHA OTEIRA PROGRAA DE PÓ-GRADUAÇÃO E ENGENHARIA ECÂNICA ETIAÇÃO DE RIGIDEZE DE ANCAI DE ROTORE POR ANÁIE DE ENIBIIDADE eoardo Cadro Dssertação apresetada

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

Equação Diferencial. Uma equação diferencial é uma expressão que relaciona uma função desconhecida (incógnita) y com suas derivadas.

Equação Diferencial. Uma equação diferencial é uma expressão que relaciona uma função desconhecida (incógnita) y com suas derivadas. Equação Difereial Uma equação difereial é uma epressão que relaioa uma fução desoheida (iógita) om suas derivadas É útil lassifiar os diferetes tipos de equações para um desevolvimeto sistemátio da Teoria

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

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA 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 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

Avaliação da qualidade do ajuste

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

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS UIVERIDADE FEDERAL DO RIO GRADE DO ORE CERO DE CIÊCIA EXAA E DA ERRA DEARAEO DE EAÍICA DICILIA: E ROCEO EOCÁICO ROCEO EOCÁICO ª EAA ROFEOR: FERADO CÉAR DE IRADA AAL/R EADO ABORVEE Defção. Um estado de

Leia mais

DISSERTAÇÃO DE MESTRADO

DISSERTAÇÃO DE MESTRADO UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXTAS E DA TERRA-CCET PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA - PPGMAE DISSERTAÇÃO DE MESTRADO CARACTERIZAÇÃO ESTATÍSTICA

Leia mais

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

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

Leia mais

4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (funções de transferência)

4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (funções de transferência) 4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (fuções de trasferêa) 4. Trasforada de Laplae É u operador lear, que opera sobre fuções de varável otíua postva, defdo por: L f(t) = f(s) = f(t) e -st dt Nota:

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

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

Os juros compostos são conhecidos, popularmente, como juros sobre juros. Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são

Leia mais

3 Conceitos Fundamentais

3 Conceitos Fundamentais 3 Coneitos Fundamentais Neste aítulo são aresentados oneitos fundamentais ara o entendimento e estudo do omressor axial, assim omo sua modelagem termodinâmia 3 Máquinas de Fluxo As máquinas de fluxo odem

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno. Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado

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

PRESTAÇÃO = JUROS + AMORTIZAÇÃO

PRESTAÇÃO = JUROS + AMORTIZAÇÃO AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas

Leia mais

11 Sistemas resolvem problemas

11 Sistemas resolvem problemas A UA UL LA Sistemas resovem probemas Introdução Na aua anterior, mostramos como resover sistemas de duas equações de 1º grau com duas incógnitas. Agora vamos usar essa importante ferramenta da matemática

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

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I MÉTOO OSS Seja agora uma estrutura de ós fxos duas vezes hergeométrca,.e. tal que os ós ão sofrem qualquer deslocameto de traslação e cotem ós com cógtas de rotação.. cos. cos etermemos os esforços mometos

Leia mais

TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS

TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS TESTE DE HIPÓTESES COM DUAS AMOSTRAS TESTE DE HIPOTESES DA DIFERENÇA ENTRE DUAS MÉDIAS POPULACIONAIS A hipóese ula (Ho) usualmee esaa é a e que as uas amosras eham sio obias e populações om méias iguais,

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

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

Relatório Final da Comparação Interlaboratorial para Análise de. Comparação Interlaboratorial para Análise de Tensões Residuais

Relatório Final da Comparação Interlaboratorial para Análise de. Comparação Interlaboratorial para Análise de Tensões Residuais Relatóro Fal da Comaração Iterlaboratoral ara Aálse de Relatóro Tesões Prelmar Resduas da Comaração Iterlaboratoral ara Aálse de Tesões Resduas COMPARAÇÃO INTERLABORATORIAL PARA ANÁLISE DE TENSÕES RESIDUAIS

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

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

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

Leia mais

Teoria das Comunicações

Teoria das Comunicações Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de

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

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

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

Leia mais

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

A desigualdade de Kraft e correlatos

A desigualdade de Kraft e correlatos A desguadade de Kraft e correatos Defções remares Códgo ão sguar: símboos dferetes s são reresetados or códgos dferetes c ; Códgo uvocamete decodfcáve: se símboos cocateados (s s s 3... s k) são reresetados

Leia mais

Lista 2 - Introdução à Probabilidade e Estatística

Lista 2 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista - Itrodução à Probabilidade e Estatística Modelo Probabilístico experimeto. Que eveto represeta ( =1 E )? 1 Uma ura cotém 3 bolas, uma vermelha, uma verde e uma azul.

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

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

8 Programação linear 78

8 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 mais

2. Teoria das Filas. 2.1. Características estruturais dos sistemas de fila

2. Teoria das Filas. 2.1. Características estruturais dos sistemas de fila 2. Teoria das Filas Segudo Fogliatti (2007), a teoria das filas osiste a modelagem aalítia de proessos ou sistemas que resultam em espera e tem omo objetivo determiar e avaliar quatidades, deomiadas medidas

Leia mais

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

Métodos tipo quadratura de Gauss

Métodos tipo quadratura de Gauss COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível

Leia mais

Análise de Correspondência

Análise de Correspondência MA 0330 ANÁS MUTVARAA AOS Aálse de orresodêa úla M Pava Soler ava@me.us.br Sem/07 Obetvos: Aálse de orresodêa Varável olua u.a. / Varável ha Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y detfar a estrutura dos dados

Leia mais

Cifra Aleatória P. Quaresma. Cifra Aleatorizada P. Quaresma

Cifra Aleatória P. Quaresma. Cifra Aleatorizada P. Quaresma às Cifra Aleatória Fieiras Defiição ( ) Uma -bit ifra por bloos é uma fução : V K V, tal que para ada -bit K K, (P, K) é uma fução ivertível (a fução de eriptação para K) de V para V, deotada por K (P).

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA 1ª LISTA DE EXERCICIOS CE068 CÁLCULO DE PROBABILIDADES A

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA 1ª LISTA DE EXERCICIOS CE068 CÁLCULO DE PROBABILIDADES A UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA ª LISTA DE EXERCICIOS CE068 CÁLCULO DE PROBABILIDADES A Prof. Beito Olivares Aguilera 2 o Sem./09. Uma fábria produz um determiado

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

Estabilidade no Domínio da Freqüência

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

Leia mais

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s O oder da matemátca tca ou A matemátca tca como metáfora Ru Vlela Medes CMAF, ICC, CFN Soluções dos TPC s Curso o Mestrado de Comlexdade,, ISCTE, Ivero 007 07-03 03-007 TPC Dados ( I(I(,,, N ( I(/N, /N,,,

Leia mais

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com Aalise de Ivestimetos e Custos Prof. Adilso C. Bassa email: adilsobassa@adilsobassa.com JUROS SIMPLES 1 Juro e Cosumo Existe juro porque os recursos são escassos. As pessoas têm preferêcia temporal: preferem

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Leia mais

Capítulo 9 Problema 01 Problema 03 Problema 04

Capítulo 9 Problema 01 Problema 03 Problema 04 Bssab&Morett Caítlo Problema mod, orqe + mod, orqe + Problema a, m m, ( ) mod mod, ( ) mod mod, ( ) mod mod,...,,,,..., Portato, o eríodo esse caso é h. Problema a, m, m ( ) mod mod, ( ) mod mod, ( ) mod

Leia mais

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados Eercícos e Cálculo Numérco Iterpolação Polomal e Métoo os Mímos Quaraos Para a ução aa, seja,, 6 e, 9 Costrua polômos e grau, para apromar, 5, e ecotre o valor o erro veraero a cos b c l Use o Teorema

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

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

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Módulo VI Séries ou Fluxos de Caixas Uiformes Daillo Touriho S. da Silva, M.Sc. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Coceito A resolução de problemas de matemática fiaceira tora-se muito

Leia mais

Capítulo 2 Circuitos Resistivos

Capítulo 2 Circuitos Resistivos EA53 Crcutos Elétrcos I DECOMFEECUICAMP Caítulo Crcutos esstos EA53 Crcutos Elétrcos I DECOMFEECUICAMP. Le de Ohm esstor: qualquer dsosto que exbe somete uma resstêca. a resstêca está assocada ao úmero

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS

MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS A esusa Oeracoal e os Recursos Reováves 4 a 7 de ovembro de 3, atal-r MÉODO DUAL SIMPLEX COM A REGRA SEEPES-EDGE PARA RESOLVER PROLEMAS LIEARES CAALIZADOS Rcardo Slvera Sousa Marcos ereu Areales Deartameto

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://wwwuematbr/eugeio SISTEMAS DE AMORTIZAÇÃO A ecessidade de recursos obriga aqueles que querem fazer ivestimetos a tomar empréstimos e assumir dívidas que são pagas com juros que variam de acordo

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO Uversdade Federal do Ro Grade FURG Isttuto de Matemátca, Estatístca e Físca IMEF Edtal CAPES INTERPOLAÇÃO Pro. Atôo Mauríco Mederos Alves Proª Dese Mara Varella Martez Matemátca Básca ara Cêcas Socas II

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

Dica : Para resolver esse exercício pegue o arquivo pontosm.txt, na página do professor.

Dica : Para resolver esse exercício pegue o arquivo pontosm.txt, na página do professor. Colégio Ténio Antônio Teieira Fernandes Disiplina ICG Computação Gráfia - 3º Anos (Informátia) (Lista de Eeríios I - Bimestre) Data: 10/03/2015 Eeríios 1) Elabore um proedimento em C++ que passe os pares

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

7 Análise de covariância (ANCOVA)

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

Leia mais

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

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

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

Difusão entre Dois Compartimentos

Difusão 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 mais

PROBABILIDADES E ESTATÍSTICA

PROBABILIDADES E ESTATÍSTICA ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero

Leia mais

Extensão da Termodinâmica a sistemas abertos

Extensão da Termodinâmica a sistemas abertos Exteão da ermodâmca a tema aberto I tema homogéeo ex: mtura de gae dea oluçõe dea reacçõe químca homogéea Cottudo por uma ó ae ma pode er mult-compoete otulado de Gbb ou otulado da aráve de Etado de um

Leia mais

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1 CopyMarket.com Todos os dretos reservados. ehuma parte desta publcação poderá ser reproduzda sem a autorzação da Edtora. Título: Matemátca Facera e Comercal utores: Roberto Domgos Mello e Carlos Eduardo

Leia mais

Demonstrações especiais

Demonstrações especiais Os fudametos da Física Volume 3 Meu Demostrações especiais a ) RLAÇÃO NTR próx. e sup. osidere um codutor eletrizado e em equilíbrio eletrostático. Seja P sup. um poto da superfície e P próx. um poto extero

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

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil Educação e Pesqusa ISS: 1517-972 revedu@usp.br Uversdade de São Paulo Brasl Helee, Otavao Evolução da escolardade esperada o Brasl ao logo do século XX Educação e Pesqusa, vol. 38, úm. 1, marzo, 212, pp.

Leia mais

2 Técnicas convencionais usadas na modelagem de sistemas não lineares

2 Técnicas convencionais usadas na modelagem de sistemas não lineares Ténas onvenonas usadas na modelagem de sstemas não lneares Ténas onvenonas usadas na modelagem de sstemas não lneares.1. Revsão Bblográfa Os modelos lneares desemenharam um mortante ael no desenvolvmento

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca

Leia mais

MEDIDAS DE DISPERSÃO:

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

Leia mais

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

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

Leia mais

Capitulo 9 Resolução de Exercícios

Capitulo 9 Resolução de Exercícios FORMULÁRIO Empréstimos a Curto Prazo (Juros Simples) Taxa efetiva liear i l i ; Taxa efetiva expoecial i Empréstimos a Logo Prazo Relações Básicas C k R k i k ; Sk i Sk i e i ; Sk Sk Rk ; Sk i Sk R k ;

Leia mais

LENTES ESFÉRICAS I) TIPOS DE LENTES III) COMPORTAMENTO ÓPTICO. Lentes de bordos delgados: Lentes de bordos espessos:

LENTES ESFÉRICAS I) TIPOS DE LENTES III) COMPORTAMENTO ÓPTICO. Lentes de bordos delgados: Lentes de bordos espessos: LENTES ESFÉRICAS I) TIPOS DE LENTES III) COMPORTAMENTO ÓPTICO Lentes de bordos delgados: Lentes de bordos esessos: Sendo n = índce de reração do meo e n = índce de reração da lente Lentes Convergentes:

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

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