2. NOÇÕES MATEMÁTICAS

Tamanho: px
Começar a partir da página:

Download "2. NOÇÕES MATEMÁTICAS"

Transcrição

1 . NOÇÕES MATEMÁTICAS Este capítulo retoma algumas oções matemátcas ecessáras para uma boa compreesão de algus aspectos que serão mecoados e detalhados o presete trabalho. Algus destes aspectos podem abstrar do seso técco em egehara evolvdo em um trabalho que retome cocetos matemátcos ão muto comus como os que serão apresetados o decorrer desta obra. Para suprr alguma defcêca a explaação destas oções matemátcas é acoselhado o uso da bblografa clássca ctada o decorrer deste trabalho.. DIVISÃO SINTÉTICA DE POLINÔMIOS COM UMA VARIÁVEL A mportâca em se tratar de dvsão stétca de polômos (DSP) com uma varável se ecotra a sstemátca adotada por Dumot (994) e Noroha (998) para avalar umercamete tegras com sgulardades do tpo algébrca ξ m g dξ (.) que se ecotra faclmete em tegras do MEC e para o caso em que a tegral possu sgulardade qualquer a DSP pode ser utlzada para melhorar a precsão umérca do resultado. Com o tuto de uma melhor apresetação desta técca, cosdera-se um polômo p de grau l que será dvddo por outro polômo de grau m. Através da técca 6

2 de DSP, pode-se perceber que o grau do polômo quocete q será l m e que o polômo resto r será de grau m. Assm, é possível equacoar esta técca da forma q r p = +. (.) Através da Equação. e com auxílo de algumas propredades algébrcas se chega a q r p = (.3) e prossegudo, chega-se a p r = q +. (.4) De posse da Equação.4 e aplcado a tegral os dos membros, tem-se p dξ = q dξ + Ou, aplcado-se a equação.3, tem-se: r r p p dξ = dξ + d ξ r. (.5) d ξ. (.6) Como a prmera tegral do lado dreto correspode ao polômo q ota-se que se trata de uma tegral regular o que mplca que esta tegral pode ser avalada por uma smples quadratura de Gauss-Legedre. A seguda tegral, o etato, pode ser avalada aaltcamete, sedo que as expressões ecessáras para esta avalação se ecotram as mas dversas tabelas de tegração (GRADSHTEYN, 965). Como uma vatagem cal da utlzação da DSP se percebe que apeas o polômo r é ecessáro para que sea possível trasformar um tegrado sgular ou quasesgular em uma soma de uma tegral regular, que poderá ser resolvda através da quadratura de Gauss-Legedre, com uma outra tegral que poderá ser resolvda aaltcamete através do uso de tabelas de tegração clásscas. 7

3 Para ecotrar os coefcetes do polômo de r, se utlza a Equação. ξ de que será tratado ao logo do decorrer deste trabalho como pólo de aplcada à raz sgulardade ou quase-sgulardade, como será vsto com mas detalhes de cocetos a partr do próxmo capítulo. Aplcado ξ a equação., tem-se a relação r( ) p =. (.7) ξ No etato, exste a ecessdade de observar que podem exstr stuações que ada ão foram tratadas especfcamete o decorrer do desevolvmeto desta técca este trabalho. Uma delas está a possbldade de que o polômo teha sgulardade algébrca como a Equação. e, além dsso, este polômo pode ter uma raz real ( ξ ) ou uma raz complexa ( ξ = a ± b ) que é dado por um par cougado. Além dsso, ao vés de um polômo p, é possível que se teha uma fução qualquer g aproxmação polomal p de g é ecessára, sedo que aplcação da técca DSP à dvsão etre polômos p e.. Neste caso, uma r será obtdo pela Quado o polômo possu raz real e de multplcdade m como ( ξ ξ ) m = (.8) é ecessáro, prmeramete, que se obteha as dervadas de ordem feror ou gual à m de p para que sea possível ecotrar todos os coefcetes de r. Para este caso de raz real, a técca de DSP correspode aos prmeros m termos da expasão em sére de Taylor da parcela regular g em toro de ξ. Para mas detalhes sobre a técca de DSP cosultar apêdce A. Quado o polômo possu raz complexa ( ξ = a ± b ) o polômo r ão correspode à expasão da sére de Taylor da parcela regular g, pos exste a ecessdade de avalação smultâea da fução g em toro do par cougado o que é obtdo apeas com a aplcação da técca de DSP. 8

4 No tem (3.6) será tomado o cohecmeto da técca cohecda como Adção e Subtração de Termos (AST). Esta técca é utlzada como uma tetatva de regularzação da tegral do lado esquerdo da Equação.5 e, de forma smples, será possível perceber que as duas téccas (DSP e AST) têm uma semelhaça em comum a forma de tratar o tegrado sgular ou quase-sgular, á que é possível se chegar à técca de DSP com o mesmo procedmeto de adção e subtração de termos. Pode-se afrmar que o uso da técca de DSP é mas ampla que a AST, pos evolve, além do caso quado a raz é real, o caso quado a raz é complexa e formada por um par cougado, mostrado que esta técca de DSP pode ser utlzada como uma forma mas precsa e geral de se avalar umercamete tegras sgulares. No tem 3.6 será mostrado um exemplo em que mostra o mpacto desta técca de DSP com relação à regularzação de uma tegral.. DIVISÃO SINTÉTICA DE POLINÔMIOS COM DUAS VARIÁVEIS Após um logo vestmeto em estudos a tetatva de descobrr a lteratura algo relacoado com DSP para polômos com mas de uma varável fo possível perceber que ão exstem trabalhos dspoíves que tratam de solucoar este caso. Isto gera um grade problema a extesão da técca que fo proposta por Dumot e Noroha, tedo em vsta que a resolução de tegras com sgulardade algébrca fo baseada este coceto de DSP, sedo que para o caso de aálse bdmesoal o problema a ser tratado é udmesoal. Para o caso de uma aálse trdmesoal, ode as tegras são bdmesoas a solução através da DSP ão podera ser utlzada, tedo em vsta a ão exstêca, em lteratura matemátca, da extesão da mesma para polômos com duas varáves. A mportâca em se tratar de dvsão stétca de polômos (DSP) com duas varáves se ecotra a sstemátca adotada por Dumot (994) e Noroha (998) para avalar umercamete tegras com sgulardades do tpo algébrca. Da mesma forma que 9

5 o tem ateror, serão fetas cosderações desta técca aplcada para o caso de resolver tegras bdmesoas em MEC ηξ r ( ξ, η) ( ξ, η) g dξdη (.9) ode ξ e η correspodem às coordeadas retagulares atural, sedo que cada uma vara de a. Este tpo de tegral é faclmete ecotrado em um couto de tegras do MEC para o caso de aálse trdmesoal. Noroha (998) propôs uma extesão desta técca de DSP para polômos com duas varáves através da extesão do cohecmeto da técca exstete para o caso de polômos udmesoas. Esse mesmo pesqusador tratou de lustrar o que sera uma extesão do coceto de DSP aplcado a tegras bdmesoas (Equação.9), cosderado que r sera dado pela dstâca etre um poto (pólo) a superfíce de um elemeto de tegração e um poto qualquer deste elemeto, sedo que r é dado este caso por: = ( ξ ξ ) + ( η η ) r. (.) Fgura. Elemeto de tegração bdmesoal com o MEC Ao substtur a equação. a equação.9 e cosderado que a prmera tegral será feta a dreção de ξ, tem-se que a tegral da equação. poderá ser escrta como:

6 ηξ ηξ g ( ξ, η) R ( η) ξ R ( η) ( ξ ξ ) + ( η η ) R ( η) ( ξ ξ ) + ( η η ) dξdη. dξdη + ηξ R ( η) ξ ( ξ ξ ) + ( η η ) dξdη + (.) Tal como costa a equação 5.3, quado se cosdera que a tegração será efetuada a dreção de ξ, tem-se a expressão ξ = ξ ± ( η ) P η, (.) ode ξ P é a coordeada do pólo a dreção ξ. Logo ξ P, além de varável, é complexo. Assm, aplcado esta equação complexa a parte regular do tegrado se tem a expressão ( ξ η) = g( ξ ± ( η η ), η) g( η) g P,, (.3) e podemos admtr que ( ) a ( η) b ( η) g = +, (.4) η ode a ( η) e b ( η) represetam a parte real e magára de g ( η) por aaloga às equações A., A.7 e A.8, tem-se as expressões R ( ) ( η) η = b e R ( ) ( ) ( ) η a η R η ξ η η, respectvamete. Logo, =. (.5) ode, R ( η) e R ( η) correspodem aos coefcetes do polômo resto ( R ( ξ,η) procedmeto smlar a este podera ter sdo efetuado a dreção η. P ). Um No etato, o que se desea com a aplcação da técca de dvsão stétca para a tegral da equação.9 é que haa um termo regular o qual é possível ser utlzado a quadratura de Gauss-Legedre, sedo que sso é possível para a prmera tegral da equação., mas também é deseado que os termos restates possam ser avalados aaltcamete e o que se percebe, para este caso de sgulardade algébrca adotada, é que as tegras restates são tão dfíces de avalar quato a tegral da equação.9 e, cosderado um caso geral em que a parcela regular ão fosse polomal, mas uma fução qualquer, a avalação aalítca sera mpossível (NORONHA, 998).

7 Isso tudo permte coclur que uma avalação smlar à desevolvda para as tegras udmesoas, fazedo uso de um sstema de coordeadas retagulares, voltada para avalar tegras bdmesoas com fuções de sgulardade algébrca que compõe o tegrado ão pode ser cosderada. Isto se deve ao fato da própra atureza do pólo ser varável (Equação.), fazedo com que a técca de DSP com duas varáves ão obteha a mesma efcêca, tal como em polômos de uma varável. Logo, uma alteratva para solucoar este caso se faz ecessára e será apresetada o capítulo 5..3 INTEGRAÇÃO NUMÉRICA Neste tem serão apresetadas duas téccas comumete utlzadas para calcular umercamete tegras os mas dversos métodos umércos exstetes em egehara, detre eles o MEC. Serão fetas apresetações dvduas de cada técca para avalações de tegras udmesoas, embora a extesão destas téccas para avalar tegras bdmesoas é algo bastate smples e aálogo ao caso de avalação de tegras udmesoas, sedo que estas servem como uma base sólda de solução para tegras bdmesoas (solução por duas tegras udmesoas) e trdmesoas (solução por 3 tegras udmesoas). O procedmeto de avalação das tegras udmesoas e bdmesoas, umercamete, é bascamete o mesmo, tal como se pode ver abaxo: ode C e ξ f η ξ dξ C f f ( ξ, η) dξdη C f ( ξ, η ),., C são os fatores de peso e as fuções ( ) avaladas os potos específcos ξ e η. f ξ e f ( η ) (.6) ξ, são fuções a serem

8 Nos tes a segur será apresetada cada técca separadamete, sedo que em um tercero tem será mostrado um procedmeto para avalação de tegras bdmesoas..3. Itegração de Neto-Cotes udmesoal A grade característca desta técca de tegração é avalar uma tegral em potos gualmete espaçados em seu domío de tegração. Assm, para potos se pode tegrar exatamete um polômo de grau e a fução pode ser tegrada da segute forma: I = b ξ (.7) a b f a = ( ) dξ λ dξ f, ode λ λ é dado pela expressão ξ ξ λ =. (.8) = ξ ξ Esta expressão é cohecda como polômo de Lagrage que forece valor utáro para a abscssa ξ e valor ulo para as outras abscssas. Ao avalar a expressão.7, chega-se à expressão I = b f a = ( ) dξ ( b a) N f, ξ (.9) sedo que N são as costates de Neto-Cotes dadas a tabela.. 3

9 Tabela. Costates de Neto-Cotes. Número de tervalos () N N N N 3 N 4 N Itegração de Gauss-Legedre udmesoal Esta técca é a mas utlzada para se resolver umercamete uma tegral. Dos motvos comprovam a afrmação ateror, são eles: prmero, os potos são poscoados de tal forma que a melhor precsão sea obtda; segudo, quado se tem potos, obtém-se cógtas ( ξ, f polômo de grau. ) o que mplca que potos favorecem a tegração exata de um O procedmeto para se avalar uma tegral umercamete é semelhate ao da técca ateror. Porém, tato as abscssas quato o valor da fução aplcada em cada abscssa são descohecdos, como fo tratado acma. I = b f a = ( ) dξ G f, ξ (.) 4

10 Número de Potos () Tabela. Abscssas e pesos de Gauss-Legedre. ξ * G *.. ± ± ± ± ± ± ± ± *Estes valores foram gerados para um tervalo (-,) Note que os valores acma foram gerados para um tervalo que va de - a. Estes tervalos são os mas costumeramete utlzados a lteratura sobre métodos umércos em geral (Método dos elemetos ftos, Métodos dos elemetos de cotoro, etc.). Ao logo deste trabalho serão utlzados tervalos varado de a. Logo, será ecessáro fazer uma mudaça os valores que costam a tabela., sedo que para ' ecotrar a ova abscssa ξ é ecessáro fazer a segute trasformação: ' a + b b a ξ = + ξ. (.) Para ecotrar os ovos pesos, para tal tervalo, utlzar-se-á a segute expressão: G a + b ' = G. (.) 5

11 .3.3 Itegração umérca bdmesoal O processo utlzado para avalar tegras udmesoas pode ser faclmete esteddo para avalar fuções de duas ou mas varáves, tal como mostra a seguda expressão de.6. Neste tem serão dadas apeas oções de como avalar tegras bdmesoas, cuas resoluções em MEC, fazem parte do obetvo deste trabalho. Será dada êfase à extesão da técca de tegração do tpo Gauss-Legedre, avalado tegras do tpo I d ( ξ η) dξdη = f,. (.3) c b a É mportate dexar claro que o modo de se avalar uma tegral umercamete através da técca de Gauss-Legedre é muto semelhate à técca de Neto-Cotes, tal como fo vsto os tes.3. e.3., ou sea, o procedmeto é smlar e ão será tratado aqu. Ao cotuar com a extesão da avalação da técca de Gauss-Legedre para tegras bdmesoas a prmera oção que se precsa ter é saber que uma tegral bdmesoal é resolvda, prmeramete, a tegral tera para que posterormete, a tegral extera sea calcula. Por exemplo, cosdera-se a resolução da tegral tera a dreção ξ da segute forma: I = I = d c I dη b a f m m ( ξ, η) dξ G f ( ξ, η) g( η). = (.4) Note que fo utlzado a expressão. para avalar a seguda tegral ( I : Equação.4) e de posse de g ( η) é possível avalar a últma tegral, pos I d g c = ( ) dη G g( η ) η. (.5) 6

12 É teressate otar que as abscssas, bem como os pesos, a serem utlzados estes procedmetos de se avalar a tegral bdmesoal (Equação.3) são os mesmos que costam a tabela.. Isto mplca em dzer que o procedmeto de se resolver uma tegral bdmesoal com a técca de Gauss-Legedre é, a realdade, resolver duas tegras udmesoas, sedo que as abscssas e os pesos são os mesmos da tabela. para ambas as dreções, para o tervalo de - a. Itervalos dferetes mplcam em abscssas e pesos dferetes (Equações. e.). Através das expressões.4 e.5, chega-se à expressão fal que efetva a avalação da tegral bdmesoal (Equação.3), tal como se pode ver abaxo: I = d b f c a = = m m (, η) dξdη G G f ( ξ, η ) ξ. (.5).4 ESTUDO SOBRE QUÁDRICAS Neste tem serão vstos algus tópcos avaçados de Álgebra Lear. No prmero subtem serão vstos algus cocetos prelmares que audarão a compreeder a déa prcpal do estudo sobre a teora de quádrcas, sedo que esta teora fo utlzada para desevolver um procedmeto alteratvo este trabalho que é a técca de tegração umérca com pesos específcos. No capítulo 5 será vsto com mas detalhes a ecessdade de se utlzar um procedmeto matemátco alteratvo e elegate como o que fo utlzado..4. Formas Bleares Para uma fução V : V K ser classfcada como sedo uma forma blear terá que satsfazer as segutes codções:. λ u + u, v) = λ( u, v) + ( u, v), K, u, u, v V (.6) ( λ 7

13 . ( u, λ v v ) = λ( u, v ) + ( u, v ), λ K, u, v v V. +, Sea V : V K uma forma blear e α = { v...v } uma base de V. Seam X e Y dos vetores de V, tas como: X x x = x e Y y y = y. (.7) Assm, t ( ξ, η ) = X [ ] Y, ode [] é a matrz assocada à forma blear dada por: a a [ ] = a ( = v, v ). a a (.8) (.9).4. Formas Smétrcas Sabe-se, por meo de cocetos báscos de Álgebra Lear, que a cada base Β de V como, por exemplo, a base caôca, está assocada uma matrz [ ] B. Mas a frete será explcado com mas detalhes o motvo de explctar este tópco sobre formas smétrcas, mas é teressate apeas dzer o mometo que é mportate, para a formulação proposta este trabalho, que se possa cosegur uma base tal que [ ] B sea dagoal. Neste trabalho ão serão fetas provas de teoremas, apeas suas ctações quado ecessáro. Sabe-se, quado a fução ( ξ,η) é blear, que é possível ecotrar uma base 8

14 de tal forma que [ ] B sea uma matrz dagoal. Esta base exste para uma classe de fuções bem especal de formas bleares que são as formas smétrcas. Dz-se que ( ξ,η) é smétrca quado:. ( u, v) = ( v, u), u, v V. (.3).4.3 Formas Quadrátcas Da fução V : V K, fução blear e smétrca, def-se a fução f : V K sedo agora defda por f ( v) = g( u, v) e chamada de forma quadrátca. Algumas característcas especas podem ser otadas dretamete em uma fução com forma quadrátca, são elas:. f ( u + v) = f ( u) + ( u, v) + f ( v), u, v V (.3). f ( λv) = λ f( v), λ K, u, v V..4.4 Quádrcas Uma fução ( ξ,η ) (Equação 5.4) resposável por represetar a sgulardade da fução r ( ξ,η ) é dada por: (, η ) = a5ξ + a4η + a3ξη + aξ + aη a W + ξ. (.3) Através de mudaça de coordeadas e/ou traslações é possível reduzr a expressão.3 a uma forma mas smples. Nesta ova forma, pode-se recohecer o tpo de quádrca que é dado pela fução W. Aqu será mostrado os passos ecessáros para se fazer esta smplfcação. 9

15 Vale a pea mecoar que se trabalhará com fuções o espaço vetoral, tedo em vsta que o elemeto de cotoro alvo de estudo é o bdmesoal, e, também, será utlzado o sstema ortogoal de coordeadas cal o que sgfca que este sstema é formado por uma base ortoormal de, dcada pelos vetores, e k e o poto de orgem será fxado o. Isso é mportate devdo à possíves traslações ecessáras ao logo do processo descrto logo a segur. Uma quádrca em é uma superfíce formada pelos potos de cuas coordeadas em relação ao sstema verfcam uma equação do segute tpo: a + bη + pξη + Eξ + Fη + d = ξ, (.33) ode abd pef ea b,,,,, +. Cosdere, da expressão.33, apeas os termos do º grau, sedo agora cosderado uma ova fução a ser aalsada Q :, defda por: ( ξ, η) aξ + bη + pξη Q =. (.34) Agora, observe que Q ( ξ,η) é uma forma quadrátca em assocada à forma blear smétrca f cua matrz em relação à base caôca de [ ] = é dada por: a p f ca, (.35) p b ou sea, a p ξ Q ( ξ, η) = f (( ξ, η),( ξ, η) ) = ( ξ η). (.36) p b η A partr de agora, faz-se ecessáro fazer uso de um mportate teorema que exste a teora de álgebra lear, como se pode ver abaxo: TEOREMA I: Sea V um K espaço vetoral de dmesão. Se f Β s ( V, K ) etão exste uma base Β de V tal que [ f ] Β é uma matrz dagoal.

16 Através deste teorema se pode admtr uma base ortoormal Β = { v,v } tal que [ f ] Β é uma matrz dagoal. Assm, para cada v V, v = ξ ' v + η' v e, assm, obtém-se: Q ξ ', η' = λ ξ + ou sea, ( ) λ ξ ' λ η' ( ξ ', η' ) = ( ξ ' η' ) Q, (.37) ' λ ' η. Logo, percebe-se que ao aplcar a mudaça de base coveete, elma-se o termo cruzado de segudo grau das equações.3 e.33. Ao aplcar mudaça de coordeadas a equação.33 da quádrca, sedo que a matrz mudaça de base ([ M ] ) é dado com relação a cada autovalor ecotrado, gerado os autovetores ecessáros para compor [ M ], obtém-se a segute equação: λ ξ' + λ η' + E' ξ' + F' η' + d (.38) = A fm de tetar recohecer aquela quádrca é possível fazer uma traslação do segute tpo: x'' = x' α y'' = y' β. (.39) z'' = z' γ Assm, obtém-se uma ova mudaça de coordeadas que correspode, a verdade, a uma traslação. Coseqüetemete, tem-se a equação reduzda da quádrca o sstema { '', v v } o que faclta a forma de se detfcar a quádrca correspodete, mas este passo de recohecmeto ão é ecessáro para o desevolvmeto da técca aqu proposta.,

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

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

Leia mais

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

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

Leia mais

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

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

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

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

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

Leia mais

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

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

Leia mais

Apresenta-se em primeiro lugar um resumo da simbologia adoptada no estudo da quadratura de Gauss.

Apresenta-se em primeiro lugar um resumo da simbologia adoptada no estudo da quadratura de Gauss. CAÍTULO QUADRATURA DE GAUSS Mutos dos tegras que é eessáro alular o âmbto da aplação do Método dos Elemetos Ftos (MEF) ão são trvas,.e., ou a prmtva da ução tegrada ão exste expltamete, ou é demasado omplada

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

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

Capítulo V - Interpolação Polinomial

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

Leia mais

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

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

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

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

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

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores

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

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

Apostila de Introdução Aos Métodos Numéricos

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

Leia mais

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

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

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

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

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

Capítulo 2. Aproximações de Funções

Capítulo 2. Aproximações de Funções EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar

Leia mais

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

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

Leia mais

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

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

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

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

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

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

Leia mais

Atividades Práticas Supervisionadas (APS)

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

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Autovalores e Autovetores..- Autovetores e Autovalores de ua Matrz..- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. Cotuação da

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

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

Como CD = DC CD + DC = 0

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

Leia mais

Problema geral de interpolação

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

Leia mais

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

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

MÉTODO DOS MÍNIMOS QUADRADOS

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

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

Números Complexos Sumário

Números Complexos Sumário Números Complexos Sumáro. FORMA ALGÉBRICA DOS NÚMEROS COMPLEXOS.. Adção de úmeros complexos... Propredades da operação de adção.. Multplcação de úmeros complexos... Propredades da operação de multplcação..

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

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

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

Forma padrão do modelo de Programação Linear

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

Leia mais

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

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

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

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

Leia mais

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

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

Capítulo 8. Método de Rayleigh-Ritz

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

Leia mais

Confiabilidade Estrutural

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

Leia mais

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio Materal Teórco - Módulo de MATEMÁTICA FINANCEIRA Facametos Prmero Ao do Eso Médo Autor: Prof Fracsco Bruo Holada Autor: Prof Atoo Camha Muz Neto 20 de agosto de 2018 1 Itrodução Neste materal, remos aplcar

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

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

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

Leia mais

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

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

Leia mais

Formulação para Polinômio Interpolador de Ordem Elevada aplicado a Inomogeneidades - Método dos Elementos Analíticos

Formulação para Polinômio Interpolador de Ordem Elevada aplicado a Inomogeneidades - Método dos Elementos Analíticos Formulação para Polômo Iterpolador de Ordem Elevada aplcado a Iomogeedades - Método dos Elemetos Aalítcos Marao da Fraca Alecar Neto Isttuto Federal de Educação, Cêca e Tecologa do Ceará IFCE 64-53, Av.

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

Sobre aproximações polinomiais de raízes reais de cúbicas

Sobre aproximações polinomiais de raízes reais de cúbicas Notas de Aula Sobre aproxmações polomas de raízes reas de cúbcas Edgar Rechtschaffe UNIFESO O problema de se obter as raízes de uma equação do tercero grau abrevadamete uma cúbca fo resolvdo o século XVI

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

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES Cemátca da Posção de Robôs Mapuladores Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES A cemátca de um robô mapulador é o estudo da posção e da velocdade do seu efetuador e dos seus lgametos. Quado

Leia mais

VI - Integração Numérica

VI - Integração Numérica V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas

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

II. Propriedades Termodinâmicas de Soluções

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

Leia mais

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

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

Leia mais

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

Apêndice. Uso de Tabelas Financeiras

Apêndice. Uso de Tabelas Financeiras Apêdce C Uso de Tabelas Faceras 1. INTRODUÇÃO...2 2. SIMBOLOGIA ADOTADA E DIAGRAMA PADRÃO...2 3. RELAÇÃO ENTRE PV E FV...2 3.1. DADO PV ACHAR FV: FATOR (FV/PV)...3 3.1.1. EXEMPLOS NUMÉRICOS...5 3.2. DADO

Leia mais

CAPITULO VII. DERIVAÇÃO E DIFERENCIAÇÃO EM R n. = h 1. , fx 1

CAPITULO VII. DERIVAÇÃO E DIFERENCIAÇÃO EM R n. = h 1. , fx 1 CAPITULO VII DERIVAÇÃO E DIFERENCIAÇÃO EM R Dervadas parcas de fuções reas de varáves reas Sea f ( ) f ( ) uma fução de A R em R e cosdere-se um poto a (a a a ) A Fado a 3 a 3 a cosdere-se a fução parcal

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia 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

AULA Espaços Vectoriais Estruturas Algébricas.

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

Leia mais

4 O Método de Análise Hierárquica

4 O Método de Análise Hierárquica 4 O Método de Aálse Herárquca 4.. Itrodução O método de aálse herárquca é um dos métodos multatrbuto mas utlzados e dfuddos o mercado mudal (Gomes, 007). Isso se deve, provavelmete, a duas razões. A prmera

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

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

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

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

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

Leia mais

NÚMEROS COMPLEXOS. z = a + bi,

NÚMEROS COMPLEXOS. z = a + bi, NÚMEROS COMPLEXOS. DEFINIÇÃO No cojuto dos úmeros reas R, temos que a = a. a é sempre um úmero ão egatvo para todo a. Ou seja, ão é possível extrar a ra quadrada de um úmero egatvo em R. Dessa mpossbldade

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

4 Métodos de Estimação da Entropia e da Informação Mútua

4 Métodos de Estimação da Entropia e da Informação Mútua 4 Métodos de Estmação da Etropa e da Iformação Mútua A estmação da etropa e da formação mútua, evolvedo apeas varáves aleatóras dscretas, é smples, com aplcação dreta da defção de Shao. No etato, quado

Leia mais

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

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

Leia mais

? 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

50 Logo, Número de erros de impressão

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

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia 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 Aula 1. Decomposição Matricial

Matemática Aula 1. Decomposição Matricial CURSO DE NIVELAMENO 0 - PEQ/COPPE/UFRJ PROF. ARGIMIRO DECOMPOSIÇÃO MARICIAL Matemátca Aula Decomposção Matrcal A decomposção matrcal é uma fatoração de uma matrz em alguma forma caôca ou padrão. Exstem

Leia mais

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas UNIVERSIDADE FEDERAL DE OURO PRETO Isttuto de Cêcas Eatas e Bológcas Departameto de Computação José Álvaro Tadeu Ferrera Cálculo Numérco Notas de aulas Iterpolação Polomal Ouro Preto 3 (Últma revsão em

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo

Leia mais

Í N D I C E. Séries de Pagamentos ou Rendas Renda Imediata ou Postecipada Renda Antecipada Renda Diferida...

Í N D I C E. Séries de Pagamentos ou Rendas Renda Imediata ou Postecipada Renda Antecipada Renda Diferida... Curso: Pós-graduação / MBA Campus Vrtual Cruzero do Sul - 2009 Professor Resposável: Carlos Herque de Jesus Costa Professores Coteudstas: Carlos Herque e Douglas Madaj UNIVERSIDADE CRUZEIRO DO SUL Cohecedo

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

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

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

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

Modelo de Regressão Simples

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

Leia mais