LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05

Tamanho: px
Começar a partir da página:

Download "LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05"

Transcrição

1 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada em Métodos Instrumentas de Análse, convém atender desde já ao conceto de erro e à forma de apresentar os resultados de cálculo ou medda analítca. O número de algarsmos sgnfcatvos é defndo como o número de dígtos necessáro para expressar os resultados de uma medda, consstente com a precsão com que essa medda fo efectuada. O dígto zero pode ser um algarsmo sgnfcatvo de uma medda ou pode ser usado exclusvamente para a notação das casas décmas. O número de algarsmos sgnfcatvos na medda é ndependente da localzação da vírgula: o número 9,067 tem 5 algarsmos sgnfcatvos ndependentemente da localzação da vírgula: 9,7067 cm; 0,9067 dm; 0,09067 m, todos têm 5 algarsmos sgnfcatvos. Estes números correspondem apenas a dferentes maneras (undades) de representar a mesma medda. No número 0,09067, o zero do lado dreto da vírgula é utlzado apenas para localzar a prmera casa décmal. Mas no 77,0 o zero é já um algarsmo sgnfcatvo. 9,3660 x 10 5 tem 5 algarsmos sgnfcatvos mas contém 6 dígtos. Exemplo 1 Quantos algarsmos sgnfcatvos contêm os seguntes números e ndcar quas os zeros sgnfcatvos? 0,16 ; 90,7 ; 800,0 ; 0,0670 0,16-3 algarsmos sgnfcatvos 90,7-3 algarsmos sgnfcatvos; o zero é sgnfcatvo 800,0-4 algarsmos sgnfcatvos: todos os zeros são sgnfcatvos 0, algarsmos sgnfcatvos; o últmo zero é sgnfcatvo. Vejamos um caso em que o últmo dígto é sgnfcatvo: Medu-se um pontero com uma régua graduada em dvsóras de 1mm. A medda pode ser estmada até 0,1 mm por nterpolação, mas o últmo dígto é ncerto pos é apenas uma estmação. Multplcação e dvsão Em mutas meddas um dígto que é ncerto é no entanto ncludo. Na multplcação e dvsão a ncerteza deste dígto é transportada ao longo das operações matemátcas, lmtando assm o número de dígtos certos na resposta. No resultado fnal da multplcação e dvsão, o grau de ncerteza é pelo menos dêntco ao operador com menos algarsmos sgnfcatvos. Este operador que va lmtar o número de algarsmos sgnfcatvos no resultado fnal é desgnado por número chave. Complementos Teórcos - 1

2 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos Exemplo Na operação: 35, 63 0, , = 0, , o número chave é 35,63. O resultado então apenas possu 4 algarsmos sgnfcatvos, fcando 0,8855. Na multplcação e dvsão o resultado de cada passo de uma sére de operações pode ser arredondado estatstcamente ao número de algarsmos sgnfcatvos que são retdos no resultado fnal, mas é mas correcto arredondar só o resultado fnal e efectuar todas as operações com valores que possuam um dígto ncerto. Adção e subtracção Nestas operações não exste o número chave e a localzação das casas décmas é bastante mportante para determnar quantos algarsmos são sgnfcatvos. Exemplo 3 Cálculo do peso molecular de Ag MoO 4, através dos respectvos pesos atómcos. Ag 107,87 0 Ag 107,87 0 Mo 95,94 Ag MoO O peso atómco de Mo só é conhecdo até 0,01 undades atómcas, então o peso molecular de um composto que contenha Mo não pode ser dado com uma precsão maor do que 0,01 undades atómcas. O peso de Ag MoO 4 com o máxmo de precsão será 375,68. ARREDONDAMENTO Se o dígto a segur ao últmo número sgnfcatvo é maor que 5 o número é arredondado por excesso, se é menor que 5 é arredondado por defeto: 9,47 = 9,5 9,43 =9,4. Se o últmo dígto é 5, temos dos casos: se o últmo algarsmo sgnfcatvo é par, o número é arredondado por defeto, se é mpar, é arredondado por excesso: 8,65 = 8,6 8,75 = 8,8 8,55 = 8,5 Complementos Teórcos -

3 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos PRECISÃO E EXACTIDÃO Precsão Defnda como grau de reprodutbldade dos resultados, pode também ser defnda como a concordânca entre valores numércos de duas ou mas meddas, fetas de modo dêntco. Exstem város métodos para expressar a precsão dos resultados: métodos absolutos e métodos relatvos. Métodos absolutos O desvo em relação ao valor médo (x - c) é um método comum para descrever a precsão, que corresponde smplesmente à dferença numérca em módulo entre o valor exprmental e a méda dos resultados que ncluem o valor. Exactdão Grau de concordânca entre o valor meddo e o verdadero valor: como o verdadero valor raramente é conhecdo, uma defnção mas realsta será a concordânca entre o valor meddo e o valor acete como verdadero. Enquanto que a exactdão envolve uma comparação com o valor tdo como certo, a precsão compara o resultado com meddas fetas do mesmo modo. A exactdão de uma medda é geralmente descrta em termos de erro absoluto e que é defndo como x a dferença entre o valor observado, e o valor acete como verdadero, : E = x x t Geralmente o método mas útl que o do erro absoluto é o do erro relatvo, E, que é expresso como percentagem do valor acete como verdadero: E = xt x ou E x x t = x t x t ERROS Classes de erros Exstem duas classes de erros que podem afectar a precsão e a exactdão de uma certa medda: erros determnados ou sstemátcos e erros ndetermnados ou acdentas. Erros determnados São erros em que se pode conhecer a sua fonte. São ndependentes das les do acaso e produzem-se sempre no mesmo sentdo, podendo ser anulados por termos correctvos. É a função, por exemplo, de um ensao em branco. Erros ndetermnados Esta segunda classe de erros exclu aqueles cuja fonte não pode ser dentfcada. Dão-se nos dos sentdos, em prncípo com dêntca probabldade, podendo ser atenuados mas nunca anulados. Os erros acdentas seguem uma dstrbução normal, ou seja, dspõem-se segundo a curva de Laplace- Gauss. Complementos Teórcos - 3

4 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos Propredades da curva: Frequênca máxma por erro ndetermnado é zero. Smetra em relação ao máxmo, ndcando que os erros postvos e negatvos ocorrem com gual frequênca. Dmnução exponencal da frequênca com o aumento da magntude do erro. Fontes de erro É mpossível lstar todas as causas dos erros ndetermnados e determnados, mas as mas comuns são: Erros ndetermnados: Erros nstrumentas Devdos a equpamento mperfeto. Por ex.: pesos não calbrados; materal de vdro calbrado utlzado a temperaturas nconvenentes, etc. Erros pessoas A cor de uma solução no ponto fnal de uma ttulação, o nível do líqudo em relação a uma ppeta graduada. Estes erros podem ser reduzdos pela experênca e cudado do analsta em relação às manpulações físcas. Erros de método Erros determnados que são geralmente ntroduzdos por comportamentos não deas químcos e físcos dos reagentes. Estes são os erros mas séros da análse. A maor parte dos erros anterores podem ser mnmzados ou corrgdos mas erros nerentes ao método não podem ser modfcados a não ser que as condções da determnação sejam alteradas. Erros determnados: Os erros determnados podem ser classfcados como correntes ou proporconas. A magntude de um erro corrente é ndependente do tamanho da amostra analsada. Por outro lado os erros proporconas aumentam ou dmnuem em proporção ao tamanho da amostra tomada para análse. Erros correntes Numa dada análse um erro corrente será tanto mas séro quanto menor o tamanho da quantdade medda. Este problema pode ser lustrado através da perda de solubldade na lavagem do precptado. Exemplo: Supor que 0,50 mg de precptado são perddos devdo à lavagem com 00 ml de líqudo de lavagem. Se estverem envolvdos 500 mg de precptado, o erro relatvo devdo à solubldade será (0,50 x 100 / 500) = 0,1%. A perda da mesma quantdade de 50 mg de precptado orgnará um erro relatvo de 0,1%. A quantdade de reagente requerdo para vsualsar determnada varação de cor numa análse volumétrca é um outro exemplo de erro corrente. Complementos Teórcos - 4

5 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos Erros proporconas Contamnantes nas amostras se não forem elmnados podem orgnar um erro proporconal. Por exemplo, um método bastante usado para análse do cobre envolve reacção do ão cobre (II) com odeto potásso; a quantdade de odo produzdo é proporconal à quantdade de cobre. Se estver presente alguma contamnação de ferro (III) este estmulará gualmente a lbertação de odo. A não ser que estes passos sejam elmnados a análse produzrá resultados superores em relação à percentagem de Cu, pos o odo produzdo será uma soma de percentagem de ferro e cobre na amostra. A magntude deste erro é fxada pela fracção de contamnação de ferro na amostra. Se a amostra duplca de tamanho, por ex., a quantdade de odo lbertada tanto pelo Cu como pelo Fe contamnante também será o dobro. DETERMINAÇÃO DA MELHOR RECTA QUE PASSE POR UM CONJUNTO DE PONTOD EXPERIMENTAIS A maora dos métodos analítcos requer uma calbração. A calbração consste em analsar amostras que contêm a mesma substânca em concentrações conhecdas. os resultados são apresentados grafcamente orgnando normalmente lnhas rectas. Como consegur uma recta deal que passe por uma sére de pontos? Mutas vezes pode ser feto ntutvamente mas a aproxmação mas correcta é aplcar a estatstca para defnr a lnha recta mas provável que passa por todos os pontos. Vamos admtr que exste uma relação lnear entre x e y: y= ax + b a - declve da recta b - ordenada na orgem x e y - varáves o nosso problema é estabelecer os valores para a e b. Pode demonstrar estatstcamente que a melhor lnha que passa através de uma sére de pontos expermentas é aquela cuja soma dos desvos dos pontos da lnha é mínma. Este método é conhecdo como método dos mínmos quadrados. Se x for a varável fxa e y a varável medda, então o desvo vertcal de y da lnha a um dado valor de x (x) é de nteresse. Se y é o valor da lnha, ele é gual a ax b. O quadrado da soma das dferenças é: ( ) ( [ )] S = y y = y ax + b e a melhor lnha recta ocorre quando se passa através de um mínmo. Isto é obtdo através de cálculo dferencal; gualando as dervadas de S em relação a a e b a zero e resolvendo as equações em ordem a a e b, o resultado é: a = ( x x)( y y) ( x x) + () b= y ax x - valor médo de x (1) y - valor médo de y Complementos Teórcos - 5

6 A equação () pode ser transformada numa outra mas smples: LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos ( ) ( ) / x. y x. y / n a = x x n n - número de resultados Exemplo 5 A rboflavna (vtamna B ) é determnada numa amostra de cereas, através da ntensdade fluorescente numa solução 5% em ácdo acétco. Efectuou-se uma curva de calbração por medção das ntensdades de fluorescênca numa sére de soluções padronzadas (concentrações conhecdas). Obtveram-se os seguntes resultados: Rboflavna ntensdade de fluorescênca x x y g/ml (x) (undades arbtráras) (y ) 0,000 0,0 0,0000 0,00 0,100 5,8 0,0100 0,58 0,00 1, 0,0400,44 0,400,3 0,1600 8,9 0,800 43,3 0, ,64 Usar o método dos mínmos quadrados para calcular a concentração de uma solução de rboflavna cuja ntensdade de fluorescênca é 1,54. Resolução: x = 1,500 y = 83,6 x = 0,850 x y = 46,58 (x) =,50 n = 5 x x = y = 0, 300 y = = 16, 7 n n a = ( ) 46, 58 1, , 6 / 5 = 53, , 50, / 5 b = 16,7-53,75 x 0,300 = 0,60 y = 53,8x + 0,6 A concentração da amostra é: 15,4 = 53,38 x +0,6 x = 0,75 g/ml Complementos Teórcos - 6

7 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos Exemplo 6 - Coefcentes de correlação O coefcente de correlação é usado como medda de correlação entre duas varáves. O coefcente de correlação de Pearson é um dos métodos mas efcentes de o calcular. É dado por: r = ( x x)( y y) ns S r - coefcente de correlação n - número de observações Sx - desvo standard de x Sy - desvo standard de y x - valor médo de x y - valor médo de y A equação anteror pode ser transformada em: x y r = xy nxy ( x nx )( y ny ) = nx y x y [ nx ( x) ] ny ( y) [ ] o valor máxmo de r é 1. Quando sto ocorre, exste uma correlação exacta entre as duas varáves. Quando o valor de r é zero (o que ocorre quando xy = zero) exste uma ndependênca completa das duas varáves. O valor mínmo de r é -1. Um coefcente de correlação negatvo ndca que a ndependênca assumda é oposta à que exste, e que exste um coefcente postvo. Um coefcente de correlação pode ser calculado de uma curva de calbração para averguar o grau de correlação entre a varável nstrumental medda e a concentração da amostra. Regra geral, 0,90< r <0,95 ndca uma curva razoável, 0,95< r <0,99 uma boa e r >0,99 ndca uma curva excelente. Referêncas 1. D.A. Skoog and M.West, FUNDAMENTALS OF ANALYTICAL CHEMISTRY, Saunders College Publshng. G. D. Chrstan. ANALITYCAL CHEMISTRY, 1994, John Wley & Sons Complementos Teórcos - 7

Introdução à Análise de Dados nas medidas de grandezas físicas

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

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos. Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08

Leia mais

METROLOGIA E ENSAIOS

METROLOGIA E ENSAIOS METROLOGIA E ENSAIOS Incerteza de Medção Prof. Aleandre Pedott pedott@producao.ufrgs.br Freqüênca de ocorrênca Incerteza da Medção Dstrbução de freqüênca das meddas Erro Sstemátco (Tendênca) Erro de Repettvdade

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

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

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3

Leia mais

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas Unversdade Salvador UNIFACS Cursos de Engenhara Cálculo IV Profa: Ilka ebouças Frere Integras Múltplas Texto 3: A Integral Dupla em Coordenadas Polares Coordenadas Polares Introduzremos agora um novo sstema

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

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

Universidade Federal da Bahia Instituto de Física Departamento de Física da Terra e do Meio Ambiente TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S Unversdade Federal da Baha Insttuto de Físca Departamento de Físca da Terra e do Meo Ambente TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S Físca I SALVADOR, BAHIA 013 1 Prefáco Esta apostla é destnada

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

www.obconcursos.com.br/portal/v1/carreirafiscal

www.obconcursos.com.br/portal/v1/carreirafiscal www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,

Leia mais

Escolha do Consumidor sob condições de Risco e de Incerteza

Escolha do Consumidor sob condições de Risco e de Incerteza 9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

Princípios do Cálculo de Incertezas O Método GUM

Princípios do Cálculo de Incertezas O Método GUM Prncípos do Cálculo de Incertezas O Método GUM João Alves e Sousa Laboratóro Regonal de Engenhara Cvl - LREC Rua Agostnho Perera de Olvera, 9000-64 Funchal, Portugal. E-mal: jasousa@lrec.pt Resumo Em anos

Leia mais

INTRODUÇÃO À ANÁLISE DE DADOS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO À ANÁLISE DE DADOS NAS MEDIDAS DE GRANDEZAS FÍSICAS Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO À AÁLISE DE DADOS AS MEDIDAS DE GRADEZAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...4

Leia mais

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS. Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001 Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação

Leia mais

Hoje não tem vitamina, o liquidificador quebrou!

Hoje não tem vitamina, o liquidificador quebrou! A U A UL LA Hoje não tem vtamna, o lqudfcador quebrou! Essa fo a notíca dramátca dada por Crstana no café da manhã, lgeramente amenzada pela promessa de uma breve solução. - Seu pa dsse que arruma à note!

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem. Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de

Leia mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas

Leia mais

MAPEAMENTO DA VARIABILIDADE ESPACIAL

MAPEAMENTO DA VARIABILIDADE ESPACIAL IT 90 Prncípos em Agrcultura de Precsão IT Departamento de Engenhara ÁREA DE MECANIZAÇÃO AGRÍCOLA MAPEAMENTO DA VARIABILIDADE ESPACIAL Carlos Alberto Alves Varella Para o mapeamento da varabldade espacal

Leia mais

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014 Aula 7: Crcutos Curso de Físca Geral III F-38 º semestre, 04 Ponto essencal Para resolver um crcuto de corrente contínua, é precso entender se as cargas estão ganhando ou perdendo energa potencal elétrca

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Distribuição de Massa Molar

Distribuição de Massa Molar Químca de Polímeros Prof a. Dr a. Carla Dalmoln carla.dalmoln@udesc.br Dstrbução de Massa Molar Materas Polmércos Polímero = 1 macromolécula com undades químcas repetdas ou Materal composto por númeras

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão IF-UFRJ Elementos de Eletrônca Analógca Prof. Antôno Carlos Fontes dos Santos FIW362 Mestrado Profssonal em Ensno de Físca Aula 1: Dvsores de tensão e Resstênca nterna de uma fonte de tensão Este materal

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ110 : Prncípos de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br Potencal químco, m potencal químco CQ110 : Prncípos de FQ Propredades termodnâmcas das soluções

Leia mais

TERMODINÂMICA E ESTRUTURA DA MATÉRIA

TERMODINÂMICA E ESTRUTURA DA MATÉRIA TERMODIÂMICA E ESTRUTURA DA MATÉRIA LICECIATURA EM EGEHARIA ELECTROTÉCICA E COMPUTADORES. Aqusção e Análse de Dados numa Experênca. Medr uma grandeza mplca, através da nterposção entre o observador e o

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações. 1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE DA VARIÂNCIA DA REGRESSÃO ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

1 Princípios da entropia e da energia

1 Princípios da entropia e da energia 1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

14. Correntes Alternadas (baseado no Halliday, 4 a edição)

14. Correntes Alternadas (baseado no Halliday, 4 a edição) 14. orrentes Alternadas (baseado no Hallday, 4 a edção) Por que estudar orrentes Alternadas?.: a maora das casas, comérco, etc., são provdas de fação elétrca que conduz corrente alternada (A ou A em nglês):

Leia mais

RM 68 INCERTEZA DE MEDIÇÃO: GUIA PRÁTICO DO AVALIADOR DE LABORATÓRIOS SUMÁRIO 1 OBJETIVO E CAMPO DE APLICAÇÃO 2 REFERÊNCIAS 3 DEFINIÇÕES 4 METODOLOGIA

RM 68 INCERTEZA DE MEDIÇÃO: GUIA PRÁTICO DO AVALIADOR DE LABORATÓRIOS SUMÁRIO 1 OBJETIVO E CAMPO DE APLICAÇÃO 2 REFERÊNCIAS 3 DEFINIÇÕES 4 METODOLOGIA RM 68 INCERTEZA DE MEDIÇÃO: GUIA PRÁTICO DO AVALIADOR DE LABORATÓRIOS PROCEDIMENTO DO SISTEMA DE GESTÃO DA QUALIDADE REVISÃO: 05 ABR/013 SUMÁRIO 1 OBJETIVO E CAMPO DE APLICAÇÃO REFERÊNCIAS 3 DEFINIÇÕES

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção Influênca dos Procedmentos de Ensaos e Tratamento de Dados em Análse Probablístca de Estrutura de Contenção Mara Fatma Mranda UENF, Campos dos Goytacazes, RJ, Brasl. Paulo César de Almeda Maa UENF, Campos

Leia mais

Dados ajustáveis a uma linha recta

Dados ajustáveis a uma linha recta Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

3.1. Conceitos de força e massa

3.1. Conceitos de força e massa CAPÍTULO 3 Les de Newton 3.1. Concetos de força e massa Uma força representa a acção de um corpo sobre outro,.e. a nteracção físca entre dos corpos. Como grandeza vectoral que é, só fca caracterzada pelo

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:

MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo: MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no

Leia mais

Controle Estatístico de Processos: a questão da autocorrelação, dos erros de mensuração e do monitoramento de mais de uma característica de qualidade

Controle Estatístico de Processos: a questão da autocorrelação, dos erros de mensuração e do monitoramento de mais de uma característica de qualidade Controle Estatístco de Processos: a questão da autocorrelação, dos erros de mensuração e do montoramento de mas de uma característca de qualdade Docentes: Maysa S. de Magalhães; Lnda Lee Ho; Antono Fernando

Leia mais

Números Complexos. Conceito, formas algébrica e trigonométrica e operações. Autor: Gilmar Bornatto

Números Complexos. Conceito, formas algébrica e trigonométrica e operações. Autor: Gilmar Bornatto Números Complexos Conceto, formas algébrca e trgonométrca e operações. Autor: Glmar Bornatto Conceto (parte I) Os números complexos surgram para sanar uma das maores dúvdas que atormentavam os matemátcos:

Leia mais

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar? Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda

Leia mais

Rastreando Algoritmos

Rastreando Algoritmos Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,

Leia mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

Um modelo nada mais é do que uma abstração matemática de um processo real (Seborg et al.,1989) ou

Um modelo nada mais é do que uma abstração matemática de um processo real (Seborg et al.,1989) ou Dscplna - MR070 INTRODUÇÃO À MODELAGEM DE SISTEMAS LINEARES POR EQUAÇÕES DIFERENCIAIS Os modelos de um determnado sstema podem ser físcos ou matemátcos. Neste curso focaremos a modelagem pela dentfcação

Leia mais

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,

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

Associação de resistores em série

Associação de resistores em série Assocação de resstores em sére Fg.... Na Fg.. está representada uma assocação de resstores. Chamemos de I, B, C e D. as correntes que, num mesmo nstante, passam, respectvamente pelos pontos A, B, C e D.

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

Caderno de Exercícios Resolvidos

Caderno de Exercícios Resolvidos Estatístca Descrtva Exercíco 1. Caderno de Exercícos Resolvdos A fgura segunte representa, através de um polígono ntegral, a dstrbução do rendmento nas famílas dos alunos de duas turmas. 1,,75 Turma B

Leia mais

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica 1 a 5 de Agosto de 006 Belo Horzonte - MG Expressão da ncerteza de Medção para a Grandeza Energa Elétrca Eng. Carlos Alberto Montero Letão CEMG Dstrbução S.A caletao@cemg.com.br Eng. Sérgo Antôno dos Santos

Leia mais