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

Tamanho: px
Começar a partir da página:

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

Transcrição

1 UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas com valores apromados e coseqüetemete obtemos resultados apromados. II. Os prcpas motvos que cocorrem para a eatdão das operações são: I. Uso de dados proveetes de medções. as medções temos dos tpos de erros: III.. Erros sstemátcos são devdos à alta de pereção a costrução, regulagem, etc., do strumeto de medda utlzado o processo. B. Erro ortutos são devdos às varações acdetas (ao acaso) de temperatura, Uso de dados matemátcos eatos são erros proveetes da própra atureza dos úmeros como, π, e. Uso de dados proveetes de tabelas as tabelas cotém um úmero o de casas decmas. IV. Uso de dados eatos proveetes da supressão de algarsmos : IV. em Eemplo: Seja calcular o valor de K (C. D) E, ode C,4 ; D 8,4 ; E 5,504 ; este caso K 6, Se utlzar-mos para C, ; D 8, ; E 5,5 ; teremos K 6,99. promações devdo à órmulas de resolução apromadas. Seja, por eemplo, calcular 05,. Se desevolver-mos () em Sére de Talor toro de 0 e aplcar para,05, temos: 0,05 0,05 0, , VI. Ordem de cálculo as operações: Eemplo: Calcular o valor de V B C º o modo : V ;, ode, B, C; º º modo: V B C C 0,... 0, ,

2 UERJ CTC IE Departameto de Iormátca e Cêca da Computação VII. Uso de rotas adequadas de cálculo. Eemplo: Seja calcular o valor médo de p() a 4 b c d e. este caso temos total de 4 adções e 0 multplcações, a saber: a 4 a 4 multplcações b b c c d d multplcações multplcações multplcação Utlzado o dspostvo prátco de Brot-Ru-Hormer: p() {[(ab) c] d} e, temos pos 4 adções e 4 multplcações. Coclusão: o segudo método é mas precso que o prmero. VIII. Egaos: são erros devdo à alta de cudado do calculsta que poderá escrever úmeros e sas trocados devdo à sua habldade e rapdez. I. - úmeros apromados Deção : úmero apromado é a apromação de um valor eato, sedo a dereça etre os dos bem pequea. Cosderamos um valor eato quado ão este apromação ou certeza assocado a ele. I. - lgarsmos sgcatvos de um úmero Deção : Os dígtos,,,, 9 costtuem algarsmos sgcatvos de um úmero. O dígto 0 (zero) também costtu um sgcatvo, eceto as casos em que é usado para ar a posção da parte decmal ou preecher casas decmas de dígtos desprezados ou descohecdos. Eemplo:,4 0,4 0 4 sgcatvos 405 0,405 0 sgcatvos 0,0095 0, sgcatvos 45,00 0, sgcatvos se os zeros estverem preechedo casas decmas vazas I.4 - rredodameto de um úmero 6 sgcatvos se os zeros veram do arredodameto: 45, , 00 Deção : rredodar um úmero é guardar uma certa quatdade de dígtos, cotados a partr da esquerda para a dreta, e gorado coseqüetemete os demas dígtos do úmero. regra: Para que o arredodameto ocasoe o meor erro possível, empregamos a segute

3 UERJ CTC IE Departameto de Iormátca e Cêca da Computação Se desejarmos um úmero com algarsmos e o últmo algarsmo é X, o algarsmo X deve ser arredodado da segute orma: a) de X a X , adcoa-se udade ao algarsmo X; b) de X a X os algarsmos ecedetes são elmados, e o algarsmo X permaece alterado; c) o caso X , etão: c. - dea-se o al algarsmo X alterado se X or par; c. - acresceta-se udade ao algarsmo X se ele or ímpar: Eemplo:,45879,459,4576,45 4, ,679 4, ,678 4, ,68 4, ,66 I.5 - Tpos de Erro Seja Q o valor eato e Q o valor apromado de um úmero. I.5. - Erro bsoluto Deção :. Demos erro absoluto como sedo a dereça em módulo etre o valor eato e o valor apromado. Deotaremos por. I.5. - Erro Relatvo Q Q - Q Deção : É a razão etre o erro absoluto e o valor eato do úmero. Deotaremos por. Q Q Q - Q / Q Q Q OBS: ote que Q é prómo a se Q or prómo a Q. Precsamete, se Q α ( ) /, etão ( ) / α /( α ). Em geral, quado dspormos do valor verdadero, vamos utlza-lo o calculo do erro relatvo, mas seão podemos utlzar o valor apromado. I.5. - Erro Percetual Relatvo Deção : É o erro relatvo epresso em percetagem. Deotaremos por. Eemplos: ) Q,5408 Q Q % 00 Q Q / Q 00 Q Q,5464

4 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 4 Q Q Q, Q, Q % 00, , % ) Comprmeto real L 5 Km Comprmeto apromado L 5, Km 5,0 5, L 0,0 relatvo 5,0 L% % percetual relatvo ) Pressão real: 0 Kg/cm Pressão apromada: 0,5 Kg/cm p 0,5 Kg/cm p 0,05 e p % 5 % Observação: ) Os erros relatvo e percetual relatvo são quatdades admesoas, permtdo comparar erros de quatdades homogêeas ou ão-homogêeas. ) Se um úmero é arredodado com t algarsmos sgcatvos, é claro que o erro absoluto cometdo em seu arredodameto é meor ou gual a: e t e Q Q - Q 0,5, ode e é o epoete de Q a orma 0, d d K d 0 e t é o 0 úmero de algarsmos sgcatvos. EX: Q,45789 Q,458 Q, ,458 0,000 0, 0 < 0,5 0 4 t 4, e EX: Q 45,789 Q 45,8 Q 45,789-45,8 0,0 0, 0 < 0,5 0 4

5 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 5 t 4, e EX: Q 0, Q 0,00458 Q 0, , , , 0 6 < 0,5 0 4 t 4, e -. I Cota Superor de Erro bsoluto Deção : Cota superor de erro absoluto é o lmte mámo permtdo para o erro absoluto e deotaremos como α. Q <α I Cota Superor de Erro Relatvo Deção: De modo aálogo demos cota superor de erro relatvo, e deotamos por β. Q< β Observação: ormalmete escolhemos a potêca de 0 mas próma do valor da cota superor de erro sempre por majoração. Com sto estaremos os reerdo ao erro como sedo da ordem de 0, Z. 7 plcação: Cosdere e e e, determe a cota superor de erro 0! 0! e!!... 7! 8! 9!... e!!... 7! absoluto: e e e 8! 9! 0!... 8! 8! 9! 8! 9

6 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 6 < 0! 8! 9 0 8! 9 <! 8! 9 0 8! 9 8 e <...! P.G. lmtada decrescete com q e< 8 e< 0, e< 0, 0! 9 Logo a cota superor de erro absoluto é 0-4. Eemplo: Q 0, Q 0,46 0, e 0, < 0 5, arredodado para 5 algarsmos, temos: Eemplo : Q 0, , arredodado para 5 algarsmos, temos: Q0,4568 0, e 0,0 4 < 0 4 Logo, a cota superor para o erro absoluto é 0-4. I Propagação de Erro em Operações Elemetares qu vamos utlzar a deção de erro relatvo dada pela segute Q Q órmula: Q. Q. dção. - Erro bsoluto: Cosdere e valores eatos, e valores apromados de e respectvamete, e os erros assocados a e respectvamete. ( ) ( ) ( ) ( ). - Erro Relatvo: (observe que aqu é usado o valor apromado o cálculo do erro relatvo)

7 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 7 ) ( Eemplo: X 55, X, Y, Y, X X Y Y 55 ± ±, Casos etremos: 55785, , etão: 78 5 < X Y 78 < 78 5 (pores casos) (X Y) 78, 5, X Y 0, Y X Y X Y X Y Y X Y X Y X X Y X B. Subtração B. - Erro bsoluto: B. - Erro Relatvo: Eemplo: X 55, X, Y, Y, (X X )- (Y Y) (55 ± ) ( ± ), Casos etremos: 55-(-)5, 55--()-5, etão: 5 < X - Y < 5 (pores casos) (X - Y), 5, X Y

8 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 8 X Y X Y X Y X Y 5 0,565 X Y X Y X Y X Y C. ultplcação C. - Erro bsoluto: ( ) ( ) é descartado pos é desprezível comparado aos outros termos. C. - Erro Relatvo: Eemplo: X 55, X, Y, Y, (X X ) (Y Y) (55 ± ) ( ± ), etão (55)() , (55-)(-) , 65 7 < X Y65 < (pores casos) X Y <85, porém usaremos X Y (ecludo 6) (X Y) 65, X Y , X Y X Y X Y X Y X Y , , , , D. Dvsão D. - Erro bsoluto:

9 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 9 Desevolvedo em sére aclaur, temos:... Desprezado as potêcas de ordem gual ou superor a, temos: ( ) Como os erros são dados em valor absoluto, eles são somados (veja também que ao gual que a multplcação o últmo termo é descartado). Eemplo: D. - Erro Relatvo: X 55, X, Y, Y, (X X ) / (Y Y) (55 ± ) / ( ± ), etão os casos etremos são: (55)/(-)58/, , (55-)/()5/5,08,,08 < X / Y,90448 <, (por caso), ,0447 <,90448 <, , (por caso) (X / Y),90448, X /Y 0, , mas podemos tomar: X / Y 0, 8749, que é o resultado sem a 59 6 cotrbução do termo 0, X / Y 0, X / Y 0, valor obtdo utlzado o por caso X / Y,90448 X / Y X Y 0, , , valor apromado. 55 X / Y X Y 0, , , ,

10 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 0 OBS: Vamos utlzar o valor X / Y X Y 0, I.6 - lgarsmos sgcatvos eatos cotdos em um úmero apromado. Deção: Cosderamos que os prmeros algarsmos de um úmero são eatos quado o erro absoluto ão eceder a uma udade a eésma casa, cotado-se da esquerda para a dreta. p,4596 p,46 p 0, < 0,0000 precsão de um resultado é ução do úmero de algarsmos sgcatvos eatos cotdos o úmero. Há uma relação etre o erro relatvo e o úmero de algarsmos sgcatvos eatos. Teorema I : Se o o. algarsmo sgcatvo de um úmero apromado é, cotedo o reerdo úmero algarsmos sgcatvos, etão o erro relatvo assocado à apromação será: 0 Cosdere..., L... ; algarsmos sgcatvos eatos.

11 UERJ CTC IE Departameto de Iormátca e Cêca da Computação L < < ) ( ) ( 0 0 )] 0 ( [ 0 ) 0 ( Por outro lado : plcação: Seja,45 com 5 algarsmos sgcatvos eatos. Determe uma cota superor de erro relatvo.,45, 5 < β < ,...,... Resposta: cota superor de erro relatvo é 0-4. Teorema II:

12 UERJ CTC IE Departameto de Iormátca e Cêca da Computação Se o erro relatvo cometdo a apromação de or meor que 0 ( : o. algarsmo sgcatvo de ) etão cotém, algarsmos sgcatvos eatos. plcação: Determe o úmero de algarsmos sgcatvos eatos cotdos em,4 sedo <0,00. Pelo Teorema II temos: < 0 < 0 < 0, () Por deção temos:,40 < <,4 0,00 < < 0,086 0,40 De()e () vem:0,086 0,4± 0,0 (,;,5) ( ) lgarsmossgcatvoseatos: < 0,5 0 I.7 - Propagação de Erros I.7. - Itrodução: lgumas gradezas ão podem ser meddas dretamete. esse caso a medda é eta de modo dreto. Eemplo: medda do volume de um cldro é dado pela relação V πr H. Precsamos saber os erros cometdos as meddas das gradezas rao e altura para saber o erro o cálculo do volume. este estudo deomamos aálse de propagação de erros. I.7. - Fuções de uma varável real: Seja () uma ução cotíua derecável em [a,b]. Sejam X, X [a,b].

13 UERJ CTC IE Departameto de Iormátca e Cêca da Computação () () () θ P a b - valor real - valor apromado de - erro cometdo em - erro cometdo em () Do trâgulo P Tgθ P P () - () Tgθ Pelo teorema do valor médo: ξ (, ) '( ξ ) ( ) ( ) '( ξ ) Tal que : '( ξ ) ( ) ( ) '( ξ ) ' ma ( ) Como e são prómos, etão ( ) '( ) ' ma Logo: '( )

14 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 4 Eercícos:. Determe o erro absoluto cometdo o cálculo do volume de um cubo de 0,45 metros de aresta, sabedo que o erro cometdo a medda da aresta é eror a 0,005 metros. V ( a) a, V V ( a) a, V ( a) a Como.. a 0,005.. e.. a. 0,45. m V (0,45) 0,005 0,075 0 Resp: O erro cometdo o cálculo do volume é eror a 0, m m Resp: < 0, m. Etre que valores está o valor real do volume do cubo do eercíco? a. Cálculo do volume: V (0,45) 0, m b. Pelo Teorema II temos uma cota: V < 0 V < 0, 0 9 () c. Cálculo do erro relatvo: V 0, 0750 V < V 0, 950 V < 0, 0 () 0, 0 d. Comparado os resultados obtdos em () e (), temos: 0, 0 - < 0, 0-0,0 < 0, algarsmo sgcatvo V 0,09 ± 0,0 Resp: V ( 0,08 ; 0,0 ) Resp: (0,08 ; 0,0)

15 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 5 I.7. - Fuções de varáves reas váras: Seja w (,,..., ) em que as dversas quatdades,,..., estão sujetas a erros,,...,, respectvamete. () (,,..., ) w w Usado a epasão em sére de Talor para uções de varáves reas váras, temos:...! ),...,, ( ),...,, (, j j j Como os erros são bem pequeos, etão:... ),...,, ( ),...,, ( De () vem: w w w... Logo: w... Erro relatvo: w w w w () w w w w O segudo membro de () é a derecal logarítmca de w. Logo: w )],...,, ( [l

16 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 6 Eercícos:. Etre que valores está o valor real de z (,) 0, para,4 e,7; com e erores a 0,0. a. Cálculo de z: z (,4),7,7 0,,495 b. Cálculo do erro relatvo (pela deção): z< z z z < ( ) z < 4,, 7 0, 0 [( 4, ) ] 0, 0 z < 0, 5487 z 0, 5487 z < 0, z, 495 c. Pelo Teorema II temos: z< z < 05, 0 () - () d. Comparado os resultados em () e (), temos: 0, < 0, algarsmos sgcatvos eatos z ± Resposta: z (;) Resp: (, ). Sabedo-se que o volume de uma esera é dado pela epressão V /6 πd, determe etre que valores está o valor real de V, cosderado π,4 ( com π<0,00 ) e d,7 cm (com d < 0,005 cm ). V πd 6 0, 666 < 0, V π d a. Cálculo de V: V 0,666,4 (,7) 6,77 cm

17 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 7 b. Cálculo do erro relatvo: c. Pelo Teorema II, temos: l V l l π l d V π d V π d 0, 000 0, 00, V < , 666 4, 7, V < 0, () V < 0 V < 0,... 0 () d. Comparado os resultados obtdos em () e (), temos: 0, < 0, algarsmos sgcatvos eatos. Resp: 6 ± cm V (5 cm ; 7 cm ) Resp: V 6 ± cm ( 5cm, 7cm ) I Problema Iverso: Este tpo de problema é matematcamete determado, uma vez que o erro relatvo pode ser determado medate combações deretes dos erros relatvos das dversas varáves. solução mas smples é baseada a hpótese da gualdade de eetos. De acordo com esta hpótese tem-se :... ; e a solução procurada é dada por : w Eercíco: Qual deve ser a precsão da medda do rao R 0,5 cm de um círculo e quatas decmas devem ser cosderadas em π para que o erro cometdo o cálculo da área ão ultrapasse a 0,%.

18 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 8 Solução: S πr π R S < 0, 00 π R Pelo prcípo da gualdade de eetos : π π < 0, 0005 R < 0, 0005 R Fazedo π,4, temos: π < 0, , π < 0, 57 0 ( 0, 00 0, 0005) 0, 5 R < R < 0, 7650

19 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 9 Lsta de eercícos sobre a Udade I ) rredode cada úmero abao para, 4, 5, 6, 7, algarsmos sgcatvos, respectvamete: a) 85,44 b) 0, c) 998,07544 e),805 d) 45,080 ) Com os úmeros arredodados para 4 algarsmos sgcatvos e para 7 algarsmos sgcatvos, do eercíco, determe o erro absoluto, o erro relatvo e o erro percetual relatvo para cada tem. ) Calcule a área de um círculo de rao 00 m, utlzado os segutes valores apromados para π : a),4 b),46 c),459 d),4596 4) Calcule o erro absoluto etre os resultados obtdos em a, b, c com o resultado obtdo em d) do eercíco ateror. Compare e aca sua coclusão. 5) Determe o úmero de algarsmos sgcatvos eatos cotdos a apromação dos úmeros abao, sedo dados os respectvos erros: a) Z,495 Z < 0,669 b) I 0, I < 0,858 c) 45,84 < 0,000 d) X 8,5794 X < 0,00 Utlzar a deção de erro relatvo ER (valor eato valor apro.)/valor apro. Respostas: a) b) 0 c) 5 d) 6) Determe o erro relatvo cometdo o cálculo do valor umérco de () 5, sedo,6 e o erro absoluto cometdo essa medda eror a 0,00. Resposta: 6,940-7) Determe o úmero de algarsmos sgcatvos eatos cotdos o cálculo de () do eercíco 6. Resposta:

20 UERJ CTC IE Departameto de Iormátca e Cêca da Computação 0 4π a bc 8) epressão V os dá o volume de um elpsóde de eos prcpas a, b, c. Sabedo-se que a 5 cm, b 00 mm, c 0,5 dm, e que o strumeto de medção apreseta um erro eror a 0,05 mm, pede-se: a) o volume; R: 4,59654cm b) o erro relatvo; R: 4,80 - c) o erro absoluto; R:, cm d) etre que valores esta o valor de V. R: algarsmos eatos, V (,5 ), 0 se 9) Dada a epressão 8, e π O, determe etre que valores esta o valor real de, sabedo que o strumeto de cálculo utlzado só regstra algarsmos sgcatvos eatos. R: (0,, 0,5 )

Capítulo 1: Erros em cálculo numérico

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

Leia mais

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

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

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

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

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

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

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

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

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

Leia mais

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

Capítulo 6 - Centro de Gravidade de Superfícies Planas

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

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

MAE116 Noções de Estatística

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

Leia mais

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

ERROS ERRO DE ARREDONDAMENTO

ERROS ERRO DE ARREDONDAMENTO ERROS Seja o valor aproimado do valor eacto. O erro de deie-se por ε ε erro absoluto de Aálise N um érica 4 ERRO DE ARREDONDAENTO Seja o valor aproimado do valor eacto tedo eactamete k dígitos após o poto

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

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

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

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

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

Leia mais

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

FINANCIAMENTOS UTILIZANDO O EXCEL

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

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

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

Leia mais

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

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

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

Leia mais

Olá, amigos concursandos de todo o Brasil!

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

Leia mais

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

A Medição e o Erro de Medição

A Medição e o Erro de Medição A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção 1.4.1 Os erros aleatóros 1.4.2 Os erros sstemátcos 1.5 O verdadero valor, o erro

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

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

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

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

Monitoramento ou Inventário Florestal Contínuo

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

Leia mais

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

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

IND 1115 Inferência Estatística Aula 9

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

Leia mais

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

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

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Defnções RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Problemas de Valor Incal PVI) Métodos de passo smples Método de Euler Métodos de sére de Talor Métodos de Runge-Kutta Equações de ordem superor Métodos

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

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP Cotrole do Proº Compesou as Faltas Não Compesou as Faltas TRABALHO DE COMPENSAÇÃO DE FALTAS - DP (De acordo coma s ormas da Isttução) CURSO: CIÊNCIAS CONTÁBEIS DISCIPLINA: INTRODUÇÃO À ESTATÍSTICA 2º ANO

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

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

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

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

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

Leia mais

Professor Mauricio Lutz ESTATÍSTICA BÁSICA

Professor Mauricio Lutz ESTATÍSTICA BÁSICA Proessor Maurco Lutz ESTATÍSTICA BÁSICA. Coceto Exstem mutas deções propostas por autores, objetvado estabelecer com clareza o que é estatístca, como por exemplo: Þ A Estatístca é um cojuto de métodos

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

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

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA 5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()

Leia mais

Projeto de rede na cadeia de suprimentos

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

Leia mais

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

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

Leia mais

Obra publicada pela Universidade Federal de Pelotas

Obra publicada pela Universidade Federal de Pelotas Obra publcada pela Uversdade Federal de Pelotas Retor: Prof. Dr. Atoo Cesar Goçalves Bores Vce-Retor: Prof. Dr. Maoel Luz Breer de Moraes Pró-Retor de Etesão e Cultura: Prof. Dr. Luz Era Goçalves Ávla

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

CAPÍTULO 2 - Estatística Descritiva

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

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

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

Leia mais

Perguntas Freqüentes - Bandeiras

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

Leia mais

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

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

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

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

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

Apêndice 1-Tratamento de dados

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

Leia mais

2. 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

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

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

Leia mais

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

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

Leia mais

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

Notas de aula da disciplina Probabilidade e Estatística

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

Leia mais

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

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

Leia mais

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

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

Demonstrações especiais

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

Leia mais

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

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

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

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

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

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

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

Computação Científica - Departamento de Informática Folha Prática 1

Computação Científica - Departamento de Informática Folha Prática 1 1. Costrua os algoritmos para resolver os problemas que se seguem e determie as respetivas ordes de complexidade. a) Elaborar um algoritmo para determiar o maior elemeto em cada liha de uma matriz A de

Leia mais

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

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

Leia mais

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

ESTATÍSTICA BÁSICA - Profº Marcos Nascimento

ESTATÍSTICA BÁSICA - Profº Marcos Nascimento ESTATÍSTICA BÁSICA - Proº Marcos Nascmeto CÁPITULO I- Itrodução Atualmete a utlzação da Estatístca é cada vez maor em qualquer atvdade prossoal. Nos mas dverscados ramos, as pessoas estão requetemete epostas

Leia mais

Capítulo 1 PORCENTAGEM

Capítulo 1 PORCENTAGEM Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,

Leia mais

Unidade II ESTATÍSTICA

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

Leia mais

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

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

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

Leia mais

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

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Análise de Regressão

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

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão

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

Leia mais

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

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

Leia mais

CAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev.

CAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev. uesp CAMUS DE GUARATINGUETÁ Computação e Cálculo Numérco: Elemetos de Cálculo Numérco ro. G.J. de Sea - Depto. de Matemátca Rev. 5 CAÍTUO 4 INTEROAÇÃO 4. INTRODUÇÃO Cosdere a segute tabela relacoado calor

Leia mais

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período. ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

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

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

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

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

(1) E que a força contra-eletromotriz é dada por: (2)

(1) E que a força contra-eletromotriz é dada por: (2) Resolução da questão 3 Para respoder essa questão é ecessário veriicar que o motor já está operado e que em determiado mometo algum gradeza do motor irá variar. Frete a essa variação, deve-se determiar

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia 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

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

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais