O CONTROLO DA QUALIDADE EM REDES LOCAIS PARA A OBSERVAÇÃO DE GRANDES BARRAGENS

Tamanho: px
Começar a partir da página:

Download "O CONTROLO DA QUALIDADE EM REDES LOCAIS PARA A OBSERVAÇÃO DE GRANDES BARRAGENS"

Transcrição

1 O CONTROLO DA QUALIDADE EM REDES LOCAIS PARA A OBSERVAÇÃO DE GRANDES BARRAGENS Mara João Henrques, João Manuel Martns Casaca Investgadores do LNEC, E-mal: mjoao@lnec.pt 1 Introdução A análse do comportamento estrutural de uma barragem de betão basea-se na observação de um conjunto de varáves de controlo que nclu, em geral, os deslocamentos de uma amostra dscreta e representatva de pontos da estrutura, das suas fundações e macço crcundante. No caso das barragens de betão, são utlzadas: ) Em altmetra, lnhas ou mesmo redes de nvelamento geométrco de precsão, apoadas em quadros de referênca locas; ) Em planmetra, redes de trangulação de precsão, com centragem forçada, também apoadas em quadros de referênca locas. As pequenas tolerâncas mpostas aos erros e a repetção da observação ao longo de mutos anos, leva a que estas redes resultem de um planeamento muto cudadoso e estejam sujetas a um rgoroso controlo de qualdade. O planeamento consste na defnção de confgurações de prmera e segunda ordem que permtam nclur o (hper) elpsóde de erro da rede no nteror de uma (hper) esfera de tolerânca, para um nível de probabldade elevado defndo à pror. O controlo da qualdade pretende assegurar que as especfcações do planeamento foram cumprdas e que, consequentemente, os erros que afectam os deslocamentos se encontram no nteror da esfera de tolerânca com a probabldade defnda à pror. A ntegração teórca do planeamento e do controlo da qualdade é levada a cabo por um modelo estocástco dos erros de observação que permte utlzar testes de hpóteses na acetação ou rejeção de grupos de observações. Esta comuncação apresenta a estratéga de controlo de qualdade utlzada pelo LNEC na planmetra das campanhas de observação de grandes barragens de betão. O controlo da qualdade é aplcado às observações anda em obra, antes do regresso ao gabnete, o que só é possível pela utlzação ntegrada de teodoltos electróncos, cadernetas electróncas e computadores portátes. O Modelo Funconal O modelo funconal relacona as varações, entre duas épocas, dos valores das grandezas observáves da rede ( Y) e os deslocamentos ( X) correspondentes dos vértces da rede: A(m, n) X(n,1) Y(m,1), X (X X 0), Y (Y Y0 ) onde: ) A é a matrz da confguração de prmera ordem (MCPO) da rede; ) m é a soma do número de grandezas observáves com o dobro do número de pontos que consttuem o quadro de referênca da rede; ) n é o dobro do número de vértces da rede; v) Y e Y 0 são os vectores cujas componentes são os valores das grandezas observáves na época () e na época de referênca (0); v) X e X 0 são os vectores cujas componentes são os valores das n coordenadas cartesanas dos vértces da rede, na época e na época de referênca, relatvas a um referencal local lgado à barragem: X T [ u v K u v ] 1 1 O referencal local lgado à obra é materalzado por um quadro de referênca consttuído, pelo menos, por dos pontos de referênca, supostos fxos, convenentemente materalzados na vznhança da obra, no exteror da sua zona de nfluênca. A drecção do exo das ordenadas (vv) é em geral perpendcular à barragem, com o sentdo postvo para montante e negatvo para jusante. A drecção do exo das abcssas (uu) é perpendcular, com o sentdo postvo da margem dreta para a esquerda. A orgem é deslocada de modo a colocar toda a obra no prmero quadrante. n n II Conferênca Naconal de Cartografa e Geodesa 1

2 A equação A X Y exprme o chamado sstema de equações de observação em forma vectoral. Os dferencas das grandezas observáves relatvamente às coordenadas dos vértces de uma rede topográfca permtem estabelecer relações entre pequenas varações das grandezas observáves e pequenas varações das coordenadas dos vértces da rede, desgnadas por relações de observação, das quas são dervadas, na prátca, as equações de observação. Os coefcentes das relações de observação são as dervadas parcas das grandezas observáves relatvamente às coordenadas dos vértces e correspondem às lnhas da MCPO. A equação de observação de um ângulo azmutal orentado, que resulta da dferença entre as equações de observação dos dos azmutes que defnem o ângulo azmutal, é da forma: vk u v k j v k u u k j vj u da jk du k dv k + du + dv + du j + ck ck cj ck ck cj cj c j j dv j 3 Modelo Estocástco As componentes do vector dferença Y são afectadas por erros de observação: ) Sstemátcos de orgem nstrumental (o efeto da nclnação do exo de báscula, por exemplo); ) Sstemátcos de orgem ambental (o efeto da refracção lateral, por exemplo); ) Acdentas, de natureza aleatóra, que ncluem os enganos e erros grosseros. Para modelar a dstrbução do vector dferença Y é utlzada uma dstrbução multnormal cujo vector esperança matemátca verfca: E ( Y) µ A X + θ onde A é a MCPO da rede e θ é um vector parâmetro desgnado por parâmetro de localzação que traduz o efeto de erros sstemátcos nas observações. A matrz de varânca-covarânca da dstrbução, desgnada por matrz da confguração de segunda ordem da rede (MCSO), é uma matrz smétrca defnda (sdp) que resulta de uma combnação lnear de r matrzes assocadas a grupos de observáves correlaconadas da rede e ao quadro de referênca: V( Y) Σ σ1 B1 + L + σr Br, B B1 + L + Br, σ 1 onde os σ são escalares guas ou superores à undade desgnados por parâmetros de escala, que traduzem uma eventual degradação da precsão com que fo observado o grupo de grandezas correspondente. As matrzes B são matrzes smétrcas semdefndas postvas (ssdp) em forma de blocos dagonas dsjuntos, tas que: ) B 0 H 0 ; ) j BB j 0(m, m); ) B B1 + L + B A Hpótese Nula e as Hpóteses Alternatvas De acordo com as os equpamentos e métodos operatvos selecconados na fase de planeamento, os erros sstemátcos são devdamente corrgdos ou anulados e os erros acdentas são mantdos abaxo de lmtes acetáves. Como resultado do planeamento espera-se a verfcação da hpótese nula: r H0 ( θ 0) ( σ 1 L σr Na prátca, as campanhas de observação nem sempre correm de acordo com os planos e verfca-se mutas vezes a chamada hpótese alternatva: 1) r HA ( θ 0) ( σ1 > 1 L σr > 1) r II Conferênca Naconal de Cartografa e Geodesa

3 que traduz a nfluênca de erros sstemátcos não prevstos ou erros acdentas excessvos. A hpótese alternatva, que é verdadera para qualquer vector parâmetro de localzação dferente de zero ou qualquer parâmetro de escala superor a um, é uma hpótese composta, uma vez que é verfcada por varadíssmos valores dos parâmetros de localzação e escala, ao contráro da hpótese nula, que por ser verfcada apenas por um valor para cada um dos parâmetros, é uma hpótese smples. No caso vertente, a hpótese alternatva é desdobrada em váras hpóteses alternatvas, também compostas: r r HA U HA, HA ( θ 0) ( σ > 1) 1 cada uma das quas é testada contra a hpótese nula separadamente. 5 O Teste de Hpóteses O teste da hpótese nula (H0) contra a hpótese alternatva (HA) recorre a: ) Uma estatístca de teste; ) Uma partção do espaço de valores da estatístca de teste em duas regões desgnadas por regão de acetação (RA) e regão crítca (RC); ) Uma regra de decsão. A estatístca de teste para cada hpótese alternatva (Casaca et ala, 1988) é a varável quadrátca: q V T B V, V (I U) Y onde V(m,1) é o vector dos resíduos do ajustamento e onde a matrz undade dempotente: T T U A(A Σ A) A Σ é um projector no subespaço vectoral gerado pelas colunas da MCPO (Casaca et ala, 199). As regões de acetação e crítca são os ntervalos da semrecta real postva: RA [0, κ ], RC ] κ, + [ onde κ é o quantl de probabldade (1 α) de uma dstrbução qu-quadrado central com: f Tr((I U)B B ) τ (I U) graus de lberdade, onde (Tr) representa o operador traço e o operador τ smbolza o traço do bloco dagonal da matrz (I U) correspondente ao bloco dagonal não nulo da matrz B. A regra de decsão é: ) Se o valor assumdo pela estatístca de teste (r) se encontrar no nteror da regão de acetação (RA), é acete como verdadera a hpótese nula (H0); ) Se o valor assumdo pela estatístca de teste se encontrar no nteror da regão crítca (RC), é acete como verdadera a hpótese alternatva e consequentemente rejetada a hpótese nula. 6 O Nível de Sgnfcânca e a Potênca Do teste de hpóteses resulta uma de quatro stuações possíves: ) O teste conduz à acetação de H0 e H0 é verdadera; ) O teste conduz à rejeção de H0 e H0 é verdadera; ) O teste conduz à acetação de H0 e H0 é falsa; v) O teste conduz à rejeção de H0 e H0 é falsa. A prmera e a quarta stuações correspondem a decsões correctas. A segunda e a tercera stuações correspondem a decsões erradas. A segunda decsão, que consste na rejeção da hpótese nula quando ela é verdadera, é desgnada por erro de prmera espéce. A tercera decsão, que consste na acetação da hpótese nula quando ela é falsa, é desgnada por erro de segunda espéce. II Conferênca Naconal de Cartografa e Geodesa 3

4 No quadro 1, apresentam-se as probabldades: ) Da ocorrênca de um erro de I espéce (α), desgnada por nível de sgnfcânca do teste; ) Da ocorrênca de um erro de II espéce (β), desgnada por função característca operaconal (FCO) do teste. A probabldade de rejeção de H0 quando H0 é falsa (1 β), é desgnada por potênca do teste. Enquanto o nível de sgnfcânca tem um valor constante que pode ser arbtrado para cada decsão, as funções característca operaconal e potênca do teste, como o nome ndca, varam com os valores assumdos pelos parâmetros de localzação e escala. Os níves de sgnfcânca escolhdos são geralmente 0.05, caso em que o teste se dz sgnfcante, ou 0.01, caso em que o teste se dz altamente sgnfcante. Estado da Natureza H0 Verdadera H0 Falsa Acetar H0 Decsão correcta 1 α Erro de tpo II β Decsão Rejetar H0 Erro de tpo I α Decsão correcta 1 β Quadro 1 Nível de sgnfcânca e potênca do teste Para defnr a FCO e a potênca do teste (Casaca, 1996) deve ter-se em atenção que a dstrbução da estatístca de teste é proporconal à dstrbução de uma varável qu-quadrado não central: q σ χ (f, δ ), f τ (I U), δ σ θ T (I U) T B (I U) θ Se a hpótese nula (H0) for verdadera, o nível de sgnfcânca é dado por: α P(q > κ ) P( σ Se a hpótese alternatva (HA) for verdadera, a FCO é dada por: β P(q κ ) P( σ χ (f ) > κ ) χ (f, δ ) κ ) P( υ σ χ ( ϕ ) κ ) onde: υ f + δ f + δ, ϕ (f + δ ) f + δ A FCO (β), que assume valores entre zero e um, é uma função decrescente com o parâmetro de escala e com a norma do vector parâmetro de localzação. Quando o parâmetro de escala tende para a undade e o parâmetro de localzação tende para o vector nulo, ou seja, quando a hpótese alternatva se aproxma da hpótese nula, a FCO do teste aproxma-se do nível de sgnfcânca (α). A potênca do teste (1 β), que assume gualmente valores entre zero e um, é uma função crescente do parâmetro de escala e da norma do vector de localzação. Quando a hpótese alternatva se aproxma da hpótese nula, a potênca aproxma-se de (1 α). 7 A Fabldade e a Redundânca A fabldade ou robustez é a propredade que permte a uma rede resstr ao efeto de erros sstemátcos e acdentas não prevstos na fase de planeamento. A referda resstênca está relaconada com o modo como esses erros são envados para o subespaço vectoral dos resíduos ou para o subespaço vectoral das soluções e é geralmente quantfcada pelos números de redundânca local. A fabldade que assegura que os erros sejam trans- II Conferênca Naconal de Cartografa e Geodesa 4

5 mtdos para os resíduos é uma propredade ndspensável ao controlo da qualdade das redes por métodos estatístcos. Os números de redundânca local (NRL), que estão assocados às grandezas observáves, não são mas do que os elementos dagonas da matrz projector (I U). Os elementos dagonas do projector U são desgnados por números de absorção local. Os números de redundânca e absorção local são números reas entre zero e um. A soma do número de redundânca com o número de absorção correspondentes à mesma grandeza observável é um. A absorção e a redundânca quantfcam grosso modo a parte de um erro que va nfluencar os deslocamentos e a parte que é atrbuída aos resíduos. Uma rede fável deve ser caracterzada por números locas de redundânca homogéneos e elevados. Se alguns números de redundânca local solados forem muto maores do que os restantes, os resíduos correspondentes têm tendênca a acumular os erros, mesmo que cometdos noutras regões da rede. Os traços dos projectores U e (I U), que não são mas do que as soma dos números de absorção e de redundânca local, são desgnados por absorção e redundânca total de uma rede, respectvamente: Tr(U) n, Tr(I U) m n Os quocentes da redundânca total (m n) e da absorção total (n) pelo número de equações (m) são a redundânca méda e a absorção méda da rede, respectvamente: m n m, n m A cada grupo de observáves assocado a uma matrz B é possível assocar a redundânca méda do grupo dada pelo quocente entre o número de graus de lberdade do grupo e o número de observáves ncluídas no grupo: ρ f m, r 1 ρ m n m A soma das redundâncas médas dos grupos é gual à redundânca méda da rede. De acordo com Huber (1981), os NRL são: ) Insufcentes, se nferores a 0.50; ) Sufcentes, se stuados entre 0.5 e 0.8; ) Bons, se superores a 0.8. Poderemos consderar como conclusão que uma rede fável deve ter os NRL: ) Pelo menos sufcentes; ) O mas homogéneos possível (11,11) (33,33) (33,40) ângulo (33,68) Fgura 1 Gráfco de NRL correspondentes a grandezas observáves No gráfco da fgura 1, apresentam-se os elementos de duas lnhas da matrz projector (I U) de uma rede onde são observados 14 ângulos horzontas. As duas lnhas em questão, a lnha 11 a lnha 33, correspondem a dos ângulos, o prmero com redundânca máxma (0.85) e o segundo com uma das mínmas (0.0). Para facltar a II Conferênca Naconal de Cartografa e Geodesa 5

6 vsualzação, os valores de cada uma das duas lnhas da matrz foram undos por segmentos de recta. As setas ndcam a localzação dos elementos (11,11), (33,33), (33,40) e (33,68) da matrz (I U). Neste caso específco, verfca-se que: ) O resíduo assocado à observável n.º 11 será afectado fundamentalmente por erros no ângulo n.º 11 do vector Y; ) O resíduo assocado à observável da lnha 33 não será afectado por erros que afectem na observável da lnha 33, mas será afectado por erros que ncdam nas observáves das lnhas 40 ou 68; ) Um erro que afecte a observável da lnha 33, embora não afecte o resíduo da lnha, rá afectar os resíduos das observáves das lnhas 71 e 8. No gráfco da fgura, apresentam-se os valores da coluna 33 da matrz (I U) sob a forma de segmentos de recta horzontas. Na análse do gráfco verfca-se que a ocorrênca de um erro no ângulo n.º 33 ra afectar prncpalmente os resíduos correspondentes ao ângulos n.º 71 e (8) 67 (71) (I-U).,33 Fgura Gráfco dos NRL correspondentes a uma grandeza observada 8 A Estratéga de Controlo da Qualdade Para o controlo da qualdade das campanhas de observação são utlzadas as estatístcas de teste resultantes. Os grupos de observáves (geralmente grupos de gros de horzonte) são testados ndvdualmente, anda no local da obra. Os grupos rejetados são repetdos. A equpa volta ao gabnete após a acetação global da hpótese nula. Esta estratéga de controlo da qualdade só é exequível com uma utlzação ntegrada de teodoltos com cadernetas electróncas e computadores portátes. O software de ajustamento e análse de redes planmétrcas é uma evolução de software desenvolvdo no LNEC desde Como exemplo das dfculdades encontradas na prátca, quando se trata da mplementação de uma estratéga de controlo de qualdade, recorremos à rede planmétrca de uma grande barragem de abóbada, esquematcamente representada na fgura 3. A rede é composta por 3 pontos objecto e nove pontos de apoo, sendo dos destes de referênca. Em cada um dos sete plares são efectuados város gros de horzonte com pontaras quer para os restantes pontos do sstema de apoo quer para os pontos objecto. No total são obtdos 17 grupos ndependentes de ângulos horzontas. A redundânca méda da rede é 0.5 com NRL stuados no ntervalo [0.00,0.85]. Para exemplo fo selecconado um únco ponto objecto (representado por A) o qual é vsado de quatro plares. Na fgura, junto a cada lnha de vsada, é ndcado o NRL local assocado a cada ângulo meddo para o ponto A. II Conferênca Naconal de Cartografa e Geodesa 6

7 A 0.0 PD PE3 PE1 PE Fgura 3 - Sstema de observação de uma barragem de betão Para analsar o efeto de um erro numa drecção fo smulado um erro de 3mgon em cada um dos quatro ângulos assocadas ao ponto A. No quadro apresentam-se, para cada gro, os graus de lberdade (f ), a redundânca méda (ρ ), a varável q e o resultado da aplcação do teste (A: acetação; R: rejeção) para σ 0.3mgon. Os cnco conjuntos de valores obtdos para q e para o teste dzem respeto, respectvamente, aos resultados de uma campanha de observação (época ncal) escolhda por se ter verfcado a acetação da hpótese nula para todos os gros, e aos valores obtdos após a aplcação do erro em cada um dos quatro ângulos ndcados. PD1 PD PD3 PD4 PE1 PE PE3 PD1 PD PD3 PD4 PE1 PE PE3 PE1 PE PE3 ncal PD1-A PE1-A PE-A PE3-A f ρ q T q T q T q T q T A 1.5 A.1 A 1.1 A 1.6 A A 1.0 A 1.5 A 3. A 1.0 A A.1 A 1.8 A.1 A.7 A A 1.5 A. A 0.1 A 1.1 A A 1.9 A 0.8 A 9.0 A 6.4 A A 3.5 A 4.3 A 10.7 A 6. A A 1.8 A 0.9 A 11.0 A 3.6 A A 10.8 A 13.4 A 7.3 A 1.5 A A 47. A 5.7 A 53.1 A 43.5 A A 15.0 A 14. A 14.8 A 16.5 A A 1.0 A 1.0 A 0.6 A 1.1 A A 9.1 A 194. R 37.8 A R A 17.4 A 3.0 A 576. R 38.4 A A 6.6 A R 47.1 A 86.7 R A 6.9 A 8. A 6. A 6.5 A A 8.8 A 10.8 A 7.3 A 7.3 A A 6.8 A 9.4 A 6.7 A 4.5 A Quadro Enquanto que q não reflecte a ncdênca do erro no ângulo PD1-A (65% dos gros são mas afectados que aquele onde ocorreu o erro) e a hpótese nula é acete para todos os gros, já nos restantes casos, onde observáves com redundânca sufcente (PE1-A e PE3-A) ou boa (PE-A) foram as afectadas, ocorre a rejeção da hpótese nula. Destes três casos é anda possível fazer a dstnção entre os resultados obtdos para o gro de PE (fca claramente dentfcado o gro onde ocorreu o erro) e os obtdos para os gros de PE1 e PE3, sempre com a rejeção da hpótese nula em dos dos gros. II Conferênca Naconal de Cartografa e Geodesa 7

8 9 Conclusão O recurso a testes de hpóteses permte mplementar com facldade metodologas que alertem o responsável por uma campanha de observação geodésca de uma barragem para a ocorrênca de erros nas medções anda na obra, antes do regresso da equpa ao gabnete. No entanto os métodos para controlo de qualdade baseados em testes de hpóteses só podem ser aplcados quando uma rede é fável ou seja quando o vector dos resíduos apresenta a capacdade de absorver os erros. Daí que resulte ser de partcular mportânca que, no planeamento de uma rede, além de se procurar atngr os níves de tolerânca mpostos, se obtenha um sstema com elevada fabldade. 10 Bblografa e Referêncas Bblográfcas Albeerda, J. E. (1976), Qualty Control n Surveyng, Chartered Surveyour, Nº. Baarda, W. (1960), Precson, Accuracy and Relablty of Observatons, Report, IAG Symposum, Lsbon. Baarda, W. (1976), Relablty and Precson of Networks, Proceedngs of the VIIth Internatonal Course on Hgh Precson Engneerng Surveys, Darmstadt. Baarda, W. (1979), Measures of the Accuracy of Geodetc Networks, Proceedngs of the Sopron Internatonal Symposum on Optmzaton of Desgn and Computaton of Control Networks, Akadéma Kadó, Budapest. Casaca, J. et Henrques, M. J. (1985), Varance Componente Theory and ts Applcaton to Network Analyss, Ed. LNEC, Memóra Nº 653, Lsboa. Casaca, J. (1987), A Relablty Crteron for Geodetc Network Desgn, Ed. LNEC, Memóra Nº 68, Lsboa. Casaca, J. et Henrques, M. J. (1988), Varance Component Estmaton and Relablty at Local Heterogeneous Networks, Proceedngs of the Internatonal Symposum on Integrated Geodesy, Sopron. Casaca, J. et Henrques, M. J. (199), Generalzed Inverses and Projecton Operators, Proceedngs of the EPMESC IV, Dalan. Casaca, J.; Henrques, M. J. et Matos, J. L. (1993), Rsk Analyss of Local Heterogeneous Networks n Applcatons of Geodesy to Engneerng, IAG Symposa 108, Sprnger Verlag, Berln. Casaca, J. (1994), A Revew on Varance Component Estmaton and ts Applcaton to Geodetc Network Analyss, Ed. LNEC, Sére ICT, INC-B 7, Lsboa. Casaca, J. (1996), O Planeamento, o Controlo da Qualdade e a Verfcação de Redes de Trangulação Topográfcas, Dssertação para Doutoramento, FEUP, Porto. Clerc, E. et Harrs, M. W. (1980), A Premum Protected Method Appled to Detecton and Rejecton of Erroneous Observatons, Manuscrpta Geodaetca, Nº5. Dodson, A. (1990), Analyss of Control Networks and Ther Applcaton to Deformaton Montorng n Engneerng Surveyng Technology, Blacke & Son, Glasgow. Galvenus, G. (1985), Optmum Procedures for Error Analyss of Geodetc Networks, Proceedngs of the VIIth Internatonal Symposum on Geodetc Networks & Computatons, Krakóv. Hahn, M. (1985), Comparson of Dfferent Methods and Strateges for Detectng Outlers, Proceedngs of the VIIth Internatonal Symposum on Geodetc Networks & Computatons, Krakóv. Huber, P. J. (1981), Robust Statstcs, John Wley & Son, New York. Merlo, J. van (1981), A Revew of Model Checks and Relablty, Proceedngs of the VIth Internatonal Symposum on Geodetc Networks & Computatons, DGK, Rehe B, Nº58, München. Pelzer, H. (1979), Crtera for the Relablty of Geodetc Networks, Proceedngs of the Sopron Internatonal Symposum on Optmzaton of Desgn & Computaton of Control Networks, Akadéma Kadó, Budapest. Romanowsk, M. (1979), Random Errors n Observatons, Konrad Wttwer Verlag, Stuttgart. Teunssen, P. (1985), Qualty Control n Geodetc Networks n Optmzaton and Desgn of Geodetc Networks, Sprnger Verlag, Berln. II Conferênca Naconal de Cartografa e Geodesa 8

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

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

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

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

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

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

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

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

Cap. 11 Correlação e Regressão

Cap. 11 Correlação e Regressão Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa

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

TESTE DO QUI-QUADRADO - Ajustamento

TESTE DO QUI-QUADRADO - Ajustamento Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

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

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

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

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

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

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

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

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

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

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

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

6 Análises de probabilidade de ruptura de um talude

6 Análises de probabilidade de ruptura de um talude 6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

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

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

AULA Espaços Vectoriais Estruturas Algébricas. Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

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

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 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

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO Rodrgo Mkosz Gonçalves John Alejandro Ferro Sanhueza Elmo Leonardo Xaver Tanajura Dulana Leandro Unversdade Federal do Paraná - UFPR

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

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

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

ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO

ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER Renaldo Bomfm da Slvera 1 Julana Mara Duarte Mol 1 RESUMO Este trabalho propõe um método para avalar a qualdade das prevsões

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

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

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

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

Ajuste de um modelo linear aos dados:

Ajuste de um modelo linear aos dados: Propagação de erros Suponhamos que se pretende determnar uma quantdade Z, a partr da medda drecta das grandezas A, B, C,, com as quas se relacona através de Z = f(a,b,c, ). Se os erros assocados a A, B,

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

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

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

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012 ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária. Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados

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

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

FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores

FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores FUNDMENTOS DE ROBÓTIC Modelo Cnemátco de Robôs Manpuladores Modelo Cnemátco de Robôs Manpuladores Introdução Modelo Cnemátco Dreto Modelo Cnemátco de um Robô de GDL Representação de Denavt-Hartenberg Exemplos

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

Existem: Correcções aos ângulos azimutais e aos azimutes; Correcções às distâncias zenitais ; Correcções às distâncias; Correcções aos desníveis;

Existem: Correcções aos ângulos azimutais e aos azimutes; Correcções às distâncias zenitais ; Correcções às distâncias; Correcções aos desníveis; Correcções e eduções às Observações s observações devem, por prncípo, ser sempre reduzdas aos sstemas de referênca própros devdo, quer à geométra de observação, quer a prncípos físcos dos processos de

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

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

do Semi-Árido - UFERSA

do Semi-Árido - UFERSA Unversdade Federal Rural do Sem-Árdo - UFERSA Temperatura e Calor Subêna Karne de Mederos Mossoró, Outubro de 2009 Defnção: A Termodnâmca explca as prncpas propredades damatéra e a correlação entre estas

Leia mais

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha 09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;

Leia mais

Eletrotécnica AULA Nº 1 Introdução

Eletrotécnica AULA Nº 1 Introdução Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca

Leia mais

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

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

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

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

O AJUSTAMENTO DE GRANDEZAS HETEROGÉNEAS PELO MÉTODO DAS COMPONENTES DE VARIÂNCIA

O AJUSTAMENTO DE GRANDEZAS HETEROGÉNEAS PELO MÉTODO DAS COMPONENTES DE VARIÂNCIA O JUSMENO DE GRNDEZS HEEROGÉNES PELO MÉODO DS COMPONENES DE VRIÂNCI João CSC, Mara João HENRIQUES e Pedro MEUS 2 Núcleo de Geodesa plcada do Laboratóro Naconal de Engenhara Cvl 2 Faculdade de Cêncas da

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos Mecânca Estatístca Tal como a Termodnâmca Clássca, também a Mecânca Estatístca se dedca ao estudo das propredades físcas dos sstemas macroscópcos. Tratase de sstemas com um número muto elevado de partículas

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

4 Autovetores e autovalores de um operador hermiteano

4 Autovetores e autovalores de um operador hermiteano T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S

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

Departamento de Produção, UNESP, Campus de Guaratinguetá Av. Ariberto Pereira da Cunha, 333, Guaratinguetá, S.P. CEP

Departamento de Produção, UNESP, Campus de Guaratinguetá Av. Ariberto Pereira da Cunha, 333, Guaratinguetá, S.P. CEP A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 3, Natal-RN MONITORAMENTO DA MÉDIA E DA VARIABILIDADE DE UM PROCESSO POR MEIO DA ESTATÍSTICA DE QUI-QUADRADO NÃO- CENTRALIZADA Antôno Fernando

Leia mais

Capítulo 24: Potencial Elétrico

Capítulo 24: Potencial Elétrico Capítulo 24: Potencal Energa Potencal Elétrca Potencal Superfíces Equpotencas Cálculo do Potencal a Partr do Campo Potencal Produzdo por uma Carga Pontual Potencal Produzdo por um Grupo de Cargas Pontuas

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

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

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

Asas Finitas Escoamento permamente e incompressível

Asas Finitas Escoamento permamente e incompressível Escoamento permamente e ncompressível Caracterzação geométrca da asa - Espessura fnta muto menor do que a envergadura e a corda - Forma geométrca determnada por: a) Planta (varação de corda e ângulo de

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

Aerodinâmica I. Asas Finitas Teoria da Linha Sustentadora Método de Glauert

Aerodinâmica I. Asas Finitas Teoria da Linha Sustentadora Método de Glauert α ( y) l Método de Glauert Γ( y) r ( y) V c( y) β b 4 V b ( y) + r dy dγ y y dy Método de resolução da equação ntegro-dferencal da lnha sustentadora através da sua transformação num sstema de equações

Leia mais

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais