e Estudos Climáticos (CPTEC/INPE) - São José dos Campos - São Paulo - SP, Brasil

Tamanho: px
Começar a partir da página:

Download "e Estudos Climáticos (CPTEC/INPE) - São José dos Campos - São Paulo - SP, Brasil"

Transcrição

1 Avalação do Modelo Atmosférco ETA para a Regão do CLA Rosa de Fátma Cruz Marques, Jorge Yamazak, Mara Aparecda Seaubar Alves, Emauel Garolla 2 e José Marcos Barbosa da Slvera. Isttuto de Aeroáutca e Espaço/Dvsão de Cêcas Atmosfércas (IAE/ACA) 2 Cetro de Prevsão de Tempo e Estudos Clmátcos (CPTEC/INPE) - São José dos Campos - São Paulo - SP, Brasl RESUMO: As prevsões do modelo ETA com 0 km de resolução horzotal e 38 íves a vertcal foram avaladas com o objetvo de verfcar o desempeho do modelo com maor resolução horzotal uma regão específca, o Cetro de Laçameto de Alcâtara ( CLA). Foram utlzados, como codção de cotoro, as prevsões do modelo ETA de 40 km; como codção cal, a aálse do Natoal Ceters for Evrometal Predcto (NCEP). Foram obtdos os erros de prevsões e sstemátco das segutes varáves: temperatura do ar, dreção e magtude da velocdade de veto e razão de mstura. Os resultados mostraram que houve melhora de desempeho do modelo a partr de feverero de 2009, a temperatura e razão de mstura, devdo à mudaça a aálse do NCEP. Etretato, a dreção e velocdade do veto fo detectado erro de prevsão, porém ão erro sstemátco. ABSTRACT: ETA model forecasts at horzotal resoluto of 0 km ad 38 vertcal levels were assessed to verfy the skll of a hgh resoluto model for a partcular rego, the Alcatara Lauch Ceter (CLA). ETA model forecasts at horzotal resoluto of 40 km were used as lateral boudary codtos ad the Natoal Ceters for Evrometal Predcto (NCEP) aalyss were used as tal codtos. Mea ad root mea square errors for ar temperature, wd drecto ad magtude, ad mxg rato were computed. The results showed that there was mprovemet model skll from February 2009 for temperature ad mxg rato due to chage the NCEP aalyss. However, for wd drecto ad magtude forecast error was detected, but o systematc error. Palavras-Chave: Modelo ETA, Avalação de Desempeho, CLA. INTRODUÇÃO O Modelo Atmosférco ETA é um modelo regoal (.e., realza as smulações em área lmtada e, por sso, ecessta ser forçado por codções de cotoro lateras) de prevsão de tempo usado operacoalmete pelo Cetro de Prevsão de Tempo e Estudos Clmátcos (CPTEC) do Isttuto Nacoal de Pesqusas Espacas (INPE). Esse modelo utlza como codção cal a aálse forecda pelo Natoal Ceters for Evrometal Predcto (NCEP) e como codções de cotoro as prevsões do modelo global do CPTEC (atualzadas a cada 6 horas de tegração) (Bustamate et al., 2005). A resolução vertcal é de 38 íves e a coordeada vertcal é a coordeada ETA (η). A letra grega η dá o ome ao modelo. O Modelo ETA fo stalado o CPTEC em 996 com o objetvo de completar a prevsão umérca de tempo realzada desde o co de 995 com o modelo global. Atualmete, o modelo ETA é tegrado operacoalmete a resolução de 40 km (ETA40) e 20 km (ETA20) sobre a Amérca do Sul para duas codções cas (00 e 2 UTC) e as suas prevsões são dspoblzadas a homepage do CPTEC ( Em setembro de 2006, como parte de uma colaboração etre a Dvsão de Cêcas Atmosférca (ACA) do Isttuto de Aeroáutca e Espaço ( IAE) e o CPTEC/INPE, o CPTEC vem realzado prevsões de tempo com o modelo ETA a resolução de 0 km (ETA0) de 24 (prev24), 48 (prev48) e 72 (prev72) horas, duas vezes ao da ( 00 e 2 UTC), sobre um domío aproxmadamete cetrado o Cetro de Laçameto de Alcâtara ( CLA). As codções de cotoro do ETA0 são as prevsões do ETA40. Como as prevsões de tempo com modelos atmosfércos apresetam certezas (super/subestmatva da tesdade de varáves meteorológcas, poscoameto correto

2 dos sstemas meteorológcos) e erros sstemátcos, faz-se ecessáro a avalação do modelo para que suas prevsões sejam terpretadas e utlzadas adequadamete pelos prevsores (o cotexto do IAE durate as campahas de laçameto de veículos espacas; Marques e Fsch, 2005). A prevsão do modelo ETA para tegração de prazo estedda fo avalada por Chou et. al. (999) e Chou et. al. (2002) e Bustamate et. al. (2005). Os resultados mostraram a establdade do modelo para tegração em até 5 das, etretato, exstem questões em aberto, como por exemplo: ) Qual sera o desempeho do modelo cosderado uma regão específca, p.ex., o CLA? [Cabe mecoar que avalações para regões específcas são raras a lteratura.] 2) Qual sera o desempeho utlzado uma versão do modelo ETA com maor resolução horzotal (0 km)? [Normalmete, supõe-se que resolução mas alta leva a melhor represetação dos sstemas meteorológcos]. Assm o objetvo deste trabalho é propor-se a respoder a essas questões. 2 DADOS E METODOLOGIA Para determar a prevsbldade do modelo ETA utlzaram-se as aalses e as prevsões do modelo e esses resultados foram comparados com os dados observados de radossodagem da estação meteorológca do CLA. Para sso fez-se uso de estatístcas de erro (bas ou vés e erro quadrátco médo, EQM). A forma de cálculo e o uso dessas estatístcas ecotram-se em Bustamate et. al. (2005), McBrde e Ebert (2000) e Wlks (995). Ou seja, cada dado (ou perfl) observado será comparado com a aálse (codção cal) e as dversas prevsões (24, 48 e 72 horas). As tegrações utlzadas para aálse foram para os meses de março de 2008 a abrl de 2009, mas só apresetaremos as fguras de março de 2008 e As avalações foram baseadas as segutes varáves prevstas pelo modelo: Temperatura do ar, dreção e magtude da velocdade de veto e razão de mstura. O erro da prevsão é defdo como a dfereça etre o valor prevsto e o observado. A partr do erro de prevsão calculam-se o: o vés ou erro sstemátco que é a méda da dfereça etre a Prevsão (P) e a Observação (O). O é o úmero de potos avalados. Vés ( P O ) - e o EQM que é a raz quadrada do erro médo quadrátco etre a prevsão e a observação. EQM ( P O ) 2 3 RESULTADOS E DISCUSSÕES Os resultados do desempeho do modelo ETA são apresetados pelas fguras com o perfl médo da aálse, das prevsões de 24, 48 e 72 horas e do observado de cada varável. Apresetaremos apeas os meses de março de 2008 e março de 2009 devdo ao lmte de paga este trabalho. As fguras mostram também o erro médo e o EQM da aálse e de cada prevsão em relação ao perfl médo observado. A fgura mostra o desempeho do modelo para prevsão de temperatura do ar. De março de 2008 a jaero de 2009, o modelo superestma os valores de temperatura os altos íves. Esse erro médo postvo começa a aparecer sesvelmete acma do ível de 600 hpa e tora-se bastate proucado etre 250 e 00 hpa. A partr de feverero de 2009, observa-se uma expressva redução do erro, e em março e abrl de 2009 o erro aproxma-se de zero. Sugere-se que essa melhora as prevsões do modelo ETA esteja assocada a melhoras a aálse utlzada. 2

3 A avalação da umdade atmosférca prevsta pelo modelo é realzada pela razão de mstura (fgura 2). Ode se observa que de março de 2008 a feverero de 2009 a aálse e as prevsões superestmam as observações em toda a troposfera. A superestmatva de umdade sgfca maor quatdade de vapor dspoível para covecção profuda, o que pode favorecer a superestmatva de precptação para a regão do CLA. Os maores valores de erros médos de março a mao de 2008 estão etre a superfíce e 500 hpa (3 g/kg em 850 hpa a aálse). Para juho e julho o erro médo da aálse dmu e volta a aumetar em agosto. De setembro a dezembro o modelo superestma mas acetuadamete da superfíce até 600 hpa (5g/kg em 850 hpa). Em jaero, o erro médo se cocetra da superfíce até 700 hpa (aálse e prev24) (4 g/kg). De feverero a abrl de 2009, observa-se uma melhora acetuada da aálse e, coseqüetemete, das prevsões, com maores erros em toro de,2 g/kg em 700 hpa em feverero (aálse). Com a melhora sgfcatva o perfl da aálse, ou seja, erro médo próxmo de zero, ota-se que as prevsões passam a subestmar as observações próxmas à superfíce em março e abrl de Quato à dreção e magtude da velocdade do veto, os resultados da avalação são apresetados pelas fguras 4 e 5. Essas varáves são mportates a localzação e tesdade de sstemas meteorológcos as prevsões do modelo. Observa-se que, de março a mao de 2008, a melhor prevsão do modelo para a dreção do veto é a méda atmosfera (aprox. etre 650 a 400 hpa). De juho a setembro, o modelo altera etre subestmar e superestmar o observado da superfíce até 00 hpa, apresetado os maores erros, em toro de -90, os altos íves em julho (prev72h) e setembro (aálse, Pre24h e prev72h). Em outubro e dezembro de 2008, o modelo subestma os íves médos (aprox. etre 600 e 400 hpa), equato que em ovembro superestma etre 750 e 500 hpa. Em jaero e feverero, ocorre substmatva etre 600 e 350 hpa, equato que em março esse erro egatvo fca próxma a superfíce (até 800 hpa) e em abrl volta a ocorre uma camada maor, da superfíce até 450 hpa, com erros médos chegado até 30. O EQM tede a crescer rapdamete os altos íves, acma de 300 hpa, a maora dos meses aalsados. A avalação da magtude da velocdade do veto dca que o perfl da aálse está próxmo do observado de março a juho de 2008, sedo que as prevsões superestmam o observado de 850 a 550 hpa com maor erro médo (3 m/s) em toro de 700 hpa (prev24). Em julho e agosto, as prevsões superestmam da superfíce a 600 hpa e subestmam acma desse ível com maor erro médo os baxos íves (850 a 700 hpa) (prev24 e prev48). De setembro a dezembro o modelo apresetou seu melhor desempeho os íves médos (700 a 300 hpa), superestmado abaxo de 700 hpa e subestmado acma de 300 hpa (maor erro ~6m/s em 850 hpa). Para jaero e feverero de 2009 o perfl das prevsões superestmam desde a superfíce até 650 hpa e subestmam acma desse ível, clusve a aalse. O maor erro médo fo em 850 hpa (~ 3 m/s). As prevsões apresetam seu melhor desempeho os íves médos em março e os íves altos em abrl, sedo que o maor erro médo cotua sedo em 850 hpa, com 2 m/s em março e 3 m/s em abrl. Em resumo, ão se observa erro sstemátco devdo ao modelo ão apresetar um comportameto sstemátco de superestmar ou subestmar a dreção e a velocdade do veto, etretato, os maores erros são ecotrados os íves altos a dreção do veto em março e de mao a julho, e o ível de 850 hpa a magtude do veto de setembro a dezembro. O desempeho do modelo a smulação de dreção e magtude da velocdade de veto é de suma mportâca o caso de laçameto de veículos espacas o CLA, pos cada veículo é projetado e costruído para suportarem uma determada carga pela ação do veto (Marques e Fsch, 2005). Assm, um erro médo de 4 a 5 m/s compromete o laçameto do veculo, prcpalmete os de sodagem que só podem ser laçados com magtude da velocdade do veto de superfíce de até 0 m/s e veto balístco de até 6 m/s. Para um erro médo egatvo compromete a seguraça e o sucesso do laçameto. 3

4 4 - CONSIDERAÇÕES FINAIS A aálse e as prevsões de 24, 48 e 72 horas do modelo ETA foram avaladas em relação às observações (perfl) para o período de março de a abrl de Esta avalação se baseou o erro médo e a raz quadrada do erro quadrátco médo. As varáves aalsadas foram: temperatura do ar, magtude e dreção do veto e razão de mstura. Os resultados dcam que houve melhora de desempeho do modelo, a partr de feverero de 2009, a temperatura do ar e razão de mstura. Acredta-se que sso teha ocorrdo em fução da melhora da aálse utlzada. Os meores erros sstemátcos foram observados a temperatura do ar em baxos e médos íves. Etretato, a dreção do veto, observam-se os maores erros sstemátcos; o erro chegou a 80 ou 90, o que é bastate expressvo, pos ocorre a mudaça da dreção do veto em termo dos potos cardeas da rosa dos vetos. A magtude do veto fo melhor prevsta pelo modelo os íves médos. De um modo geral, ão fo observado erro sstemátco a dreção e magtude do veto, devdo ao modelo ão apresetar um comportameto sstemátco de superestmar ou subestmar. Do poto de vsta da prevsão de tempo em laçameto de foguete, ressalta-se a mportâca do veto, prcpalmete o laçameto de veículos de pequeo porte (foguetes de sodagem) devdo a sua velocdade de decolagem ser relatvamete baxa, fluecado o azmute de laçameto pela compoete lateral do veto, ou a elevação pela compoete frotal do veto. 5 - REFERÊNCIAS BIBLIOGRÁFICAS BUSTAMANTE, J.F.; CHOU, S.C.; ROZANTE, J.R.; GOMES, J.L. Uma avalação da prevsbldade de tempo do modelo ETA para a Amérca do Sul. Rev. Bras. Met., v.20,., p.59-70, CHOU, S.C.; JUSTI DA SILA, M.G. Na Objectve evaluato of ETA Model precptato forecasts over South Amerca. Clmaálse, v.4,., 999. CHOU, S. C.; TANAJURA, C. A. S.; XUE, Y.; NOBRE, C. A. Valdato of Coupled ETA/SSB Model over South Amerca. J. Geophys. Res., v.07,.d20, 8088, Oct MARQUES, R.F.C.; FISCH, G.A Meteorologa o Programa de Projeto, Desevolvmeto e Laçameto de Foguetes. Boletm da Socedade Braslera de Meteorologa, MCBRIDE, J.L.; EBERT, E.E. Verfcato of quattatve precptato forecasts from operatoal umercal weather predcto models over Australa. Weather ad Forecastg. v.5,., p.03 2, WILKS, D.S. Statstcal Methods the Atmospherc Sceces. Sa Dego: Academc Press, p. Fgura : Méda mesal do perfl da temperatura do ar: observado (OBS), aálse, prevsão de 24, 48 e 72 horas. Erro sstemátco e EQM. Para março de 2008 e março de

5 Fgura 2: Méda mesal do perfl da razão de mstura: observado (OBS), aálse, prevsão de 24, 48 e 72 horas. Erro sstemátco e EQM. Para março de 2008 e março de Fgura 3: Méda mesal do perfl da dreção do veto: observado (OBS), aálse, prevsão de 24,48 e 72 horas. Erro sstemátco e EQM. Para março de 2008 e março de Fgura 4: Méda mesal do perfl da velocdade do veto: observado (OBS), aálse, prevsão de 24, 48 e 72 horas. Erro sstemátco e EQM. Para março de 2008 e março de 2009.

Análise estatística dos resultados do modelo de previsão atmosférica RAMS para a região do lago de Ilha Solteira (SP)

Análise estatística dos resultados do modelo de previsão atmosférica RAMS para a região do lago de Ilha Solteira (SP) Aálse estatístca dos resultados do modelo de prevsão atmosférca RAMS para a regão do lago de Ilha Soltera (SP) Beatrz da Slva Berardo, Ismar de A. Satos, Claudo F. Neves 3., Uversdade Federal do Ro de

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

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

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

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

Avaliação da qualidade do ajuste

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

Leia mais

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

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

Leia mais

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

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

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

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

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

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

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

Leia mais

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

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

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

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

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

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

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

Leia mais

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

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

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

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

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

50 Logo, Número de erros de impressão

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

Leia mais

2. NOÇÕES MATEMÁTICAS

2. NOÇÕES MATEMÁTICAS . NOÇÕES MATEMÁTICAS Este capítulo retoma algumas oções matemátcas ecessáras para uma boa compreesão de algus aspectos que serão mecoados e detalhados o presete trabalho. Algus destes aspectos podem abstrar

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

PREVISÃO DE MASSA DE FRUTOS DE ABOBRINHA CULTIVAR ANITA F1

PREVISÃO DE MASSA DE FRUTOS DE ABOBRINHA CULTIVAR ANITA F1 PREVISÃO DE MASSA DE FRUTOS DE ABOBRINHA CULTIVAR ANITA F1 Jhoata Motero de Olvera 1 ; Roberto Rezede 2 ; Adré Maller 3 ; Paulo Sérgo Loureço de Fretas 4 ; Maraa Gomes Brescas 5 ; Rea Soares de Souza 6

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

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

Confiabilidade Estrutural

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

Leia mais

Medidas Numéricas Descritivas:

Medidas Numéricas Descritivas: Meddas Numércas Descrtvas: Meddas de dspersão Meddas de Varação Varação Ampltude Ampltude Iterquartl Varâca Desvo absoluto Coefcete de Varação Desvo Padrão Ampltude Medda de varação mas smples Dfereça

Leia mais

Forma padrão do modelo de Programação Linear

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

Leia mais

AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira

AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira 1 AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR José Atoo Stark Ferrera I - INTRODUÇÃO O presete estudo fo desevolvdo objetvado mesurar os gahos e perdas patrmoas

Leia mais

7 Análise de covariância (ANCOVA)

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

Leia mais

Utilização do pluviômetro PET como sistema de alerta de chuvas intensas

Utilização do pluviômetro PET como sistema de alerta de chuvas intensas Utlzação do pluvômetro PET como sstema de alerta de chuvas tesas Leoardo Cour Phero 1 Claude Perera Dereczysk 2 Atoo Ferrera da Hora 3 Resumo Neste trabalho elabora-se uma comparação etre os dados dáros

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

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

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

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

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

Modelo de Regressão Simples

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

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

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

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

COMPARAÇÃO ENTRE MÉTODOS DE ESTIMATIVA DA EVAPOTRANSPIRA- ÇÃO DE REFERÊNCIA PARA O VALE DO JEQUITINHONHA

COMPARAÇÃO ENTRE MÉTODOS DE ESTIMATIVA DA EVAPOTRANSPIRA- ÇÃO DE REFERÊNCIA PARA O VALE DO JEQUITINHONHA COMPARAÇÃO ENTRE MÉTODOS DE ESTIMATIVA DA EVAPOTRANSPIRA- ÇÃO DE REFERÊNCIA PARA O VALE DO JEQUITINHONHA Marcelo Ross Vcete *, Juscela Arcajo dos Satos, Roaldo Mederos dos Satos, Cao Vícus Lete RESUMO:

Leia mais

3 Experimento com Mistura com Respostas Não-Normais

3 Experimento com Mistura com Respostas Não-Normais Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1

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

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

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

Modelagem das chuvas mensais de regiões homogêneas do Estado do Rio Grande do Sul

Modelagem das chuvas mensais de regiões homogêneas do Estado do Rio Grande do Sul Modelagem das chuvas mesas de regões homogêeas do Estado do Ro Grade do Sul Dael Souza Cardoso, João Baptsta da Slva, Glberto Barbosa Dz Uversdade Federal de Pelotas fscalegal@gmal.com RESUMO Cosderado

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

INTRODUÇÃO A ESTATÍSTICA

INTRODUÇÃO A ESTATÍSTICA Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1

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

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

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. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

5 Critérios para Análise dos Resultados

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

Leia mais

COMPARAÇÃO DE DADOS CLIMATOLÓGICOS MODELADOS E OBSERVADOS UTILIZANDO A TÉCNICA DOS QUANTIS

COMPARAÇÃO DE DADOS CLIMATOLÓGICOS MODELADOS E OBSERVADOS UTILIZANDO A TÉCNICA DOS QUANTIS COMPARAÇÃO DE DADOS CLIMATOLÓGICOS MODELADOS E OBSERVADOS UTILIZANDO A TÉCNICA DOS QUANTIS Adré Luz Faras de Souza (1) Adréa Malheros Ramos (2) Fábo Cuha Code (2) Oswaldo Massamba (1) Ferado Sampao Recuero

Leia mais

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

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

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

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

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

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

DESEMPENHO DE MÉTODOS NA ESTIMATIVA DE EVAPOTRANSPIRAÇÃO DE REFERÊNCIA PARA O ESTADO DA PARAÍBA, BRASIL

DESEMPENHO DE MÉTODOS NA ESTIMATIVA DE EVAPOTRANSPIRAÇÃO DE REFERÊNCIA PARA O ESTADO DA PARAÍBA, BRASIL Irrga, Botucatu, v. 1,. 3, p. 481-490, julho - setembro, 016 481 ISSN 1808-3765 DESEMPENHO DE MÉTODOS NA ESTIMATIVA DE EVAPOTRANSPIRAÇÃO DE REFERÊNCIA PARA O ESTADO DA PARAÍBA, BRASIL GEFFSON DE FIGUEREDO

Leia mais

Sobre aproximações polinomiais de raízes reais de cúbicas

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

Leia mais

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

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

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

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

AJUSTE DE CURVAS E MODELAGEM POPULACIONAL DE PETRÓPOLIS NO PERÍODO DE 1982 A 1990

AJUSTE DE CURVAS E MODELAGEM POPULACIONAL DE PETRÓPOLIS NO PERÍODO DE 1982 A 1990 27XVI Ecotro de Modelagem Computacoal IV Ecotro de Cêca e Tecologa de Materas III Ecotro Regoal de Matemátca Aplcada e Computacoal Uversdade Estadual de Sata Cruz (UESC), Ilhéus/BA, Brasl. 23-25 out. 2013.

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração

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

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

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

Leia mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÈTRICOS GPL

SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÈTRICOS GPL SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GPL 04 4 a 7 Outubro de 2007 Ro de Jaero - RJ GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÈTRICOS GPL PREMISSAS DEMOGRÁFICAS

Leia mais

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes? Estatístca descrtva bdmesoal (Tabelas, Gráfcos e Estatístcas) Aálse bvarada (ou bdmesoal): avala o comportameto de uma varável em fução da outra, por exemplo: Quatas vedas da Marca Phlps a regão Norte?

Leia mais

2 o CONGRESSO BRASILEIRO DE P&D EM PETRÓLEO & GÁS

2 o CONGRESSO BRASILEIRO DE P&D EM PETRÓLEO & GÁS 2 o CONGRSSO BRASILIRO D P&D M PTRÓLO & GÁS CORRLAÇÕS APLICADAS À PRDIÇÃO DA PRSSÃO D SATURAÇÃO FATOR VOLUM D FORMAÇÃO: STUDO D CASO BACIA POTIGUAR Novaes, W. S., Dutra Jr, T. V. 2, Selvam, P. V. P. 3,2,3

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

4 O Método de Análise Hierárquica

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

Leia mais

ADEQUAÇÃO DE MODELOS PARA ESTIMATIVA DE NÚMERO DE FOLHAS E ÁREA FOLIAR DA BANANEIRA GRAND NAINE

ADEQUAÇÃO DE MODELOS PARA ESTIMATIVA DE NÚMERO DE FOLHAS E ÁREA FOLIAR DA BANANEIRA GRAND NAINE http://dx.do.org/0.70/.ovagr.04-a63 ADEQUAÇÃO DE MODELOS PARA ESTIMATIVA DE NÚMERO DE FOLHAS E ÁREA FOLIAR DA BANANEIRA GRAND NAINE T. K. S. Borges, M. G. Slva, N. T. Satos 3 ; E. F. Coelho 4, E. A. Souza

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

Leia mais

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca

Leia mais

Tese de Livre-Docência

Tese de Livre-Docência Tese de Lvre-Docêca Ivestgação da Camada Lmte Plaetára a Regão de Iperó Amaur Perera de Olvera Departameto de Cêcas Atmosfércas Isttuto de Astrooma, Geofísca e Cêcas Atmosfércas Uversdade de São Paulo

Leia mais

3 Fundamentação Teórica

3 Fundamentação Teórica 3 Fudametação Teórca A segur são apresetados os fudametos teórcos os quas é embasado o desevolvmeto do trabalho. 3.. Espectros de Resposta De acordo com Sampao [3], é descrta a resposta máxma de um osclador

Leia mais

Estimativa de área plantada com soja no Rio Grande do Sul através de amostragem por segmentos quadrados

Estimativa de área plantada com soja no Rio Grande do Sul através de amostragem por segmentos quadrados Estmatva de área platada com soja o Ro Grade do Sul através de amostragem por segmetos quadrados Rodrgo Rzz 1 Berardo Fredrc Teodor Rudorff 1 Marcos Adam 2 1 Isttuto Nacoal de Pesqusas Espacas - INPE Caxa

Leia mais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais 48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados

Leia mais

9 Medidas Descritivas

9 Medidas Descritivas 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância.

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância. Irradada Smples Coordeação drecta de potos ovos, a partr de um poto cohecdo, meddo-se um âgulo e uma dstâca. P N M M M V E P P P V E P E R EN α c M V M M ser C P cos R C EV EV R EV R EN α c dstâca cartográfca

Leia mais

POMO DA DISCÓRDIA. AS TABELAS UTILIZADAS PELO Dr. Sr. Richard Price no Século XVIII

POMO DA DISCÓRDIA. AS TABELAS UTILIZADAS PELO Dr. Sr. Richard Price no Século XVIII O POMO DA DISCÓRDIA AS TABELAS UTILIZADAS PELO Dr. Sr. Rchard Prce o Século XVIII Pedro Schubert Relação das Tábuas Do Sr. Prce Dos / lvros Tábua I Tábua IV Tábua II Tábua V Tábua III Tábua I Tábua IV

Leia mais