Ítalo Gomes Gonçalves et al. Teoria de Kubelka-Munk aplicada na indústria de minerais industriais: predição do teor de contaminantes em caolim

Tamanho: px
Começar a partir da página:

Download "Ítalo Gomes Gonçalves et al. Teoria de Kubelka-Munk aplicada na indústria de minerais industriais: predição do teor de contaminantes em caolim"

Transcrição

1 Ítalo Gomes Goçalves et al. eração Teora de ubelka-uk aplada a dústra de meras dustras: predção do teor de otamates em aolm (ubelka-uk theory appled to dustral merals: predto of mpurty otet kaol) Ítalo Gomes Goçalves Graduado em Egehara de as - URG - Porto Alegre - R - rasl E-mal: talogoalves@best.om.br Carlos O. Petter Professor do Departameto de Egehara de as - URG - Porto Alegre - R - rasl E-mal: petter@ufrgs.br Resumo Para a maora dos meras dustras, o valor eoômo do produto está assoado, dretamete, às suas propredades ótas, omo or, alvura, et. Essas propredades ótas também podem ser utlzadas omo ferrameta auxlar o plaejameto de lavra e proessameto do méro. Nesse trabalho, a teora de ubelka-uk fo utlzada a tetatva de rar um método para a determação da oetração de otamates em aolm. Devdo a dfuldades prátas, fo eessáro o desevolvmeto de algumas relações matemátas evolvedo o modelo para a obteção das duas ostates eessáras para ada materal. Os resultados obtdos foram satsfatóros, possbltado a realzação de estudos mas detalhados sobre a aplação dessas relações matemátas, tato para o aolm, omo para os meras dustras em geral. Palavras-have: Alvura, aolm, ubleka-uk, otamates. Abstrat or most dustral merals, the eoom value of the produt s dretly assoated to ts optal propertes, lke olor, brghtess, et. These optal propertes a also be used as auxlary tools the me plag ad meral proessg. I ths work, the ubelka-uk Theory was used a attempt to reate a method for the determato of otamat oetrato kaol. Due to pratal dffultes, t was eessary to develop some mathematal relatos volvg the model to obta the two ostats eeded for eah materal. The obtaed results were satsfatory, makg possble the realzato of more detaled studes about the applato of these mathematal relatos, as muh for the kaol as for dustral merals geeral. eywords: rghtess, kaol, ubelka-uk, otamats. 49

2 Teora de ubelka-uk aplada a dústra de meras dustras: predção do teor de.... Itrodução O valor eoômo de dversos meras dustras está dretamete assoado às suas propredades ótas. Isso se deve ao fato de que a maora das dústras osumdoras desses meras dustras orpora-os em produtos os quas a aparêa vsual é otrolada. Para essas dústras, omo, por exemplo, as de plástos, papel, ttas e erâmos, varações a oloração das matéras-prmas meras mplam dfuldades o aerto da or do produto fal. No aso partular do aolm, uma das maores dfuldades o seu proessameto é o otrole da remoção dos seus otamates. Esses otamates são osttuídos, prpalmete, por óxdos de ferro e ttâo e ada um respode de maera dfereada às operações utáras de proessameto. Portato o objetvo desse trabalho é a obteção de fórmulas que possbltem explorar as propredades ótas do aolm e seus otamates (e meras dustras em geral), de forma a otmzar as operações evolvdas a sua produção. Para tato, fo explorada a teora de ubelka-uk, que é largamete utlzada as dústras osumdoras de meras dustras.. Cosderações teóras A teora de - prevê que, para uma amada de materal de espessura d sedo rradada om um fluxo de radação dfusa mooromáta a dreção -x, represetado por I, a relação etre este fluxo e aquele que está sedo espalhado de volta pelo materal (a dreção x), represetado por J, em uma fa amada de espessura dx é dada pelo sstema de equações dfereas (): di = ( ) I J dx dj = ( ) J I dx () Ode e represetam, respetvamete, os oefetes de absorção e de espalhameto da luz por udade de omprmeto. Resolvedo o sstema (), pode-se hegar à ução de ubelka- uk, expressa a equação : ( R ) = R R ( ) () Ode R represeta a refletâa de uma amada de materal totalmete opaa (ou seja, om uma espessura tal que a luz ão a atravesse). No aso de uma mstura de materas (omo um méro otamado ou uma arga omposta por város meras, por exemplo), (R ) (daqu em date deomado apeas por ), é dado por: Σ = () Σ No aso de um substrato brao em exesso (om ), otedo outros elemetos em oetrações baxas (daqu em date deomados otamates ), oforme ortüm (969), a Eq. () pode ser smplfada para: (λ) (λ) = (λ) (λ)... (4) Ode represeta o (R ) do substrato puro. Os valores de de ada otamate são, etão, obtdos através de msturas báras de oetração oheda dos otamates om o substrato, om um otamate de ada vez, pelo álulo da lação da reta x obtda a gura. Uma vez ohedo o de todos os materas para todo o espetro vsível, a determação de oetrações desohedas de otamates osste em seleoar omprmetos de oda oveetes e resolver um sstema de equações de ordem gual ao úmero de otamates a mstura. Etretato, a práta, surgem algus problemas: A smplfação supõe que o valor de de todos os materas é ostate em todo o espetro vsível, o que, a realdade, ão oorre. Pelo fato de se desosderar o deomador a eq. (), para se hegar à eq. (4), o dos otamates fa relatvo ao substrato esolhdo, ou seja, se for esolhdo outro substrato, o valor de obtdo para os otamates será dferete. Além dsso, a eq. (4) só matém o seu omportameto lear para oetrações muto baxas de otamates. Essas dfuldades levaram à busa por um método mas robusto e ofável que a smplfação apresetada aterormete. Para tato, osdere-se a Eq. (), o aso em que há apeas o substrato e um otamate (que reeberão, respetvamete, os ídes e ). A equação pode, etão, ser esrta da segute forma: = (5) Reesrevedo =- e, obtém-se: = ( ) ( ) (6) Dervado a expressão (6), em relação a, e aplado a aproxmação lear de Taylor em toro do poto =, é possível obter: = (7) gura - Reta utlzada para o álulo de. 49

3 A expressão (7) represeta uma reta semelhate àquela da gura. No etato, a lação da reta ão é dada por um úo valor e sm, por uma ombação das duas ostates, e, dos dos materas evolvdos. Isso elma os problemas de relatvdade etre otamates e substratos e ão exge que seja ostate o espetro. Porém, agora a determação de uma ostate exge que se oheça outras três. A solução eotrada para este problema fo a utlzação desta equação em ojuto om a teora orgal de -, omo será vsto mas adate.. Cosderações prátas De aordo om ortüm (969), a partr da refletâa de uma amada fa de materal é possível obter a ostate do mesmo através da expressão: ar = oth d b br (8) Ode d represeta a espessura da amada, a e b são ambos fuções de R do materal e R é a refletâa medda para uma espessura d sobre um fudo ão refletor. Coheedo R e, é possível obter através da eq. (), ou seja: =. (9) A utlzação da Eq. (8) pode ser dfíl devdo a problemas expermetas (o erro em tede a ser alto para altas refletâas) ou prátos (a obteção de uma amada muto fa de um líqudo ou pó, por exemplo), mas será eessára, o mímo, para a obteção de e do materal a ser defdo omo substrato. Coheedo-se etão, e do substrato, toma-se a lação da reta a Eq. (7), lembrado que o íde represeta o substrato, equato que o íde represeta o materal ujas ostates são desohedas: = () ou = Ítalo Gomes Goçalves et al. Dvddo essa expressão por, obtém-se: = Esrevedo e e orgazado os termos, pode-se hegar à expressão: = () Ou seja, pode-se obter o oefete de espalhameto de um materal desohedo oheedo-se R (e por oseqüêa ) de ada materal puro, o oefete de espalhameto do substrato (obtdo pela eq. (8)) e a lação da reta x para oetrações muto baxas do materal desohedo, obtda por uma regressão lear. E uma vez ohedo, pode ser obtdo através da expressão: =. () Cohedos os valores de e para todos os materas, o objetvo agora é desevolver um método para a determação de oetrações a partr da medção de (R ) de uma mstura. Para sso, osderado-se a Eq. (5) para um úmero qualquer de otamates e esrevedo =- N obtém-se: = ( ) ( ) ( ) ( ) ( ) ( ) Passado o deomador para o outro lado da gualdade e oloado em evdêa,, et., hega-se à expressão: [ - - ( - )] [ - - ( - )]...[ - - ( - )] = - (4) Esreve-se: [ ( )] A( λ ) [ ( )] ( λ) [ ( )] N( λ) γ ( λ) Pela represetação em forma matral, a qual ada lha represeta um omprmeto de oda, obtém-se: A A A A N γ N γ N γ = N γ N () (5) 49

4 Teora de ubelka-uk aplada a dústra de meras dustras: predção do teor de... Aplado-se o método dos mímos quadrados de forma a utlzar todo o espetro meddo, hega-se à expressão: ΣA ΣA ΣA N ΣA Σ Σ N O ΣA N Σ N ΣN ΣAγ Σγ = ΣN γ A expressão (6) represeta um sstema de equações leares de ordem gual ao úmero de materas evolvdos a mstura meos um. A aplação dessas fórmulas, para o aso do aolm, está desrta a segur. gura - Espetro de refletâa dos materas estudados. (6). ateras e métodos Os prpas otamates eotrados o aolm são os óxdos, tas omo hematta, goethta, rutlo, et. Pela eessdade de se possuírem todos os materas evolvdos puros, utlzou-se um aolm beefado, lvre de mpurezas e pgmetos artfas à base de óxdos de ferro (um de or vermelha e outro, amarela), de forma a smular um aolm otamado. Os espetros de R dos materas estão apresetados a gura. A refletâa dos materas fo medda através de pastlhas. As pastlhas são preparadas om o auxílo de uma presa, que ompata o pó ofado em um ael metálo em otato om uma superfíe de vdro. A medção da refletâa é feta sobre a superfíe da pastlha que estava em otato om o vdro. Em todas as meddas, fo utlzado um espetrofotômetro olta modelo 6d. No aso de uma amada fa, eessára para a utlzação da eq. (8), o materal fo presado maualmete otra uma plaa preta de plásto om o auxílo de uma lamíula de plásto e a espessura da amada fo medda om um mrômetro dgtal tuoyo IP65. gura - Espetro de do aolm.. Resultados e dsussão O prmero passo fo a determação das ostates e do aolm, através das equações (8) e (9). Os resultados eotram-se as guras e 4. upostamete, essas urvas deveram ser mas suaves do que as urvas realmete obtdas. Esse ruído pode ser devdo a erros expermetas, pos, para a meor espessura de amada que fo possível ser obtda (da ordem de,5 mm), o valor de R meddo estava muto próxmo do R do aolm, aso em que a eq. (8) tede a gerar resultados meos exatos. 494

5 Ítalo Gomes Goçalves et al. O segudo passo fo utlzar as Eqs. () e () para desobrr as ostates dos otamates. Para a obteção da reta da Eq. (7), foram fetas msturas om oetrações de até,% em massa. Em todos os omprmetos de oda meddos foram obtdos oefetes de orrelação maores que,95, oforme a gura 5. Os espetros de e obtdos para os otamates estão apresetados as guras 6 e 7. Para o presete aso, o sstema em (6) fo resolvdo para os dos otamates apresetados, deomado-se o aolm omo substrato. Isso levou a um sstema de equações x. Os expermetos realzados e o erro obtdo são mostrados a Tabela. gura 4 - Espetro de do aolm. 4. Colusões. As fórmulas aqu apresetadas se mostram bem sueddas omo um passo a dreção de uma ferrameta de otmzação de proessos para o aolm, tedo omo base suas propredades ótas.. O erro expermetal obtdo pode ser reduzdo ao se desobrr uma maera de se obter uma amada de aolm mas fa, om espessura e refletâa possíves de serem meddas om meor erro.. A teora de ubelka-uk tem poteal para ser aplada também para outros meras dustras, tato omo uma ferrameta de otmzação de proesso, omo de plaejameto de lavra. A maor dfuldade se eotra a eessdade de obteção de amostras puras de todos os meras evolvdos. gura 5 - Cotamates em baxas oetrações para aplação da eq. (). Comprmeto de oda: 5 m. Tabela - Coetrações reas e aluladas. Erro absoluto médo: vermelho -,4%, amarelo -,9%. 495

6 Teora de ubelka-uk aplada a dústra de meras dustras: predção do teor de... gura 6 - Espetro de dos otamates. gura 7 - Espetro de dos otamates. 5. Referêas bblográfas ORTÜ, G. Refletae spetrosopy. Prples, methods, applatos. prger-verlag, 969. PETTER, C.O. Cotrbuto à l etude de la valorsato de kaols pour l dustre papetere: mse au pot d ue methodologe olormetrque, applato à la seletvté mere. Éole des es de Pars, 994. (These). PETTER, C.O., ATITON, E.., GONÇAVE, I.G., PEIXOTO, C.A. Determação do teor de otamates olorates o aolm a partr do espetro de refletâa dfusa. I: ENTE,, 5. Natal. Aas Natal: O, 5. v, p Artgo reebdo em 6//6 e aprovado em //7. 496

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

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

Leia mais

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

5 Aplicação do GFMM no BEM

5 Aplicação do GFMM no BEM 38 5 Apação do GFMM o BEM esse apítuo os desevovmetos apresetados o apítuo 4 são apados ao BEM pea expasão das souções fudametas utzadas as tegrações sobre os segmetos do otoro. É apresetada a formuação

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

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

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

Introdução à Decomposição de Dantzig Wolfe

Introdução à Decomposição de Dantzig Wolfe Itrodução à Deoposção de Datzg Wolfe PNV-5765 Probleas de Prograação Mateáta Aplados ao Plaeaeto de Ssteas de Trasportes Maríto Prof. Dr. Adré Bergste Medes Bblografa Utlzada WILLIAMS, H.P. The forulato

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

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

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

Desempenho dos métodos de Runge-Kutta 4-4 e Rosenbrock em função da posição do λ c crítico em sistemas rígidos

Desempenho dos métodos de Runge-Kutta 4-4 e Rosenbrock em função da posição do λ c crítico em sistemas rígidos Desempeho dos métodos de Ruge-Kutta 4-4 e Rosebrok em fução da posção do λ ríto em sstemas rígdos Gulherme G. Loh 1 Joye S. Bevlaqua Isttuto de Matemáta e Estatísta da Uversdade de São Paulo (IME-USP)

Leia mais

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II)

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II) Cálulo Nuéro Iterpolação Poloal Ajuste de Curvas (Parte II) Pro Jore Cavalat joreavalat@uvasedubr MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - wwwdsuedubr/~u/ Ajuste de Curvas

Leia mais

2 Revisão Bibliográfica

2 Revisão Bibliográfica Revsão Bblográfa Este apítulo apreseta estudos aalítos deste tpo de sstema estrutural alzado em 970 pelo russo Voevod [3]. Outros omo: Beleya [4]; Hafez et al.[5], Wog et al.[6], Cha [7], Sterteghem et

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

ESTATÍSTICA 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

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

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

Leia mais

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

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

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

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

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

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

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

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014) Físca IV Pol Egehara Elétrca: 8ª Aula (8/08/014) Prof. Alvaro Vaucc Na últma aula vmos: Resolução de Images: segudo o crtéro estabelecdo por Raylegh que quado o máxmo cetral devdo à dfração das odas do

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

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

Detecção Remota Aplicada Mestrado em Engenharia Geográfica Lab 4: Qualidade posicional das imagens de alta resolução do Google Earth

Detecção Remota Aplicada Mestrado em Engenharia Geográfica Lab 4: Qualidade posicional das imagens de alta resolução do Google Earth Data lmte de etrega: --0 Deteção Remota Aplada Mestrado em Egehara Geográfa Lab 4: Qualdade posoal das mages de alta resolução do Google Earth Ao Letvo 0/ (Ver.0/Nov-). Objetvos: Avalar a qualdade posoal

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

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

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

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

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

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

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

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

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

II. Propriedades Termodinâmicas de Soluções

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

Leia mais

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

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

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

Sistema Neuro-Nebuloso para Identificação de Processos de Incineração Multivariáveis Não-Lineares Discretos no Tempo

Sistema Neuro-Nebuloso para Identificação de Processos de Incineração Multivariáveis Não-Lineares Discretos no Tempo Sstema euro-ebuloso para Idetfação de Proessos de Ieração Multvaráves ão-leares sretos o empo Amílar J. Puarell, Felpe de M. Almeda & Glmar Barreto Uversdade Estadual de Campas - UICAMP, Fauldade de Egehara

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

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

IDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES UTILIZANDO MODELOS NARMAX POLINOMIAIS UMA REVISÃO E NOVOS RESULTADOS

IDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES UTILIZANDO MODELOS NARMAX POLINOMIAIS UMA REVISÃO E NOVOS RESULTADOS IDENIFICAÇÃO DE SISEMAS NÃO-LINEARES UILIZANDO MODELOS NARMAX POLINOMIAIS UMA REVISÃO E NOVOS RESULADOS LUIS A. Agurre Cetro de Pesqusa e Desevolvmeto em Egehara Elétra Departameto de Egehara Eletrôa Uversdade

Leia mais

Apostila de Introdução Aos Métodos Numéricos

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

Leia mais

Atividades Práticas Supervisionadas (APS)

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

Leia mais

(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

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

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

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

NÚMEROS COMPLEXOS. z = a + bi,

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

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

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

MÉTODO DOS MÍNIMOS QUADRADOS

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

Leia mais

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

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

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

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

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

Modelagem de um Algoritmo Genético para o Problema de Seleção de Minérios

Modelagem de um Algoritmo Genético para o Problema de Seleção de Minérios Modelagem de um Algortmo Geéto para o Problema de Seleção de Méros Quel Terezha Shmtz 1, Rafael Stubs Parpell 1 1 Departameto de Cêa da Computação Uversdade do Estado de Sata Catara (UDESC Jovlle) Campus

Leia mais

Resoluções dos testes propostos

Resoluções dos testes propostos os fudametos da físa Udade E Capítulo efração lumosa T.7 esposta: À ote dmu a parela de luz refratada proeete do exteror, predomado a parela de luz refletda. T.7 esposta: d luz extera que de o dro sofre

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

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

Leia mais

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

Como CD = DC CD + DC = 0

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

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

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

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

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

FORMULAÇÃO DO PROBLEMA DE HELMHOLTZ COM O MÉTODO DOS ELEMENTOS DE CONTORNO USANDO A TÉCNICA DE INTERPOLAÇÃO DIRETA COM FUNÇÕES DE BASE RADIAL

FORMULAÇÃO DO PROBLEMA DE HELMHOLTZ COM O MÉTODO DOS ELEMENTOS DE CONTORNO USANDO A TÉCNICA DE INTERPOLAÇÃO DIRETA COM FUNÇÕES DE BASE RADIAL SIMMEC/EMMCOMP 04 XI Smpóso de Meâa Computaoal II Eotro Mero de Modelagem Computaoal Juz De Fora, MG, 8-30 de Mao De 04 FORMULAÇÃO DO PROBLEMA DE HELMHOLTZ COM O MÉTODO DOS ELEMENTOS DE CONTORNO USANDO

Leia mais

MAE116 Noções de Estatística

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

Leia mais

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

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

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

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

Federal do Espírito Santo, Alegre, ES, Brasil. 2

Federal do Espírito Santo, Alegre, ES, Brasil.    2 Aplação da dentdade de modelos não-lneares na estmatva da relação hpsométra de Pnus arbaea var. hondurenss e Pnus ooarpa sob dferentes dades Leonardo Cassan Laerda Adrano Rbero de Mendonça Edson Lahn Glson

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

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

PTR Transporte Ferroviário e Transporte Aéreo. Aula 6. Lotação das composições. PTR Transporte Ferroviário e Transporte Aéreo

PTR Transporte Ferroviário e Transporte Aéreo. Aula 6. Lotação das composições. PTR Transporte Ferroviário e Transporte Aéreo PT- 50 Trasporte Ferrováro e Trasporte Aéreo / 34 CSX Trasportato Compay, Phlso, Pesylvaa Prof. Dr. Telmo Golto Porto PT 50 Trasporte Ferrováro e Trasporte Aéreo ardo Marts da Slva Aula 6 Lotação das omposções

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro

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

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

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

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

Leia mais

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

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

MECANISMOS DE CORROSÃO DE MATERIAIS METÁLICOS. APOSTILA PARA A DISCIPLINA PMT ª. Parte

MECANISMOS DE CORROSÃO DE MATERIAIS METÁLICOS. APOSTILA PARA A DISCIPLINA PMT ª. Parte MECANISMOS DE CORROSÃO DE MATERIAIS METÁLICOS APOSTILA PARA A DISCIPLINA PMT 2507 4ª. Parte Neusa Alonso-Falleros Abr/2008 2 CAPÍTULO 4 CINÉTICA DAS REAÇÕES DE ELETRODO QUE ENVOLVEM TRANSPORTE DE MASSA

Leia mais

1ª Lista de Exercícios. 1. São dados 2n números distintos distribuídos em dois vetores com n elementos A e B ordenados de maneira tal que

1ª Lista de Exercícios. 1. São dados 2n números distintos distribuídos em dois vetores com n elementos A e B ordenados de maneira tal que Uiversidade Federal de Mias Gerais Departameto de Ciêia da Computação Algoritmos e Estruturas de Dados II (Turmas M, N, W, F) 1º Semestre de 01 Profs. Camilo Oliveira, Gisele Pappa, Ítalo Cuha, Loï Cerf,

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

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

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

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Adre Gadolpho Uversdade Católca de Petrópols alvesga@gbl.com.br Rcardo

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

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

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Jaete Perera Amador 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

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