ANÁLISE ESTATÍSTICA APLICADA A MODELAGEM DE MISTURAS EXPERIMENTAIS DE ARGAMASSAS PARA ASSENTAMENTO DE BLOCOS DE CONCRETO
|
|
- Amanda Santana Gil
- 8 Há anos
- Visualizações:
Transcrição
1 ANÁLISE ESTATÍSTICA APLICADA A MODELAGEM DE MISTURAS EXPERIMENTAIS DE ARGAMASSAS PARA ASSENTAMENTO DE BLOCOS DE CONCRETO Fernando Pelsser (); Phlppe J. P. Gleze (); Humberto R. Roman (); Ghad Mohamad (3) () Departamento de Engenhara Cvl Unversdade do Extremo Sul Catarnense UNESC, Brasl e-mal: fep@unesc.net () Departamento de Engenhara Cvl Unversdade Federal de Santa Catarna - UFSC, Brasl e-mal: ecvphg@ecv.ufsc.br; humberto@ecv.ufsc.br (3) Departamento de Engenhara Cvl Unversdade do Mnho UMINHO, Portugal ghad@cvl.umnho.pt RESUMO Proposta: O prncpal objetvo deste trabalho é mostrar que o emprego de conhecmentos estatístcos na modelagem de msturas expermentas possblta a realzação de uma análse dos materas, consderando as varáves e buscando o melhor desempenho de forma raconal e econômca. Usando planejamento de expermentos, baseados em prncípos estatístcos, pesqusadores podem obter, dos materas em estudo, o máxmo de nformações útes, ou seja, alar os conhecmentos de planejamento expermental e de análse de dados a uma sólda formação técnca. O objetvo deste trabalho fo avalar a possbldade da modelagem numérca de msturas de argamassas para assentamento de blocos de concreto, verfcando o efeto da otmzação das msturas nos resultados de resstênca à compressão dos prsmas de blocos de concreto obtdos expermentalmente por Mohamad (998). Método de pesqusa/abordagens: Análse estatístca para dosagem de msturas ternáras de argamassas (com três níves, uma resposta e ses replcações), utlzando a metodologa de superfíces de resposta (RMS) e baseado, também, na modelagem por mínmos quadrados. Resultados: Fca evdente, a partr do estudo desenvolvdo, a mportânca da modelagem numérca - através de um planejamento expermental à realzação de pesqusas para msturas de materas de construção cvl, a fm de defnr o melhor modelo e obter valores mas precsos. O desenvolvmento de modelos mas efcentes propca a redução de custos para um mesmo desempenho especfcado das msturas. Contrbuções/Orgnaldade: Utlzação de análse estatístca na modelagem de msturas expermentas de argamassas. Palavras-chave: Argamassas, Modelagem de msturas, Prsmas de concreto. ABSTRACT Propose: The man objectve of ths work s to show that the use of statstcal knowledge - for modelng expermental mxtures - makes possble the accomplshment of an analyss of the materals, consderng the varable and amng the best performance n a ratonal and economc form. Usng plannng of experments, based on statstcal, researchers can get, from the studed materals, a maxmum of useful nformatons, or ether, bnd the knowledge of expermental plannng and data analyss to a sold technque formaton. The objectve of ths work s to evaluate the possblty of numercal modelng of jont mortar mxtures for concrete blocks structural masonry, verfyng the effect of the optmzaton of the mxtures on the results of compressve strength of concrete block masonry prsms obtaned by Mohamad (998). Methods: Statstcal analyss of ternary mortar mxtures (wth three levels, one answer and sx replcatons), usng the reply methodology of response surfaces (RMS) and based, also, on the quadratc regresson modelng method. Fndngs: Accordng to Neto (003) a model badly adjusted s scentfc fcton, but not scence. Ths study shows the mportance of the numercal modelng - through an expermental plannng - to the accomplshment of
2 research on materals mxtures of for buldng constructon, n order to defne the best model and to get more accurate data. The development of more effcent models leads to a costs reducton for one specfed performance of the mxtures. Orgnalty/value: Use of statstcal analyss for the modelng of expermental mortar mxtures. Key-words: Mortar, Mxtures modelng, Concrete masonry prsms. INTRODUÇÃO Ao realzarem-se msturas expermentas para fabrcação de materas para construção cvl, à base de cmento, se busca freqüentemente, testar novos materas, com formulações e adções dferencadas. No entanto, espera-se dos resultados obtdos, um melhor desempenho e, se possível, numa proporção de mstura com o menor valor agregado. Contudo, para ambos objetvos esperados, tornam-se pratcamente obrgatóro a modelagem numérca de msturas expermentas, adotando modelos matemátcos mas efcentes, a fm de obter resultados fnas otmzados. Um exemplo do tratamento de dados fo ctado por Neto (003), dgamos que um químco deseje obter o rendmento máxmo de certa reação, e que essa reação seja controlada por apenas duas varáves: a temperatura e a concentração de um determnado reagente. De acordo com a nomenclatura adotada, a propredade de nteresse, que neste caso é o rendmento, é chamada de resposta. As varáves que em prncípo nfluencam a resposta (sto é, a temperatura e a concentração) são os fatores, e a função que descreve esta nfluênca é chamada de superfíce de resposta. O objetvo do pesqusador é descobrr quas os valores os níves dos dos fatores que produzem a maor resposta possível. Para sso, se fxa um dos fatores em um nível e se vara o outro até descobrr qual nível produz o maor rendmento. Após sto, se vara o prmero fator e se mantém constante o segunte até produzr um rendmento máxmo. No entanto, ao contráro do que se podera esperar, é melhor fazer varar todos os fatores ao mesmo tempo. A razão para sso é que as varáves podem se nfluencar mutuamente, e o valor deal para uma delas podem depender do valor da outra. Esse comportamento que chamamos de nteração entre os fatores, é um fenômeno que ocorre com muta freqüênca, onde raramente há stuações em que dos fatores atuam de forma ndependente. De acordo com Nard (004), ao analsar expermentalmente msturas de cnza volante, cal e água, se enfatza que a metodologa de delneamento de msturas e superfíces de resposta tem sdo utlzada com sucesso em váras áreas tecnológcas. Esta técnca permte abranger um espaço expermental amplado, além de representar sob forma de equações as propredades dos materas, levando em consderação os efetos smultâneos dos componentes partcpantes da mstura. Para tanto, obtém-se um modelo matemátco de regressão, través do método dos mínmos quadrados, procurando construr uma superfíce de resposta a partr dos valores de obtdos em laboratóro. O prncípo fundamental da metodologa é uma seqüênca de modelagens e deslocamentos. Estas seqüêncas deverão ser repetdas até se atngr o objetvo, que corresponde ao valor ótmo da regão nvestgada da superfíce de resposta, seja ela um máxmo, mínmo ou um ponto de sela. A modelagem é efetuada ajustando-se equações aos resultados laboratoras provndos do planejamento ncal. Assm, pode-se obter modelo de ajuste, para um número defndo de componentes, a partr de valores expermentas meddos para combnações entre os mesmos. Em seguda é necessára a avalação do modelo. (NARDI, 004) Contudo, é mportante consderar a efcênca da metodologa utlzada, proporconando para os pesqusadores planejamentos expermentas mas abrangentes, com um menor número de msturas, possbltando em um segundo momento mporem restrções às superfíces de resposta, bem como testar os modelos realzados, em função dos tempos dsponíves para realzação da pesqusa. De uma
3 manera geral, realzam-se pesqusas mas econômcas em relação ao número de ensaos e materas utlzados.. Modelagem de Msturas De acordo com Neto (003), os planejamentos expermentas para o estudo de msturas apresentam uma mportante dferença em relação aos demas. Como exemplo, se pode ctar, ao se estudar a nfluênca de dos fatores, tas como forma e quantdade de materal. Caso, estes valores forem duplcados, o resultado fnal não será, necessaramente, o dobro. Se o sstema fosse uma mstura, a stuação sera dferente. Se dobrarmos, as quantdades de todos os componentes de uma mstura se esperam obter apenas uma composção duas vezes maor, porém com as ropredades físcas e mecâncas semelhantes, pos as propredades de uma mstura são determnadas pelas proporções de seus ngredentes, e não pela quantdade absoluta de materal. A equação (.) apresenta a soma das proporções dos dversos componentes de uma mstura, cujo total é 00%. q = x = 00 % =, (.) Onde, q é o número de componentes e x representa a proporção do -ésmo componente. Esta equação retra um grau de lberdade das proporções. Para especfcar a composção da mstura, só se precsa fxar as proporções de q- componentes. A proporção do últmo componente será sempre o que falta para completar 00%. Para modfcar as propredades de uma mstura basta mudar a sua formulação, onde as novas proporções devem contnuar obedecendo à equação (.). Esses métodos modfcados encontram larga aplcação na cênca, na engenhara e partcularmente na ndústra (GOUPY 000 APUD NETO 003). Para uma mstura formada por apenas dos componentes (bnára) a equação. reduz-se a x +x =. Sendo que, todas as possíves msturas dos dos componentes correspondentes fcam restrtos a pontos localzados sobre uma reta. Para sstemas com três fatores ndependentes, se pode realzar expermentos cujos valores estão nserdos no cubo da fgura (a). Todas as composções possíves da mstura ternára são representadas pelos pontos pertencentes ao trângulo. Os vértces correspondem aos componentes puros e os lados às msturas bnáras. Os pontos stuados no nteror do trângulo representam as msturas de três componentes. A varação de uma dada propredade com a composção da mstura, pode ser descrta por uma superfíce de resposta mostrada na fgura (b). Na fgura (c) é vsualzado a superfíce trangular com as respectvas curvas de nível
4 Fgura (a) O espaço expermental para processos com três fatores ndependentes nclu todos os pontos dentro do cubo. O espaço expermental para msturas de três componentes lmta-se aos pontos pertencentes ao trângulo. (b) Uma superfíce de resposta para todas as possíves msturas dos componentes, e 3. (c) Curvas de nível, NETO (003).. Msturas de três componentes Pode-se obter modelos de msturas de três componentes (msturas ternáras) amplando os modelos para msturas bnáras. A equação (.) apresenta o modelo lnear. y = b + (.), 0 + b x + b x b3 x3 Onde, x +x +x 3 =. Substtundo o termo b 0 por b 0 (x +x +x 3 ) e agrupando os termos em x, tem-se: * * * y = b x + b x + b3 x (.3) 3, Sendo, b * = b 0 + b, para =, e 3. A fgura (a) e (b) apresentam a superfíce de resposta de um modelo de mstura lnear e quadrátco
5 Fgura (a) superfíce de resposta de um modelo lnear para uma mstura de três componentes, com b * > b 3 * > b *. O modelo pode ser determnado usando as respostas meddas para os componentes puros, correspondente aos vértces do trângulo de base. (b) superfíce de resposta de um modelo quadrátco de uma mstura de três componentes, com b * > b 3 * > b *, b * >0 e b 3 * =b 3 * =0. O modelo quadrátco pode ser determnado usando-se somente as respostas meddas para os componentes puros e para as msturas bnáras representadas pelos pontos médos dos três lados do trângulo (NETO (003)). A nterpretação do coefcente b * é semelhante ao dos dos componentes. Quando x = e, portanto, x j =0, a resposta y será gual ao coefcente b *. Caso o modelo lnear não se mostre satsfatóro, deve-se tentar ajustar um modelo quadrátco. Para msturas de três componentes, a expressão geral do modelo quadrátco contém 0 termos (equação (.4). 0 + b x x + b x x + b xx3 x 33x3 y = b + b x + b x + b x + b x + b + b (.4) Substtundo as relações:. b 0 = (x + x + x 3 ). b 0 e b x = b x (-x -x 3 ), além de expressões análogas para b x e b 33 x 3, e agrupando os termos, tem-se: * * * * * y = b x + b x + b xx + b x x + b3 xx3 + b3 x x3, (.5) Os dez coefcentes da equação.4 fcaram reduzdos a ses. Para determnar seus valores precsamos de um planejamento expermental contendo pelo menos ses ensaos dstntos. O planejamento expermental representado pelos ses pontos da fgura (b) é usado com freqüênca sufcente, sendo comumente chamado de planejamento em rede smplex
6 OBJETIVO O objetvo prncpal desta pesqusa é realzar uma modelagem de msturas expermentas de argamassas de assentamento para alvenara estrutural, de acordo com os dados expermentas obtdos por Mohamad (998). 3 METODOLOGIA A fm de estudar as potencaldades da modelagem de msturas, baseado nos trabalhos de Nard (004), Correa (004), Gomes (004) e Neto (003), utlzou-se o programa expermental de Mohamad (998). Neste caso, não fo possível realzar a escolha prelmnar das varáves expermentas. Isto, de certa forma, pode tornar os resultados menos sgnfcatvos. Pode-se vsualzar, na tabela, as varáves (teor de cmento, cal e area) e os resultados de resstênca dos prsmas obtdos por Mohamad (998). Tabela Estudo da resstênca das argamassas na resstênca dos prsmas: composção das msturas de argamassa. Bloco de concreto com resstênca méda de 0,70 MPa. Msturas Resstênca à Traço Teor de Teor de Cal Teor de Area compressão dos (em volume) Cmento (x ) (x ) (x 3 ) prsmas (MPa) 0,5 0,5 0,75 7,97 0,5 0,5 0,75 8,88 0 : : 6 0,5 0,5 0,75 8,6 0,5 0,5 0,75 7,56 0,5 0,5 0,75 7,87 0,5 0,5 0,75 8,7 0,7 0,08 0,75 8,80 0,7 0,08 0,75 8,50 0 : 0,5 : 4,5 0,7 0,08 0,75 9,0 0,7 0,08 0,75 8,5 0,7 0,08 0,75 8,33 0,7 0,08 0,75 8,79 0,4 0,06 0,70 0,53 0,4 0,06 0,70 0,07 03 : 0,5 : 3 0,4 0,06 0,70 9,5 0,4 0,06 0,70 0,98 0,4 0,06 0,70,7 0,4 0,06 0,70,08 Observa-se na fgura 3, representando as três msturas dos materas (em volume) em análse, que se fosse adconado mas um ponto de mstura (recomendado mas três) poder-se-a obter uma regão de maor abrangênca dos resultados na superfíce de resposta, no entanto, sempre respetando as restrções mpostas
7 Fgura 3 Representação gráfca das msturas em análse 4 ANÁLISE DE RESULTADOS 4. Resstênca à compressão dos prsmas A análse dos resultados tem como fnaldade modelar numercamente o comportamento das msturas de argamassas de assentamento na resstênca à compressão axal dos prsmas de concreto. Nas msturas ternáras de argamassa, as varáves são cmento e cal produzdas com três níves, de acordo com os teores de mstura. A varável area, para a análse, fo produzda com dos níves na mstura. Pode-se observar na fgura 4 a superfíce de resposta dos resultados de resstêncas dos prsmas obtdas para dferentes msturas de argamassas. Teor de Area (%) 0,00,00 0,5 0,75 0,50 0,50 0,75 0,5,00 0,00 0,00 0,5 0,50 0,75,00 Teor de Cmento (%) Teor de Cal (%) Fgura 4 Influênca da mstura de argamassa na resstênca à compressão de blocos de concreto. Pode-se verfcar na equação 4. o comportamento da superfíce de resposta de acordo com as varáves em análse. Verfcou-se a maor nfluênca do teor de cmento no resultado de resstênca à compressão dos prsmas, através do coefcente de 35,685. Também, a nfluênca menos sgnfcatva do teor de cal, através do coefcente 6,08 e a pouca nfluênca do teor de area. Este últmo, por sua vez possuía apenas níves muto próxmos, comprometendo a formação de uma regão de abrangênca e valdade
8 y = 35,685 x + 6,08 x + 0,68 x 3 (4.) Onde, y é a resstênca à compressão (MPa), x é o teor de cmento, x é o teor de cal e x 3 é o teor de area. Para o cálculo dos coefcentes de regressão, resíduos, falta de ajuste, erro puro, porcentagem de varação explcada e porcentagem máxma de varação explcável, que se permtem verfcar a efcênca do modelo, foram utlzados as equações da tabela 3. Tabela 3 Cálculo dos coefcentes de regressão, resíduos, falta de ajuste, erro puro, porcentagem de varação explcada e porcentagem máxma de varação explcável. Fonte de varação Soma quadrátca Número de graus de lberdade m n ^ _ Regressão (SQ R ) SQ R = ( γ γ ) m n ^ Resíduos (SQ r ) SQ r = ( γ j γ ) m n ^ Falta de ajuste (SQ faj ) SQ faj = ( γ γ ) m n Erro Puro (SQ ep ) SQ ep = ( γ j γ ) m n Total (SQ T ) SQ T = ( γ j γ ) % de varação explcada: (SQ R )/ (SQ T ) % máxma de varação explcável: (SQ T - SQ ep ) / (SQ T ) j j j j j p n p m p n m n - Méda quadrátca MQ R SQR = p SQr MQr = n p MQ MQ faj ep SQ faj = m p SQep = n m Onde, Y j são os valores ndvduas, y - é a méda dos valores de cada nível, y^ são os valores estmados de acordo com o modelo numérco de prevsão, n é o número de repetções no nível, m é o número de níves dstntos da varável ndependente, n = n é gual ao número total de observações e p é o número de parâmetros do modelo. Pode-se verfcar na tabela 4, as equações para o cálculo dos coefcentes estatístcos necessáros para explcar o comportamento e a valdação do modelo utlzado representado pela superfíce de resposta referente à resstênca à compressão dos prsmas. Nota-se que os resíduos representam o somatóro do erro puro e da falta de ajuste do modelo. O cálculo é dado pelo somatóro das dferenças entre os valores ndvduas com os valores obtdos pela prevsão do modelo. Assm, a soma quadrátca resdual, dexada pelo modelo, pode ser decomposta em duas partes: uma causada pelos erros aleatóros e a outra devdo à falta de ajuste do modelo. Esta segunda parcela pode ser reduzda com o aperfeçoamento do modelo. O erro puro representa o somatóro da dferença entre os valores ndvduas em relação as suas médas, como pode ser verfcado na fgura 5. Para o modelo proposto o resultado fo 3,95, sendo assm, gual aos resíduos. Isso ocorreu devdo ao erro produzdo pelo somatóro da dferença entre os valores prevstos pelo modelo, em relação aos valores médos obtdos (falta de ajuste) serem guas à zero. É mportante destacar, caso ocorra, que a relação entre a falta de ajuste e o erro puro (SQ faj / SQ ep ) representam, para valores altos, uma falta de ajuste do modelo proposto
9 ,0 0,5 0,0 Valores Médos (MPa) 9,5 9,0 8,5 8,0 7,5 7,0 7,5 8,0 8,5 9,0 9,5 0,0 0,5,0,5,0 Valores Meddos Expermentalmente (MPa) Fgura 5 Gráfco dos valores médos e valores meddos expermentalmente no ensao de resstênca à compressão de prsmas utlzados para o cálculo do erro puro. No entanto, para termos condções de testar se há falta de ajuste, o número de níves do nosso planejamento expermental (3 níves) precsa ser maor que o número de parâmetros do modelo (cmento, cal e area). Para uma reta, por exemplo, que é caracterzada por dos parâmetros, precsa ter no mínmo três níves da varável, para que a falta de ajuste não se anulasse. Se tentar ajustar uma reta a respostas determnadas em apenas dos níves, ela passara obrgatoramente pela méda das respostas em cada nível. Isso anula o SQ faj e reduz a soma quadrátca resdual a uma soma quadrátca de erro puro, tornando mpossível descobrr qualquer falta de ajuste. Mas uma vez torna-se evdente a mportânca não apenas da análse estatístca, mas também do planejamento expermental para modelagem de msturas a fm de se obterem dados mas confáves e conclusvos. Para o estudo de caso em análse fca mpossível verfcar a falta de ajuste dos modelos. Bem como, testar novos modelos, com a fnaldade de otmzar os resultados a fm de obter um melhor desempenho e menor custo nas fabrcações de msturas ntermedáras. Ao realzar a análse dos resíduos - que são de extrema mportânca para verfcar a adequabldade do modelo, pos a porcentagem de varação explcada do modelo é a relação da soma quadrátca da regressão (SQ R /SQ T, onde SQ T = SQ R + SQ r ) em relação a soma quadrátca total - chegou-se a uma porcentagem de varação explcada gual a 83%, como se pode verfcar na tabela 04. Esse valor, porém, não deve ser comparado a 00%, por causa da contrbução devda ao erro puro. Já para a porcentagem máxma de varação explcável se desconsdera o erro puro em relação às varações dos valores do própro ensao, no qual o modelo apresentou um coefcente de aproxmadamente 00%, uma vez que o modelo não apresenta falta de ajuste
10 Tabela 4 - Tabela de análse da varânca para o ajuste. Fonte de varação Soma quadrátca Número de graus de lberdade Méda quadrátca Regressão (SQ R ) 9,30 9,65 Resíduos (SQ r ) 3,95 5 0,63447 Falta de ajuste (SQ faj ) 0,00 0,00 - Erro Puro (SQ ep ) 3, Total (SQ T ) 354, % de varação explcada: 83,00 % máxma de varação explcável: 99,98 Para testar a equação de regressão é estatcamente sgnfcatvo adotarmos: MQ R /MQ r > F, n-, onde e n- são os números de graus de lberdade da méda quadrátca devdo à regressão e da méda quadrátca resdual, respectvamente. Na referda análse precsamos do valor de F,5, que representa um coefcente estatístco para os referdos graus de lberdade, em um nível de 95% de confança (ldo em Neto, 003 tabela A.4 em anexo), o valor procurado é 3,68. A regressão será estatstcamente sgnfcatva se MQ R /MQ r > 3,68, ou seja, 36,69 > 3,68. O valor de MQ R /MQ r é 36,63, enquanto F,5 = 3,68, no nível de 95%. Isto ndca que temos uma regressão sgnfcatva, mas o teste F pressupõe uma dstrbução normal de resíduos, como pode ser verfcado na fgura 6.,0 0,8 0,6 0,4 0, Resíduos 0,0-0, -0,4-0,6-0,8 -,0 -, -,4 7,0 7,5 8,0 8,5 9,0 9,5 0,0 0,5,0,5,0 Valores Meddos Expermentalmente (MPa) Fgura 6 Gráfco dos resíduos dos valores meddos expermentalmente no ensao de resstênca à compressão de prsmas de concreto. Se for verfcado que não há nada na dstrbução dos resíduos que faça suspetar de anormaldade, consdera-se o modelo satsfatóro. É um procedmento subjetvo, mas não se deve menosprezá-lo por sso, até porque não exste alternatva, se não dspuser de alguma medda do erro aleatóro. Além dsto, examnar a dstrbução dos resíduos sempre ajuda a verfcar se não há nada de errado com o modelo
11 Nem sempre, porém, uma regressão dada como sgnfcatva pelo teste F é útl para realzar prevsões. Pode acontecer que a faxa de varação coberta pelos fatores estudados seja pequena demas, fazendo com que o efeto sobre a resposta fque mascarado pela extensão do erro expermental. Uma regra prátca que pode-se empregar é consderar regressão como útl para fns de prevsão se o valor de MQ R /MQ r for, pelo menos, de cerca de dez vezes o valor do ponto da dstrbução F com o número aproprado de graus de lberdade, no nível de confança escolhdo [Box e Wetz (973), Box e Draper (987) apud Neto, 003]. Neste caso, gostaríamos de ter um valor de MQ R /MQ r superor a 36,8. De acordo com Neto (003), pode-se também utlzar o teste F da razão MQ faj /MQ ep para avalar se o modelo está (ou não está) bem ajustado. Valores altos de MQ faj /MQ ep sgnfcarão muta falta de ajuste, e vce-versa. 5 CONCLUSÕES Ao realzar o estudo sobre a metodologa utlzada para modelagem numérca de msturas expermentas utlzando os resultados expermentas obtdos por Mohamad (998), pode-se observar que a análse dos modelos, bem como a adequação a modelos teorcamente mas efcazes, fca mpossbltada pela falta de planejamento ncal das msturas expermentas adotadas. Pode-se observar, a partr das msturas propostas - verfcando sua localzação na superfíce de resposta -, que, embora sejam essas dosagens de argamassas mas utlzadas para o assentamento na execução de alvenara estrutural, as msturas não permtem uma boa otmzação, pos não apresentam uma adequada abrangênca na superfíce de resposta. No entanto, deve-se consderar, que esta modelagem de msturas é uma metodologa recente na área das engenharas, pos, atualmente, mutos estudos desenvolvdos através de pesqusas de mestrado e de doutorado se lmtam a realzar uma análse estatístca através de análse de varânca, buscando encontrar efetos sgnfcatvos ou não-sgnfcatvos para as varáves em análse. Contudo, ao realzar pesqusas, a fm de analsar o comportamento de materas compostos por msturas, torna-se ndspensável, de acordo com os resultados ctados por Neto (003) e Nard (004), a utlzação desta metodologa com o objetvo de realzar uma análse mas abrangente, obtendo resultados de otmzação mas efcazes, útes e precsos, contemplando a nteração entre as varáves, e proporconando a elaboração de msturas (dosagens) de argamassas com maor desempenho possível a menores custos. 6 REFERÊNCIAS BARROS NETO, BENÍCIO. Como fazer expermentos: pesqusa e desenvolvmento na cênca e na ndústra. Campnas, SP: Edtora da UNICAMP, 003. MOHAMAD, GIHAD. Comportamento na Ruptura da Alvenara de Blocos de Concreto Não- Grauteado p. (Dssertação de Mestrado). Unversdade Federal de Santa Catarna. Floranópols. NARDI, JOSÉ VIDAL. Delneamento e Otmzação de Msturas Pozolâncas p. (Tese de Doutorado). Unversdade Federal de Santa Catarna. Floranópols
Probabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Varáves Varável: característcas ou tens de nteresse de cada elemento de uma população ou amostra Também chamada parâmetro, posconamento, condção...
Leia maisAnálise dos resíduos e Outlier, Alavancagem e Influência
Análse dos resíduos e Outler, Alavancagem e Influênca Dagnóstco na análse de regressão Usadas para detectar problemas com o ajuste do modelo de regressão. Presença de observações mal ajustadas (pontos
Leia maisVariáveis Indicadoras. Roteiro. Introdução
Varáves Indcadoras Rotero 1. Introdução 2. Varável Bnára de Intercepto 3. Varável de Interação 4. Aplcação 5. Varáves Qualtatvas com Váras Categoras 6. Referêncas Introdução Varáves Bnáras Modelo estenddo
Leia maisA esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva.
Dstrbução de Frequênca Tabela prmtva ROL Suponhamos termos feto uma coleta de dados relatvos à estaturas de quarenta alunos, que compõem uma amostra dos alunos de um colégo A, resultando a segunte tabela
Leia maisDeterminantes. De nição de determinante de uma matriz quadrada. Determinantes - ALGA - 2004/05 15
Determnantes - ALGA - 004/05 15 Permutações Determnantes Seja n N Uma permutação p = (p 1 ; p ; : : : ; p n ) do conjunto f1; ; ; ng é um arranjo dos n números em alguma ordem, sem repetções ou omssões
Leia mais2 PROPRIEDADES ÓPTICAS
23 2 PROPRIEDADES ÓPTICAS A segur será feta uma revsão sobre as prncpas propredades óptcas de nteresse para o nosso estudo. 2.1. Luz Segundo Maxwell, a luz é uma modaldade de energa radante que se propaga
Leia maisLEIS DE KIRCHHOFF EM CIRCUITOS DE CORRENTE CONTÍNUA
EXPERIÊNCI 04 LEIS DE KIRCHHOFF EM CIRCUITOS DE CORRENTE CONTÍNU 1. OBJETIVOS a) Determnar a força eletromotrz e a resstênca nterna de uma batera em um crcuto de malha únca. b) Calcular a resstênca nterna
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisProbabilidade: Diagramas de Árvore
Probabldade: Dagramas de Árvore Ana Mara Lma de Faras Departamento de Estatístca (GET/UFF) Introdução Nesse texto apresentaremos, de forma resumda, concetos e propredades báscas sobre probabldade condconal
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisEm muitas aplicações, estamos interessados em subgrafos especiais de um determinado grafo.
.4 Árvores Geradoras Em mutas aplcações estamos nteressados em subgrafos especas de um determnado grafo. Defnção Árvore Geradora - uma árvore T é chamada de árvore geradora de um grafo G se T é um subgrafo
Leia maisCritérios de divisibilidade em bases numéricas genéricas
Crtéros de dvsbldade em bases numércas genércas Clezo A. Braga 1 Jhon Marcelo Zn 1 Colegado do Curso de Matemátca - Centro de Cêncas Exatas e Tecnológcas da Unversdade Estadual do Oeste do Paraná Caxa
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisEscola Secundária de Lousada Ficha de trabalho de Matemática do 7º ano nº Data: / / 2011 Assunto: Tratamento de dados I Lições nº, e,
Escola Secundára de Lousada Fcha de trabalho de Matemátca do 7º ano nº Data: / / 2011 Assunto: Tratamento de dados I Lções nº, e, Estatístca é um ramos da Matemátca que permte fazer um estudo de uma forma
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisUma estimativa bayesiana aplicada aos casos notificados de hantavirose no estado do Pará via regressão logística
Uma estmatva bayesana aplcada aos casos notfcados de hantavrose no estado do Pará va regressão logístca Pâmela Tamrs Caldas Serra de Souza 1 Wagner Rogéro Ferrera Pnhero 1 Crstane Nazaré Pamplona de Souza
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisb. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda.
Meddas de Posção Introdução a. Dentre os elementos típcos, destacamos aqu as meddas de posção _ estatístcas que representam uma sére de dados orentando-nos quanto à posção da dstrbução em relação ao exo
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisESTATÍSTICA. na Contabilidade Revisão - Parte 2. Medidas Estatísticas
01/09/01 ESTATÍSTICA na Contabldade Revsão - Parte Luz A. Bertolo Meddas Estatístcas A dstrbução de frequêncas permte-nos descrever, de modo geral, os grupos de valores (classes) assumdos por uma varável.
Leia maisDISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL
DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL Dstrbuton of the wnd acton n the bracng elements consderng
Leia mais2 Experimentos com Mistura
Modelagem em Expermentos com Mstura e Mstura-Processo Expermentos com Mstura Formulações de Expermentos com Mstura (EM) são freuentemente encontradas nas ndústras uímcas, farmacêutcas, de almentos e em
Leia maisComprimento de Arco. Comprimento de Arco
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 Comprmento de Arco
Leia maisLei dos transformadores e seu princípio de funcionamento. Os transformadores operam segundo a lei de Faraday ou primeira lei do eletromagnetismo.
Le dos transformadores e seu prncípo de funconamento Os transformadores operam segundo a le de Faraday ou prmera le do eletromagnetsmo. Prmera le do eletromagnetsmo Uma corrente elétrca é nduzda em um
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisIncerteza na Medição da Largura de Cordões de Solda
(Weld Bead Wdth Measurement Uncertanty) Rosenda Valdés Arencba, José Rbamar dos Santos Rbero Unversdade Federal de Uberlânda, FEMEC, Av. João Naves de Ávla, 22 Bloco M, Uberlânda - MG, CEP 3800-902, arvaldes@mecanca.ufu.br,
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisAutores: Dani Gamerman (IM-UFRJ) Oswaldo Gomes de Souza Junior (SERPROS)
Prevsões de partdas de futebol usando modelos dnâmcos Autores: Dan Gamerman (IM-UFRJ) Oswaldo Gomes de Souza Junor (SERPROS) Alguns resultados que poderemos responder: Resultados dos jogos futuros; Quantos
Leia maisLaboratório de Mecânica Aplicada I Determinação de Centros de Gravidade
Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade 1 Introdução Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro
Leia maisComo Construir Modelos Empíricos
Unversdade Tecnológca Federal do Paraná Programa de Pós-Graduação em Engenhara Mecânca - PPGEM Como Construr Modelos Empírcos Prof a Danele Tonolo Das F. Rosa http://pagnapessoal.utfpr.edu.br/daneletdas
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia mais4. O princípio de Hardy-Weinberg
4. O prncípo de Hardy-Wenberg Em 1908 G. H. Hardy, matemátco nglês, e o médco alemão Wlhelm Wenberg propuseram que as populações de seres vvos dplódes se constturam em sstemas heredtáros suetos ao mendelsmo.
Leia maisCURVAS CARACTERÍSTICAS DE RESISTORES
EXPERIÊNCIA 02 CURVAS CARACTERÍSTICAS DE RESISTORES 1. OBJETIVOS a) Levantar curvas característcas (corrente x tensão) de resstores lneares e não lneares. b) Calcular a resstênca de um resstor metálco
Leia mais% Al 48 b) Alumínio que fica em solução. Precisamos calcular o equilíbrio da alumina com Al e O no aço:
1a Verfcação Refno dos s I EEIMVR-UFF, Setembro de 11 Prova A 1. Calcule o valor de γ no ferro, a 17 o C, com os dados fornecdos na prova. Vmos em aula que o 1% G e o γ estão relaconados através de 1%
Leia maisPREFEITURA DA CIDADE DE SÃO PAULO SECRETARIA MUNICIPAL DE TRANSPORTES. CONCORRÊNCIA nº /12-SMT Processo Administrativo nº 2010-0.349.
SECRETARIA MUNICIPAL DE TRANSPORTES MINUTA Fls.... do PA nº 2010-0.349.079-0, (a)... PREFEITURA DA CIDADE DE SÃO PAULO SECRETARIA MUNICIPAL DE TRANSPORTES CONCORRÊNCIA nº /12-SMT Processo Admnstratvo nº
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisEFICIÊNCIA NA PRODUÇÃO E NA VENDA DE MANGAS NO PÓLO PETROLINA-JUAZEIRO: O QUE OS ÍNDICES DE EFICIÊNCIA REPRESENTAM?
EFICIÊNCIA NA PRODUÇÃO E NA VENDA DE MANGAS NO PÓLO PETROLINA-JUAZEIRO: O QUE OS ÍNDICES DE EFICIÊNCIA REPRESENTAM? João Rcardo Ferrera de Lma (EMBRAPA - PPGECON/UFPE) Yony de Sá Barreto Sampao (PIMES/UFPE)
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisProposta de resolução da Prova de Matemática A (código 635) 21 de Junho de 2010
Proposta de resolução da Prova de Matemátca A (códgo 6 Como A e B são acontecmentos ncompatíves, 0 e Ou seja, de acordo com os dados do enuncado, 0% 0% 0% Versão : B Versão : C Como se trata de uma únca
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisCÁLCULO DA DIRECTRIZ
CÁCUO DA DIRECTRIZ I - Elementos de defnção da polgonal de apoo: - Coordenadas dos vértces da polgonal (M, P ); - Dstânca entre vértces da polgonal ( d); - Rumos dos alnhamentos (ângulo que fazem com a
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisProgramação de Computadores II TCC 00.174/Turma A 1
Programação de Computadores II TCC 00.174/Turma A 1 Professor Leandro A. F. Fernandes http://www.c.uff.br/~laffernandes Conteúdo: Introdução ao Java (exercícos) Materal elaborado pelos profs. Anselmo Montenegro
Leia maisINFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS NA REMOÇÃO DE ETANOL DE VINHO DELEVEDURADO POR CO 2
INFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS NA REMOÇÃO DE ANOL DE VINHO DELEVEDURADO POR CO 2 C. R. SILVA 1, M. N. ESPERANÇA 1, A. J. G. CRUZ 1 e A. C. BADINO 1 1 Unversdade Federal de São Carlos, Departamento
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisMedidas de tendência central. Média Aritmética. 4ª aula 2012
Estatístca 4ª aula 2012 Meddas de tendênca central Ajudam a conhecer a analsar melhor as característcas de dados colhdos. Chamamos de meddas de tendênca central em decorrênca dos dados observados apresentarem
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisUM PROCEDIMENTO PARA CALCULAR ÍNDICES A PARTIR DE UMA BASE DE DADOS MULTIVARIADOS
Vol. 21, No. 1, p. 107-117, junho de 2001 Pesqusa Operaconal 107 UM PROCEDIMENTO PARA CALCULAR ÍNDICES A PARTIR DE UMA BASE DE DADOS MULTIVARIADOS Luca Slva Kubrusly Insttuto de Economa /UFRJ Av. Pasteur,
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisAgrupamento de características agronômicas para avaliação de cultivares de sorgo via análise fatorial
Agrupamento de característcas agronômcas para avalação de cultvares de sorgo va análse fatoral Gudo Gustavo Humada-González 7 Glberto Rodrgues Lska 7 Augusto Ramalho de Moraes 7 Marcelo Ângelo Crllo 4
Leia maisMÉTODO DE FIBONACCI. L, em que L
Métodos de bonacc e da Seção Aúrea Adotando a notação: MÉTODO DE IBOACCI L e L L, em que L b a, resulta a: ncal orma Recursva: ara,,, - (-a) ou ara,,, - (-b) A esta equação se assoca a condção de contorno
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisCoordenação de Semáforos
Paragem dos Veículos Veículos "Lbertados" Paragem dos Veículos Veículos "Lbertados" "Agrupamento " Pelotões "Agrupamento " Pelotões C O O R D E N A Ç Ã O Onda Verde... IST/ Lcencaturas em Engª Cvl & Terrtóro
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
Leia maisCasos de estimação do modelo de ajustamento da dívida com o xtabond2 do Stata
Lus Fernandes Rodrgues Casos de estmação do modelo de ajustamento da dívda com o xtabond do Stata Arellano-Bond (99) nspraram-se na forma de nstrumentar de Holtz-Eakn, Newe, e Rosen (988) que preconzam,
Leia maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisIncerteza e propagação de Erros em sistemas de medição. Prof. Valner Material desenvolvido com notas de aulas e
Incerteza e propagação de Erros em sstemas de medção Prof. Valner Materal desenvolvdo com notas de aulas e bblografa Incerteza de medção Documento mportante: Gude to the Epresson of Uncertant n Measurement
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisControle de Processo de Produção do Alto Forno por meio de Técnicas Estatísticas Multivariadas em Tempo Real
Eduardo Perera da Rocha Thomsen Controle de Processo de Produção do Alto Forno por meo de Técncas Estatístcas Multvaradas em Tempo Real Dssertação apresentada à banca examnadora como parte ntegrante dos
Leia maisCálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia mais(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:
1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisUTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é:
UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Departamento de Estatístca - Mestrado em Qualdade Unversdade Estadual de Campnas Brasl 1. Introdução Qualdade é hoje
Leia maisCapítulo 1 Variáveis Elétricas
Capítulo 1 Varáes Elétrcas 1.1 Vsão geral da engenhara elétrca A engenhara elétrca é uma profssão empolgante e desafadora para qualquer um que tenha nteresse genuíno pela cênca e matemátca aplcada. Engenhara
Leia maisSignificado biológico dos parâmetros do modelo de regressão broken-line. bi-segmentado para o melhoramento genético de plantas
Pnto & Das Sgnfcado bológco dos parâmetros do modelo de regressão broken-lne b-segmentado para o melhoramento genétco de plantas Luz Roberto Martns Pnto Carlos Tadeu dos Santos Das Resumo: A avalação de
Leia maisDeterminantes da Qualidade das Práticas de Governança Corporativa das Empresas Brasileiras de Capital Aberto que Possuem Investimentos Públicos
Determnantes da Qualdade das Prátcas de Governança Corporatva das Empresas Brasleras de Captal Aberto que Possuem Investmentos Públcos Autora: Mosés Araújo Almeda, Joséte Florênco dos Santos Resumo A adoção
Leia maisY = AN α, 0 < α < 1 (1) Π = RT CT = P Y W N (2) Π/ N = α N α -1 AP W = 0. W = α P AN α -1. P = W/α AN α -1
Gabarto da Lsta 1 de Macro II 2008.01 1 a Questão a)falso, pode ocorrer que a força de trabalho cresça juntamente com o número de empregados. Se a Força de trabalho crescer mas que o número de empregados
Leia maisRodoviário, ferroviário ou marítimo de cabotagem? O uso da técnica de preferência declarada para avaliar a intermodalidade no Brasil
Rodováro, ferrováro ou marítmo de cabotagem? O uso da técnca de preferênca declarada para avalar a ntermodaldade no Brasl Antôno Galvão Novaes 1 ; Brunno Santos Gonçalves 2 ; Mara Beatrz Costa 3 ; Slvo
Leia maisF-328 Física Geral III
F-328 Físca Geral III Aula exploratóra- 06 UNICAMP IFGW username@f.uncamp.br F328 2 o Semestre de 2013 1 Corrente elétrca e resstênca Defnção de corrente: Δq = dq = t+δt Undade de corrente: 1 Ampère =
Leia maisDIMENSIONAMENTO DE FILTROS RÁPIDOS POR GRAVIDADE COM TAXA DECLINANTE VARIÁVEL
DIMENSIONAMENTO DE FILTROS RÁPIDOS POR GRAVIDADE COM TAXA DECLINANTE VARIÁVEL Renato Machado (1) Engenhero da Companha Rograndense de Saneamento - CORSAN, Professor Adjunto do Departamento de Engenhara
Leia maisCaderno de Fórmulas. CCB, CCE e NCE - Cetip21
- Cetp21 Elaboração: Novembro/2005 Últma Atualzação: 27/05/2016 Apresentação E ste Caderno de Fórmulas tem por objetvo nformar aos usuáros a metodologa e os crtéros de precsão dos cálculos referentes às
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisUM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS
UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o
Leia maisAPLICAÇÃO MODEL OUTPUT STATISTICS PARA PREVISÃO DA TEMPERATURA MÍNIMA NO SUL E SUDESTE DO BRASIL
APLICAÇÃO MODEL OUTPUT STATISTICS PARA PREVISÃO DA TEMPERATURA MÍIMA O SUL E SUDESTE DO BRASIL Ilja S. Km (Centro de Pesqusas Meteorológcas, Faculdade de Meteorologa, Unversdade Federal de Pelotas, Pelotas
Leia maisDiagnóstico em Regressão. Rejane Sobrino Pinheiro Tania Guillén de Torres
Dagnóstco em Regressão Rejane Sobrno Pnhero Tana Gullén de Torres Dagnóstcos em Regressão Introdução Conjunto de ferramentas para análse dos resíduos, detecção de valores extremos (outlers), de pontos
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia mais