Exercícios de CPM e PERT Enunciados
|
|
- Norma Canto Esteves
- 7 Há anos
- Visualizações:
Transcrição
1 Capítulo 7 Exercícos de CPM e PERT Enuncados
2 Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a cdade do Porto. Este proecto fo dvddo em tarefas, tendo as suas precedêncas sdo estabelecdas e os tempos de execução médos, e seus desvos-padrão, estmados: Actvdade Descrção Duração Desvo- Actvdades méda Padrão medatamente (semanas) (semanas) posterores LO Obtenção de lcenças de obras 5 1 OA, ME RTF OA Obras de alteração do edfíco 21 2 II ME Medção do espaço 1 0 PAI, PAM RTF Recrutamento e treno dos funconáros 21 1 M PAI Planeamento e aqusção de nfra-estruturas 24 1 II II Instalação de nfra-estruturas 7 1 IM PAM Planeamento e aqusção de mobláro 10 1 IM IM Instalação de mobláro 1 0 M M Mudança 2 0 (a) Desenhe a rede de actvdades correspondente ao proecto. (b) Calcule as folgas totas e lvres e determne o camnho crítco. (c) Qual é a probabldade de o proecto se atrasar 2 semanas ou mas? (d) Durante a execução do proecto conclu-se que as actvdades OA e PAM sofrerão atrasos de 4 e 8 semanas, respectvamente. Será necessáro alterar a execução dessas actvdades para que a data prevsta para a conclusão do proecto não sea comprometda? Justfque.
3 Exercícos de CPM e PERT Enuncados 107 Problema 2 No quadro segunte estão representadas as actvdades que consttuem um determnado proecto. Para cada uma é fornecda a sua duração e as actvdades que lhe são medatamente posterores: Actvdade Duração Actvdades méda medatamente (semanas) posterores A 2 G B 4 C 7 E, I, B D 3 A, F E 3 G F 3 I, B G 4 H H 5 I 9 H Desenhe a rede de actvdades assocada a este proecto e determne o camnho crítco e as folgas totas e lvres de todas as actvdades do proecto.
4 Exercícos de CPM e PERT Enuncados 108 Problema 3 Consdere o segunte proecto: Actvdade Duração Desvo- Actvdades méda Padrão medatamente (semanas) (semanas) precedentes A 8 3 D B 1 0 H C 5 1 D 8 2 E 10 3 C, D F 6 2 H G 4 1 B,I,J H 5 1 A, E I 9 2 D J 2 0 A, E (a) Trace a rede de actvdades para este proecto. (b) Defna o camnho crítco (em termos de durações médas). (c) Defna as folgas médas (total e lvre) das actvdades H, J e I. (d) Determne a probabldade de o proecto estar concluído antes da semana 27 (admta que o proecto arranca no níco da semana 0). Crtque a estmatva da probabldade obtda. (e) Qual a probabldade de o proecto estar concluídoentreoníco da semana 27 e o fm da semana 30? (f) Quedatadeconclusão do proecto deverá ser proposta, para que haa apenas 5% de probabldade de não a cumprr? (g) No fm da semana 13, o estado de execução das dferentes actvdades é o segunte: actvdades completas: C e D actvdades em execução: E (valor esperado da duração restante: 1 semana) A (valor esperado da duração restante: 1 semana) I (valor esperado da duração restante: 8 semana) actvdades não ncadas: as restantes Redefna a rede. Indque sobre a rede os valores esperados das datas de níco mas cedo e das datas de fm mas tarde para as actvdades não termnadas, bem como o(s) camnho(s) crítco(s), na nova stuação.
5 Exercícos de CPM e PERT Enuncados 109 Problema 4 Um dado proecto envolve as 9 actvdades que se caracterzam na tabela segunte: Actvdade Duração Desvo- Actvdades méda Padrão medatamente (semanas) (semanas) anterores A 10 2 B 7 1 C 16 3 D 12 1 A E 5 1 B F 12 2 B G 8 2 E, D H 10 2 F, E, D I 8 2 G, H (a) Defna os números de ordem das actvdades, desenhe a rede correspondente e determne o camnho crítco. (b) Calcule as folgas médas total e lvre das actvdades F, B e D. Qual o nteresse desses valores no controlo de um proecto? (c) Calcule a probabldade de o proecto não estar completo ao fm de 50 semanas. Que confança tem no valor encontrado?
6 Capítulo 7 Exercícos de CPM e PERT Resoluções
7 Exercícos de CPM e PERT Resoluções 111 Problema 1 (a) Para desenhar a rede de actvdades é necessáro começar por atrbur um número de ordem a cada actvdade, segundo o algortmo dado nas aulas teórcas: Actvdades medatamente subsequentes (posterores) Número Actvdade LO OA ME RTF PAI II PAM IM M de ordem LO x x x 1 OA x 2 ME x x 2 RTF x 2 PAI x 3 II x 4 PAM x 3 IM x 5 M 6 Segudamente, desenham-se 6+1 = 7 lnhas vertcas e constro-se a rede partndo do fm para o prncípo. O níco de cada actvdade concde com a lnha vertcal correspondente ao seu número de ordem. Esta fase do desenho da rede está representada na fgura segunte OA PAI II LO ME IM M PAM RTF Smplfcando a rede apresentada na fgura anteror, obtém-se a rede representada na fgura segunte.
8 Exercícos de CPM e PERT Resoluções 112 OA(21) 1 LO(5) 2 ME(1) 3 PAI(24) 4 II(7) 5 IM(1) 6 M(2) 7 PAM(10) RTF(21) -Actvdades Desgnação (d ) (b) Na fgura segunte estão representadas as folgas totas e lvres de cada uma das actvdades. O camnho crítco corresponde às actvdades LO ME PAI II IM M
9 Exercícos de CPM e PERT Resoluções 113 OA(21) 4/ LO(5) ME(1) PAI(24) II(7) IM(1) M(2) PAM(10) 21/21 RTF(21) 12/12 ES. LF. -Actvdades Desgnação (d ) FT /FL -Actvdades crítcas (c) Duração total do proecto é gual à soma das durações das actvdades do camnho crítco: D T = D 1 + D 2 + D D n =40 Como as durações das actvdades são varáves aleatóras, D T varável aleatóra com méda µ T dada por: também será uma µ T = µ 1 + µ 2 + µ µ n =40 Admtndo que as durações das actvdades são varáves aleatóras ndependentes, a varânca da duração total σ 2 T será: σ 2 T = σ2 1 + σ2 2 + σ σ2 n = =3 Duração total do proecto pode ser descrta por uma dstrbução normal com méda µ T evarânca σt 2. A probabldade de o proecto se atrasar 2 semanas ou mas, corresponde àprobabldade de a duração do proecto ser 42. P (D 42) = P ( Z 42 µ T σ T ) = P ( Z ) = P (Z 1.15) % (d) Dado que o atraso de 4 semanas na actvdade OA, é que a folga total de OA, esse atraso não compromete a data de fm do proecto. Dado que o atraso de 8 semanas na actvdade PAM, é que a folga total de PAM, esse atraso nãocomprometeadatadefmdoproecto.
10 Exercícos de CPM e PERT Resoluções 114 Problema 2 Para desenhar a rede de actvdades é necessáro começar por atrbur um número de ordem a cada actvdade, segundo o algortmo dado nas aulas teórcas: Actv. medatamente posterores Número Actvdade A B C D E F G H I de ordem A x 2 B 3 C x x x 1 D x x 1 E x 2 F x x 2 G x 3 H 4 I x 3 Segudamente, desenham-se = 5 lnhas vertcas e constro-se a rede partndo do fm para o prncípo. O níco de cada actvdade concde com a lnha vertcal correspondente ao seu número de ordem. Esta fase do desenho da rede está representada na fgura segunte E G C H D A I F B Smplfcando a rede apresentada na fgura anteror, obtém-se a rede representada na fgura segunte.
11 Exercícos de CPM e PERT Resoluções E(3) 4 G(4) 6 C(7) H(5) 1 I(9) 7 D(3) A(2) B(4) 3 F(3) 5 -Actvdades Desgnação (d ) Na fgura segunte estão representadas as folgas totas e lvres de cada uma das actvdades. O camnho crítco corresponde às actvdades C I H e tem uma duração méda de 21 semanas E(3) 2/ G(4) 4 6 2/2 0 0 C(7) A(2) 7/5 H(5) D(3) 1/ I(9) B(4) 10/ F(3) 1/1 5 ES. LF. -Actvdades Desgnação (d ) FT /FL -Actvdades crítcas
12 Exercícos de CPM e PERT Resoluções 116 Problema 3 (a) Para desenhar a rede de actvdades é necessáro começar por atrbur um número de ordem a cada actvdade, segundo o algortmo dado nas aulas teórcas: Actvdades medatamente posterores Número Actvdade A B C D E F G H I J de ordem A x x 2 B x 4 C x 1 D x x x 1 E x x 2 F 4 G 5 H x x 3 I x 2 J x 3 Segudamente, desenham-se 5+1 = 6 lnhas vertcas e constro-se a rede partndo do fm para o prncípo. O níco de cada actvdade concde com a lnha vertcal correspondente ao seu número de ordem. Esta fase do desenho da rede está representada na fgura segunte D A H C E J B G I F Smplfcando a rede apresentada na fgura anteror, obtém-se a rede representada na fgura segunte.
13 Exercícos de CPM e PERT Resoluções E(10) 4 H(5) 5 F(6) 7 1 C(5) A(8) J(2) B(1) G(4) D(8) 3 I(9) 6 -Actvdades Desgnação (d ) (b) Na fgura segunte estão representadas as folgas totas e lvres de cada uma das actvdades. O camnho crítco corresponde às actvdades D E H F etem uma duração méda de 29 semanas C(5) 3/3 D(8) E(10) H(5) A(8) 2/2 I(9) 8/7 J(2) 5/4 B(1) 1/0 F(6) G(4) 1/1 7 ES. LF. -Actvdades Desgnação (d ) FT /FL -Actvdades crítcas (c) Ver fgura anteror. (d) A duração total do proecto é gual à soma das durações das actvdades do camnho crítco:
14 Exercícos de CPM e PERT Resoluções 118 D T = D 1 + D 2 + D D n =29 Como as durações das actvdades são varáves aleatóras, D T varável aleatóra com méda µ T dada por: também será uma µ T = µ 1 + µ 2 + µ µ n = =29 Admtndo que as durações das actvdades são varáves aleatóras ndependentes, a varânca da duração total σ 2 T será: σ 2 T = σ2 1 + σ2 2 + σ σ2 n = =18 Duração total do proecto pode ser descrta por uma dstrbução normal com méda µ T evarânca σt 2. Neste caso teremos então: P (D 27) = P ( ) Z 27 µ T σ T = P (Z )=P(Z 0.47) A probabldade de o proecto estar concluído antes da semana 27 é de aproxmadamente 30%. Fo dto que a duração do camnho crítco tnha uma dstrbução que tenda para a dstrbução normal. Isso sgnfca que a sua dstrbução não será exactamente normal, tal como nós a consderamos. Estamos pos perante uma possível fonte de erro para a estmatva da probabldade encontrada. Outro pressuposto que pode falsear os resultados é de que a duração do proecto é a duração do camnho crítco encontrado. Ora este é o camnho crítco quando as actvdades demoram exactamente a sua duração méda. Se sso não acontecer pode o camnho crítco ser alterado e a duração do proecto não corresponder à duração do camnho crítco médo. (e) A probabldade de o proecto estar concluído entre o níco da semana 27 e o fm da semana 30 á a probabldade de a duração do proecto estar entre 27 e 31. P (27 D 31) = P ( Z ) 4.24 = P ( 0.47 Z 0.47) = (f) Devem-se propor 36 semanas até àconclusão do proecto, para que haa apenas 5% de probabldade de não cumprmento. P (D d) =0.05 P ( Z d 29 ) 4.24 =0.05 d =1.645 d = 36 semanas (g) A stuação nterméda referda no enuncado, está representada na fgura segunte.
15 Exercícos de CPM e PERT Resoluções E*(1) 4 H(5) 5 F(6) 7 J(2) 0 0 A*(1) B(1) 8 8 G(4) 3 I*(8) 6 ES. LF. -Actvdades Desgnação (d ) -Actvdades crítcas Os camnhos crítcos correspondem às actvdades E H F, A H F e I G etêm uma duração méda de 12 semanas A semana 0 desta rede corresponde à semana 14 da rede ncal, o que sgnfca que o proecto pode termnar no níco da semana 26 (ou fm da semana 25), estando 3 semanas adantado face àprevsão ncal.
16 Exercícos de CPM e PERT Resoluções 120 Problema 4 (a) Para desenhar a rede de actvdades é necessáro começar por atrbur um número de ordem a cada actvdade, segundo o algortmo dado nas aulas teórcas: Actv. medatamente posterores Número Actvdade A B C D E F G H I de ordem A x 1 B x x 1 C 1 D x x 2 E x x 2 F x 2 G x 3 H x 3 I 4 Segudamente, desenham-se 4+1 = 5 lnhas vertcas e constro-se a rede partndo do fm para o prncípo. O níco de cada actvdade concde com a lnha vertcal correspondente ao seu número de ordem. Esta fase do desenho da rede está representada na fgura segunte A B D E G H I F C Smplfcando a rede apresentada na fgura anteror, obtém-se a rede representada na fgura segunte.
17 Exercícos de CPM e PERT Resoluções 121 C(16) A(10) B(7) D(12) E(5) G(8) I(8) F(12) H(10) -Actvdades Desgnação (d ) O camnho crítco corresponde às actvdades A D H I e tem uma duração méda de 40 semanas. C(16) A(10) D(12) G(8) I(8) B(7) 7 10 E(5) H(10) F(12) ES. LF. -Actvdades Desgnação (d ) -Actvdades crítcas (b) Na fgura segunte estão representadas as folgas totas e lvres de cada uma das actvdades.
18 Exercícos de CPM e PERT Resoluções 122 C(16) A(10) D(12) G(8) 2/2 I(8) B(7) 3/ E(5) 10/ H(10) F(12) 3/3 ES. LF. -Actvdades Desgnação (d ) FT /FL -Actvdades crítcas (c) A duração total do proecto é gual à soma das durações das actvdades do camnho crítco: D T = D 1 + D 2 + D D n =40 Como as durações das actvdades são varáves aleatóras, D T varável aleatóra com méda µ T dada por: também será uma µ T = µ 1 + µ 2 + µ µ n = =40 Admtndo que as durações das actvdades são varáves aleatóras ndependentes, a varânca da duração total σ 2 T será: σ 2 T = σ2 1 + σ2 2 + σ σ2 n = =13 Duração total do proecto pode ser descrta por uma dstrbução normal com méda µ T evarânca σt 2. Neste caso teremos então: P (D 51) = P ( ) Z 51 µ T σ T = P (Z )=P(Z 3.05) A probabldade de o proecto não estar concluído ao fm de 50 semanas é de aproxmadamente 1%.
Estatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia mais2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I
ª ATIVIDADE ESRITA DE MATEMÁTIA A.º 009 NOVEMBRO 0 Duração da prova 4 mnutos VERSÃO Grupo I Para cada uma das três questões deste grupo, seleccone a resposta correcta de entre as alternatvas que lhe são
Leia maisRamos Energia e Automação
Mestrado Integrado em Engenhara Electrotécnca e de Computadores Investgação Operaconal Ramos Energa e Automação 2009.01.15 Prova com consulta Alunos admtdos a exame com avalação contínua Duração: 2h30
Leia maisIntrodução a Processos Estocásticos:Exercícios
lvroexerccos 2017/3/19 11:24 page #1 Introdução a Processos Estocástcos:Exercícos Luz Antono Baccalá Escola Poltécnca da USP Departamento de Engenhara de Telecomuncações e Controle 2016 lvroexerccos 2017/3/19
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 maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisFUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa
INSIUO SUPERIOR ÉNIO LEGI (Lcencatura em Engenhara e Gestão Industral) FUNDAMENOS DE INVESIGAÇÃO OPERAIONAL 2.º teste 21 de Mao de 2016 Duração: 1h:30 Resolução ndcatva 1. Um estabelecmento de ensno superor
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia 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 maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisResponda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.
Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia 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 maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia 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 maisEXERCÍCIOS SUPLEMENTARES
PROBABILIDADES E ESTATÍSTICA PROBABILIDADES E ESTATÍSTICA I EXERCÍCIOS SUPLEMENTARES Secção de Estatístca e Aplcações Departamento de Matemátca Insttuto Superor Técnco 2004/2005 Adenda A1. De um lote de
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 mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
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 maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
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 maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisDepartamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória
Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
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 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 maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)
1 UNIVERIDADE NOVA DE LIBOA Faculdade de Economa Análse de Dados e Probabldade º emestre 008/009 Teste Intermédo A Clara Costa Duarte Data: 01/04/009 Graça lva Duração: 1h Grupo I (5 Valores) uponha que
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisMecânica e Ondas 1º Ano -2º Semestre 2º Exame 06/07/2017 8:00h
Lcencatura em Engenhara Geológca e de Mnas Lcencatura em Matemátca Aplcada e Computação Mestrado Integrado em Engenhara Bomédca Mecânca e Ondas 1º Ano -º Semestre º Exame 06/07/017 8:00h Duração do exame:
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisTRANSPORTES. Sessão Prática 9 Modelos de Escolha Discreta Modelo Logit
Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 9 Modelos de Escolha Dscreta Modelo Logt Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl Transportes
Leia maisGestão de Projetos Informáticos -- INSTRUÇÕES --
Mnstéro da Cênca, Tecnologa e Ensno Superor U.C. 21062 Gestão de Proetos Informátcos Época Normal -- INSTRUÇÕES -- O tempo de duração da prova de exame é de 2 horas, acrescda de 30 mnutos de tolerânca.
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia mais2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6:
Lsta de Exercícos - Probabldade INE 700 GABARITO LISTA DE EXERÍIOS PROBABILIDADE ) Vamos medr o tempo de duração da lâmpada. Ao lgarmos a lâmpada ela pode não funconar, ou durar um tempo ndetermnado. a)
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia 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 maisExercícios de exames e provas oficiais
mata dstrbuções, normal, bnomal Eercícos de eames e provas ofcas. Um saco contém nove bolas numeradas de a 9, ndstnguíves ao tato. onsdere a segunte eperênca aleatóra: retram-se smultaneamente e ao acaso,
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia 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 maisLivro Eletrônico Aula 00 Noções de Estatística p/ ANTAQ - Especialista / Técnico em Regulação (com videoaulas)
Lvro Eletrônco Aula 00 Noções de Estatístca p/ ANTAQ - Especalsta / Técnco em Regulação (com vdeoaulas) Professor: Arthur Lma ! AULA 00 (demonstratva) SUMÁRIO PÁGINA 1. Apresentação 01 2. Cronograma do
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisNotas de Aula de Probabilidade A
VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável
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 maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia 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 maisBC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011
BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares novembro 0 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares quadrmestre 0 Além destes eercícos,
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 maisUNIVERSIDADE DOS AÇORES Curso Matemática Aplicada e Curso Livre
UNIVERSIDADE DOS AÇORES Curso Matemátca Aplcada e Curso Lvre Sondagens e Amostragem 4º Ano º Semestre 005/006 Fcha de trabalho nº 1 Amostragem aleatóra smples 1. Uma população U é composta por cnco números,
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisExercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor.
Estatístca Exercícos 1. (Enem 013) Fo realzado um levantamento nos 00 hotés de uma cdade, no qual foram anotados os valores, em reas, das dáras para um quarto padrão de casal e a quantdade de hotés para
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 maisVariáveis Aleatórias
Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia maisExercícios de exames e provas oficiais
mata dstrbuções, normal, bnomal Eercícos de eames e provas ofcas. Seja X uma varável aleatóra com dstrbução normal de valor médo 0. Sabe-se que P X 0 0, Qual é o valor de P X X? 0,8 0, () 0, 0, matemátca
Leia maisProblemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.
Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que
Leia maisNeste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.
1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisa média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco
Leia maisA redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisPágina 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não
Preparar o Exame 0 0 Matemátca A Págna 9. Se 5 5 é o argumento de z, é argumento de z e 5 5. Este ângulo é gual ao ângulo de ampltude 5 é argumento de z.. Resposta: D w w a b b a b b. a b a a b b b bem
Leia maisDados ajustáveis a uma linha recta
Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:
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 mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
Leia mais2. VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo
Leia mais1ª PROVA DE ESTATÍSTICA EXPERIMENTAL
UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisPlano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009
Plano de amostragem do ISA-Captal 2008 ara Cecíla Go Porto Alves ara ercedes L. Escuder 24 de junho de 2009 Tamanho da amostra A população de estudo refere-se àquela resdente em área urbana do uncípo de
Leia mais1º Exame de Mecânica Aplicada II
1º Exame de Mecânca Aplcada II Este exame é consttuído por 4 perguntas e tem a duração de três horas. Justfque convenentemente todas as respostas apresentando cálculos ntermédos. Responda a cada pergunta
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 maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisCAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL
CPÍTULO IV PROPRIEDDES GEOMÉTRICS D SEÇÃO TRNSVERSL Propredades Geométrcas da Seção Transversal 4. Propredades Geométrcas da Seção Transversal 4.. Introdução O presente trabalho é desenvolvdo paralelamente
Leia maisEscola Secundária Dr. Ângelo Augusto da Silva Matemática 12.º ano Números Complexos - Exercícios saídos em (Exames Nacionais 2000)
Internet: http://rolvera.pt.to ou http://sm.page.vu Escola Secundára Dr. Ângelo Augusto da Slva Matemátca.º ano Números Complexos - Exercícos saídos em (Exames Naconas 000). Seja C o conjunto dos números
Leia maisAnálise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas
Análse de Projectos ESAPL / IPVC Taxas Equvalentes Rendas Taxas Equvalentes Duas taxas e, referentes a períodos dferentes, dzem-se equvalentes se, aplcadas a um mesmo captal, produzrem durante o mesmo
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisPROBABILIDADE. 3) Jogando-se dois dados, qual a probabilidade de que a soma dos pontos obtidos seja menor que 4?
Segmento: ENSINO MÉDIO Dscplna: MATEMÁTICA Tpo de Atvdade: LISTA DE EXERCÍCIOS Prof. Marcelo 06/2016 Turma: 3 A PROBABILIDADE 1) No lançamento de um dado, determnar a probabldade de se obter: a) o número
Leia maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais
Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:
Leia mais