Caracterização de Partículas. Prof. Gerônimo

Tamanho: px
Começar a partir da página:

Download "Caracterização de Partículas. Prof. Gerônimo"

Transcrição

1 Caracterzação de Partículas Prof. Gerômo

2

3

4 Aálse Graulométrca de partículas

5

6 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, ,4699 0, ,27 0,06 8 0,262 0,02 0 0,65 0,05 4 0,68 0, ,08 0, ,0589 0, ,047 0, ,0295 0, ,0208 0, ,047 0, ,004 0, ,0074 0,002

7

8 - Equpametos

9 Peeras com base vbratóra

10 Mcroscopa gtal

11

12

13 Mcrografas de óxdo de óbo hdratado.

14 Aálse Graulométrca Caracterzação Graulométrca: Tato a especfcação da fura desejada, como o cálculo da eerga ecessára para realzar uma operação de fragmetação, requerem a defção do que s etede por tamaho das partículas do materal. A determação de outras característcas do produto moído também exge o cohecmeto prévo de graulometra e geometra das partículas que costtuem. stguem-se pelo tamaho, cco tpos de sóldos partculados, apesar dessa dstção ão ser muto ítda. Pós: partículas de m até 0,5 mm; Sóldos graulares: de 0,5 mm a 0 mm; Blocos pequeos: partículas de a 5 cm; Blocos médos: partículas de 5 até 5 cm; Blocos grades: partículas maores que 5 cm.

15 PENEIRAÇÃO Aálse Graulométrca A peeração cosste em fazer passar a partícula através de malhas progressvamete meores, até que ela fque retda. O tamaho da partícula será compreeddo etre a méda da malha que reteve ( ) e a medatamete ateror ( 2 ). A méda artmétca das abertura dessas malhas servrá para caracterzar o tamaho físco da partícula (). 2 2 essa forma característcas mportates do materal poderão ser obtdas em fução de : ) Superfíce extera de cada partícula (s): s = a 2 Ex: Para esfera (tamaho característco = dâmetro) s = 2, portato a =. Ex: Para o cubo (tamaho característco = aresta) s = 6 2, portato a =6.

16 2) Volume da Partícula (V) V =b. Aálse Graulométrca Para a esfera : V = /6, b = /6. Para o cubo: V =, b = ) Fator de forma () = a/b. Para cubos e esferas = 6. Mutos produtos de operação de moagem possuem = 0,5. Para mutos tpos de pós, o valor vara de 7 a 8. Para partículas lamares de mca, 55. 4) Números de partículas da amostra (N): N amostra partícula m/ b m b N m b

17 Aálse Graulométrca 5) Superfíce extera total (S): S = sn = a 2 m = λm = λv b ρ ρ 6) Superfíce específca S esp. = S/m = / PENEIRAÇÃO: Sstema de peeras sére Tyler, mas usada.

18 Sedo: mesh (maor abertura) 4 mesh 6 mesh 50 mesh m m 2 m Δφ = m M - Δφ = Fração mássca retda em cada peera. - M = m Δφ - Número de partículas (N). - Para materas homogêeos: 200 mesh m - - Para materas heterogêeos: Peeração Fudo m m m 2 m N... b b b 2 m b

19 Aálse Graulométrca Portato: o úmero de partícula será: Para aálse graulométrca dferecal Para aálse acumulatva (método tegral) N m d b 0 OBS: O método tegral é mas precso que o dferecal.

20 Aálse Graulométrca Superfíce extera (S): Para materas homogêeos : Para materas heterogêeos: Para aálse graulométrca dferecal Para aálse acumulatva (método tegral) m S M S d M S 0

21 Exercícos: ) Vte gramas de uma amostra de café solúvel, com partículas esfércas (a= e b = /6) de =,5 g/cm, foram submetdas à uma aálse graulométrca, obteve-se os segutes resultados abaxo: Malha (mesh) Massa retda (g) , Fudo 0,8 eterme o úmero de partículas e a área superfcal total da amostra, utlzado os métodos dferecal e tegral (acumulatvo). Solução:

22 Método ferecal Mesh massa retda (g) Mesh (médo) / / / / ,056 65, ,56 0,0255 9, , , , 0, ,8 7885, , , 0,005 90, , ,050 Fudo 0, fudo 0,04 0, , , ,8 total 20 A(total) ,028 N = 2,426E+07 Partículas S = 4722 cm 2 0,6 0,5 0,4 Hstograma x 0, 0,2 0, 0 0,056 0,0255 0,0775 0,005 0,007

23 Método Acumulatvo (tegral) Mesh / ( 2 - )/2 [(/ )+(/ )] A / B = A ,0295, ,56 0, ,077 0,280 8,975 22, ,86 0,047 68,027 0,50 6,04 7, ,96 0,0074 5,5 0,050 20,62 0, Fudo 0, ,270 0, ,405 8, A(total) 58,65 A(total2) N =,76E+07 Partículas 00 S = 469 cm 2 Gráfco / x 2,0000E+07 Gráfco Itegral aculumatvo (/ x ) 250,5000E+07 / /,0000E Área total 5,0000E+06 Área total ,56 0,86 0,96 0,0000E ,56 0,86 0,96

24 âmetro médo da partícula baseados as aálses graulométrcas Exstem város tpos de méda que podem ser defdos para um dado materal. O método de Bod tem se revelado útl pela rapdez da determação: O dâmetro médo da amostra é adotado gual à abertura da peera através da qual passam 80 % do materal, o dâmetro correspodete é - = 0,8.

25 âmetro médo da partícula baseados as aálses graulométrcas âmetro médo artmétco ( a ). Multplcado o dâmetro desta partícula pelo úmero total de partículas obteremos a soma de todos os dâmetros da amostra. a N N... N 2 2 N N2... N Usado os dados da aálse graulométrca dferecal, temos: N N a M d 2 2 b 0 para AGA a M d b 0

26 âmetro médo da partícula baseados as aálses graulométrcas Méda lear dos dâmetros( a ). Não se trata de um dâmetro médo, mas de uma gradeza estatístca e que tem mportâca o estudo da evaporação de gotículas o seo de gases, como a produção de fertlzates ou café solúvel. = acumulatvo,0 d 0 a Méda lear dos dâmetros. ' 0 a ' a 0 d para AGAR d 2 2 para AG

27 âmetro médo da partícula baseados as aálses graulométrcas âmetros médo superfcal ( s ). Méda superfcal dos dâmetros( s ). 0 0 para AGAR para AG s s d d 0 para AGAR para AG s s d âmetro médo volumétrco ( v ). 0 para AGAR para AG v s d

28 Exercícos: Uma amostra de 00g de quartzo trturado apreseta aálse graulométrca a segur. Os valores a e b do fator de forma são respectvamete,5 e 2. Calcular a superfíce total e o úmero de partícula da amostra: = 2,65 g/cm. Utlzado o método dferecal. Utlzado o método tegral (método dos trapézos). Utlzado um programa de computador para determar a área abaxo da curva o método tegral. O dâmetro médo superfcal. O dâmetro médo volumétrco. Malhas Massa (g) ,5 8 2,50 0 2, , , ,8 5,2 48,5 65 0, ,70

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

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

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

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 Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

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

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

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

UNIVERSIDADE DE SÃO PAULO ENGENHARIA QUÍMICA LOQ 4016 OPERAÇÕES UNITÁRIAS EXPERIMENTAL I

UNIVERSIDADE DE SÃO PAULO ENGENHARIA QUÍMICA LOQ 4016 OPERAÇÕES UNITÁRIAS EXPERIMENTAL I UNIVERSIAE E SÃO PAULO ENGENHARIA QUÍMICA LOQ 4016 OPERAÇÕES UNITÁRIAS EXPERIMENTAL I Profa. Lívia Chaguri E-mail: [email protected] 1- Redução de Tamaho - Fudametos/Caracterização graulométrica - Equipametos:

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 - 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

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

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

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

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES Cemátca da Posção de Robôs Mapuladores Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES A cemátca de um robô mapulador é o estudo da posção e da velocdade do seu efetuador e dos seus lgametos. Quado

Leia mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

CRITÉRIOS DE DESINTEGRAÇÃO MECÂNICA:

CRITÉRIOS DE DESINTEGRAÇÃO MECÂNICA: REDUÇÃO DE TAMANHO TODAS AS FORMAS EM QUE AS PARTÍCULAS DE SÓLIDOS SÃO ROMPIDAS EM OUTRAS MENORES CRITÉRIOS DE DESINTEGRAÇÃO MECÂNICA: APARELHOS TÍPICOS: BRITADORES E OS MOINHOS UM BRITADOR OU UM MOINHO

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

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. [email protected] 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

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

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

Leia mais

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

AULA Os 4 espaços fundamentais Complemento ortogonal.

AULA Os 4 espaços fundamentais Complemento ortogonal. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

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

Leia mais

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

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

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

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos [email protected] Prof. Marco A.F.H. Cavalcat [email protected] Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015 Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)

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

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

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

Universidade Federal da Bahia Departamento de Hidráulica e Saneamento Capítulo 3

Universidade Federal da Bahia Departamento de Hidráulica e Saneamento Capítulo 3 3.6 PRECIPITAÇÃO MÉDIA SOBRE UMA BACIA 3.6. MÉTODO ARITMÉTICO A precptação méda, calculada por este método, ada mas é do que a méda artmétca dos valores de precptação meddos a área da baca, o que mplca

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

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. [email protected] http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Introdução à Estatística

Introdução à Estatística Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

Leia mais

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

Introdução à Estatística. Júlio Cesar de C. Balieiro 1 Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos [email protected] Prof. arco A.F.H. Cavalcat [email protected] Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

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

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

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 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 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

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

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

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

Apêndice. Uso de Tabelas Financeiras

Apêndice. Uso de Tabelas Financeiras Apêdce C Uso de Tabelas Faceras 1. INTRODUÇÃO...2 2. SIMBOLOGIA ADOTADA E DIAGRAMA PADRÃO...2 3. RELAÇÃO ENTRE PV E FV...2 3.1. DADO PV ACHAR FV: FATOR (FV/PV)...3 3.1.1. EXEMPLOS NUMÉRICOS...5 3.2. DADO

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

OPERAÇÕES UNITÁRIAS EXPERIMENTAL I Prof. Félix Monteiro Pereira

OPERAÇÕES UNITÁRIAS EXPERIMENTAL I Prof. Félix Monteiro Pereira OPERAÇÕES UNITÁRIAS EXPERIMENTAL I Prof. Félix Monteiro Pereira REUÇÃO E TAMANHO NOTAS E AULA O termo redução de tamanho se aplica a todas as formas em que as partículas de sólidos são rompidas em outras

Leia mais

Física Básica. Experimental. André Luis Lapolli João Batista Garcia Canelle José Roberto Marinho

Física Básica. Experimental. André Luis Lapolli João Batista Garcia Canelle José Roberto Marinho Físca Básca Epermetal Adré Lus Lapoll João Batsta Garca Caelle José Roberto arho Físca Básca Epermetal Adré Lus Lapoll João Batsta Garca Caelle José Roberto arho APRESENTAÇÃO SUÁRIO Lsta de Fguras... Lsta

Leia mais

Universidade Federal de Alfenas - Unifal-MG Departamento de Ciências Exatas

Universidade Federal de Alfenas - Unifal-MG Departamento de Ciências Exatas Uversdade Federal de Alfeas - Ufal-MG Departameto de Cêcas Exatas Apostla Laboratóro de Físca I Prof. Dr. Célo Wsewsk Alfeas 05. oções geras sobre meddas de gradezas e avalação de certezas.. Medção (measuremet).....

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

F-328 Física Geral III

F-328 Física Geral III F-328 Físca Geral III Aula Exploratóra Cap. 26 UNICAMP IFGW F328 1S2014 1 Corrente elétrca e resstênca Defnção de corrente: Δq = dq = t+δt Undade de corrente: 1 Ampère = 1 C/s A corrente tem a mesma ntensdade

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US

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