Medidas e resultados em um experimento.

Tamanho: px
Começar a partir da página:

Download "Medidas e resultados em um experimento."

Transcrição

1 Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca de trabalho - um projeto. Antes de tudo, deve-se ter clareza sobre o problema que se pretende estudar, ou seja, ter um entendmento da proposta de estudo. Para sto é fundamental que se consga elaborar os objetvos pretenddos. Obvamente, antes de se começar o expermento propramente, o materal necessáro à sua realzação equpamentos e nstrumentos, ferramentas de cálculo e tratamento de meddas, etc. deve ser preparado e colocado em um ambente adequado. Após a determnação das etapas a serem desenvolvdas e a manera de desenvolvê-las, ou seja, o procedmento a ser segudo, passa-se à sua execução. É comum, sobretudo em cêncas naturas, a obtenção de nformações através da realzação de um conjunto de meddas. O resultado dessas meddas passa por uma análse devendo, posterormente, ser preparado para apresentação (tabelas, gráfcos, tratamento matemátco). Chega-se, então, à parte onde a partcpação de quem está trabalhando no expermento, o expermentador, é das mas sgnfcatvas: a nterpretação dos resultados e a conclusão e análse crítca geral de tudo o que fo feto. Geralmente, escreve-se um relatóro de manera a dexar regstrado todo o trabalho realzado. Ao se escrever o relatóro, o expermentador deve consderar que ele tem que ser sufcentemente claro e completo de manera a permtr que uma pessoa com um nível de formação semelhante ao seu compreenda o quê, como e por que fo feto o trabalho, e qual a relevânca dos resultados encontrados. O presente texto pretende servr como um gua ntrodutóro, resumdo e de rápdo acesso, para os estudantes de dscplnas expermentas de Físca básca. ão se tem aqu a ntenção de ser completo e exaustvo; algumas referêncas bblográfcas serão dadas, no sentdo de permtr um aprofundamento maor em alguns pontos, caso seja do nteresse do estudante. II.- Meddas: os resultados e seus desvos ou erros Conforme fo dto anterormente, em cêncas naturas a coleta de nformações é comumente feta através da realzação de um conjunto de meddas de grandezas relaconadas dreta ou ndretamente com a análse do fenômeno em questão. II.- Meddas dretas e ndretas, algarsmos sgnfcatvos e valor mas provável Medr uma grandeza sgnfca compará-la com uma outra de mesma natureza, escolhda como undade. O resultado dessa comparação denomna-se medda da grandeza e nela estão contdas três nformações: - o valor numérco, que é um número ntero ou fraconáro; - a precsão, expressa pelo número de algarsmos sgnfcatvos e pelo desvo; - a undade correspondente utlzada. O sstema de undades normalmente utlzado é o Sstema Internaconal (SIU); o APÊDICE SIU traz uma lsta das undades fundamentas neste sstema. Em expermentos realzados com uma qualdade acetável, as meddas são fetas com nstrumentos calbrados tas como réguas, paquímetros, cronômetros, voltímetros, termômetros e mutos outros. A menor graduação do nstrumento representa o menor valor que ele é capaz de medr com confança. Por exemplo, não faz sentdo querer medr o dâmetro de um fo de cabelo usando uma régua graduada em mlímetros; a maor precsão que se pode ter de uma medda

2 realzada com esta régua, é a precsão de um mlímetro, podendo-se estmar o valor entre duas dvsões. Ao se medr o dâmetro de uma moeda de real com a régua graduada em mlímetros, uma pessoa pode escrever como resultado d = 7, mm. Aqu o valor numérco da grandeza é 7, e a undade é o mlímetro; esse resultado tem 3 algarsmos sgnfcatvos sendo que o últmo é ncerto ou duvdoso. Analsemos um pouco mas esse resultado. Prmeramente, é claro que se trata de uma medda dreta: fo feta uma comparação dreta do dâmetro da moeda com uma régua graduada em mlímetros. O resultado tem 3 algarsmos sgnfcatvos sendo um duvdoso (em qualquer resultado tem-se, em geral, apenas um algarsmo duvdoso!). Essa pessoa podera querer escrever seu resultado usando outra undade de comprmento, como por exemplo o metro; nesse caso ela devera escrever d = 0,07 m ou d =,7 x 0 - m e, em ambos os casos, contnuaríamos tendo 3 algarsmos sgnfcatvos, com um duvdoso, e com a precsão na casa dos décmos de mlímetro. Ou seja, o smples fato de mudar a undade escolhda para descrever um resultado não pode alterar a sua precsão. Os algarsmos zero que aparecem antes do prmero algarsmo dferente de zero não são sgnfcatvos; depos, sm. Sendo assm, não é correto escrever d = 7,0 mm pos, nesse caso, teríamos 4 algarsmos sgnfcatvos com o algarsmo duvdoso sendo o zero; nessa stuação o resultado expressara uma precsão centésmo de mlímetro que a régua não tem! Poder-se-a dzer que numercamente é a mesma cosa mas do ponto de vsta centífco não é: não se pode alterar a precsão de um resultado acrescentando algarsmos sgnfcatvos a ele. O perímetro p da moeda de real pode ser calculado a partr da medda do seu dâmetro, usando a relação p = πr sendo r o rao da moeda. Assm, tem-se p = 85,5 mm podendo-se dzer que fo feta uma medda ndreta do perímetro da moeda uma vez que a grandeza medda dretamente fo o dâmetro e a partr dele é que se encontrou o perímetro. Sera possível medr dretamente o perímetro da moeda utlzando-se uma fta métrca flexível, mas não fo esse o caso. Outra grandeza que podera ser encontrada a partr da medda do dâmetro da moeda é a área da sua face S = πr. Assm, teríamos S = 58 mm que é a área da face da moeda, obtda ndretamente. Observa-se que fo mantdo o número de algarsmos sgnfcatvos gual a 3 nos resultados obtdos tanto para o perímetro quanto para a área. Sempre que se opera com meddas o resultado também deverá conter apenas um algarsmo duvdoso. O valor do dâmetro da moeda apresentado é o resultado de uma únca medda feta por uma únca pessoa. É possível, e provável, que outras pessoas encontrem valores lgeramente dferentes. Mesmo a própra pessoa, ao realzar a medda váras vezes, pode encontrar um conjunto de valores dferentes entre s, dstrbuídos em torno de um determnado valor. Em stuações desse tpo, o que se faz comumente é encontrar o valor médo e utlzá-lo como o valor mas provável para a grandeza. Supondo que quatro meddas do dâmetro d da moeda tenham fornecdo os valores 7, mm; 7,0 mm; 7, mm e 7, mm, o valor numérco mas provável sera d = 7,5 mm. (Atenção: por enquanto, está sendo apresentado apenas o valor numérco; o resultado correto, consderando-se o número de algarsmos sgnfcatvos, é apresentado na próxma seção.) Aqu fo feta uma méda artmétca smples para se encontrar o valor mas provável. Há stuações em que são utlzados métodos estatístcos mas complexos; alguns casos serão apresentados durante o curso.

3 II.- Incerteza ou desvo de uma medda II..- Meddas dretas: erro de letura e desvo médo Como no caso que fo descrto anterormente, repetndo-se a medda de uma grandeza váras vezes, são encontrados valores nem sempre guas. Os valores dferentes encontrados podem ser devdos tanto à habldade de quem realzou as meddas quanto ao nstrumento utlzado, ao método empregado, às dfculdades ntrínsecas ao processo, etc. As flutuações nos valores meddos são chamadas de erro, ou ncerteza ou desvo. Durante um processo de medda podem ocorrer erros sstemátcos e erros aleatóros. Os erros sstemátcos são devdos a problemas de calbração ou fabrcação de um aparelho ou a um erro de procedmento; quando acontece esse tpo de erro os valores encontrados nas meddas são afetados sstematcamente para mas ou sstematcamente para menos. Os erros aleatóros, também chamados erros estatístcos, afetam desordenadamente a medda, às vezes para mas, às vezes para menos. Esse tpo de erro é ntrínseco a qualquer processo de medda e é mportante saber calculá-lo ou estmá-lo para que o resultado fnal de um trabalho expermental seja expresso corretamente. o caso de meddas dretas, os desvos podem ser faclmente encontrados. Quando se realza uma únca medda de uma grandeza, o desvo pode ser encontrado usando dferentes procedmentos mas é sempre mportante usar o bom senso. Uma regra amplamente dfundda é a de que, no caso de medda únca, o desvo (erro de letura) deve ser a metade da menor dvsão da escala do nstrumento de medda. Por exemplo, para se medr a largura l de uma folha de papel A4 com uma régua de 300 mm alguém podera consderar como desvo, a metade de uma undade correspondente à menor dvsão, ou seja, 0,5 mlímetro. Assm a medda da largura da folha sera escrta como l = (,5 ± 0,5) mm. O resultado escrto dessa manera ndca que há uma ncerteza de 0,5 mm (desvo absoluto) na determnação da largura da folha. Entretanto, se essa régua for usada para medr a altura da porta da sala de aula, é claro que o desvo não mas poderá ser de 0,5 mm. O procedmento de posconar a régua váras vezes para completar a medda eleva muto o erro na determnação da altura da porta, devendo este ser da ordem de centímetro. Portanto, essa regra tão dfundda de que o desvo é a metade da menor dvsão da escala deve ser usada com muto cudado, sendo poucas as vezes em que ela pode ser aplcada corretamente. Quando se usa, por exemplo, um voltímetro analógco ou qualquer nstrumento com pontero, tem-se que prestar atenção se a letura é estável ou se o pontero oscla em torno de um valor. Se o aparelho ndcar um valor fxo, pode-se consderar como desvo a própra precsão do nstrumento ou, no caso de não se ter essa nformação, usar uma undade da menor dvsão da escala utlzada. Se houver osclação, é mas razoável calcular o desvo a partr dos lmtes desta osclação: o resultado de uma medda poderá ser qualquer valor dentro da faxa de osclação! o caso de aparelhos dgtas, pode acontecer também de o resultado se apresentar sem flutuações, ou se apresentar osclando. A avalação do desvo deverá, então, ser feta como no caso anteror. Freqüentemente é possível e aconselhável realzar váras meddas da mesma grandeza para se encontrar um resultado mas precso. Quando se realzam meddas de uma mesma grandeza, deve-se encontrar o seu valor médo o qual será o valor mas provável e tomar como desvo, a méda dos valores absolutos das dferenças entre o valor mas provável e cada valor ndvdual. 3

4 O segunte expermento lustra uma stuação deste tpo. Para se determnar a altura de uma cachoera, algumas pessoas medram o tempo de queda de pedrnhas soltas em queda lvre de um mesmo local. Conhecendo-se o tempo de queda t, pode-se calcular a altura h a partr da relação cnemátca h = ½ g t onde g é a aceleração da gravdade. Fo utlzado um cronômetro com precsão de centésmos de segundo e os valores t obtdos em 8 meddas foram:,30 s;,09 s;,03 s;,7 s;,8 s;,3 s;,4 s; e,5 s. A dspersão dos valores, entre,03 s e,3 s, se deve à dfculdade ntrínseca do processo partcular de medda e ao fato de que a precsão do nstrumento utlzado (centésmo de segundo) é bem maor do que a capacdade das pessoas de medr tempo com um tal cronômetro. Para se encontrar o valor mas confável para a altura h deve-se, então, usar o valor mas provável de tempo < t > e o respectvo erro ou desvo absoluto t; numercamente teremos: t = t = (eq. ) = 8 (,30 +,09 +,3 +,7 +,8 +,3 +,4 +,5) s =,96 s t = = t t (eq. ) = 8 (0,04 + 0,06 + 0, , ,06 + 0,4 + 0, ,046) s = 0.07 s e, respetando-se o crtéro de se escrever o desvo com um algarsmo sgnfcatvo, a resposta correta para o resultado encontrado para o tempo de queda: t = t ± t = (,0 ± 0,07) s. Utlzando-se esse resultado e consderando-se g = (9,784 ± 0,00) m/s, chega-se ao valor h = (7,0 ± 0,8) m. O desvo de 0,8 m fo encontrado usando os processos que estão descrtos na seção II... Deve-se observar que a repetção da medda de uma grandeza váras vezes pode melhorar a precsão na sua determnação mas esta não deve r além da precsão do nstrumento utlzado para med-la. Ao se escrever o valor de uma grandeza com o seu respectvo desvo, está-se ndcando um ntervalo de valores acetáves para ela, de acordo com o procedmento em questão. II..a- Desvo absoluto e desvo relatvo os resultados encontrados anterormente, estão expressos os valores das grandezas e seu desvo absoluto, ou seja, tempo de queda fo determnado como sendo,0 s com um desvo absoluto de 0,07 s e para a altura, fo encontrado o valor de 7,0 m com desvo absoluto de 0,8 m. a medda do tempo cometeu-se um erro de 0,07 segundos em,0 e na medda da altura o erro fo de 0,8 metros em 7,0. É muto comum e muto útl expressar resultados em termos do desvo relatvo, t / < t >, no caso do tempo, e h / h no caso da altura. O desvo relatvo é quem melhor ndca a precsão da medda e é comum expressá-lo em termos percentuas. o presente caso ele é de aproxmadamente 0,058, ou ~6%, para o valor do tempo de queda das pedrnhas, e de aproxmadamente 0,7, ou ~%, para a altura da cachoera. Comparando-se os desvos relatvos, pode-se ver qual grandeza fo determnada com maor precsão. 4

5 II..- Meddas ndretas: propagação de erros Uma medda é ndreta quando é obtda a partr de expressões matemátcas que a relaconam com outras grandezas meddas dretamente. Em um exemplo anteror, a altura da cachoera fo medda ndretamente, através de meddas dretas do tempo de queda das pedrnhas. De manera geral, uma grandeza f pode ser função de outras grandezas x, y, z, t, etc., cada uma com seu respectvo erro x, y, z, t, etc.: f = f (x ± x, y ± y, z ± z, t ± t, ) Ao expressar o resultado de f, obtdo ndretamente a partr de cálculos, é mportante apresentar qual é o desvo assocado, ou seja, qual é o resultado da propagação dos erros. Consdere a segunte stuação físca: um corpo se desloca em lnha reta com aceleração constante, de tal forma que a dstânca percorrda X (em metros) vara com o tempo t (em segundos) de acordo com a equação X = 5t (eq. 3) Coloca-se a segunte questão: após um tempo meddo de t = (7,5 ± 0,4) s, qual a dstânca percorrda pelo corpo? A resposta trval para a questão é X = 8,5 m. Entretanto, do ponto de vsta de tratamento de meddas, esta resposta está ncompleta e ncorreta. Consderando que a medda de tempo tem um erro de ±0,4 s, fca a pergunta: como este erro afeta o valor calculado da dstânca? Ou seja, qual desvo X deverá ser atrbuído à dstânca calculada X? Para responder a esta questão, será dada aqu uma vsão rápda do que se chama propagação de erros. Exstem váras maneras de acompanhar a propagação dos erros em meddas ndretas; aqu serão lustrados dos métodos. II..a- Método baseado no cálculo dferencal A manera formal utlzada no cálculo de propagação de erros é baseada no cálculo dferencal. Para lustrar este método, apelaremos para um processo mas ou menos ntutvo, dexando o rgor e o detalhamento matemátco para o estudo de dferencas e dervadas parcas abordado em dscplnas de Cálculo Matemátco. A fgura mostra o gráfco da dstânca percorrda X em função do tempo t. dstânca X (m) X t tempo t (s) Fg. Gráfco da dstânca X em função do tempo t para X = 5t Consdere que as meddas de tempo foram todas tomadas com o mesmo desvo t = ±0,4 s. Então, tempos dferentes, por exemplo t = 7,5 s e t = 0,0 s, com o mesmo erro t, resultam em erros bastante dferentes nos valores correspondentes de dstâncas, conforme se vê na fgura. Quanto maor a nclnação da curva (que é a sua dervada), mas sgnfcatva é a 5

6 conseqüênca do erro da varável tempo para a função dstânca. A assocação da dervada de uma função com a propagação de erro permte uma analoga útl no cálculo do erro no caso de uma grandeza que é função de outras. A dervada f'(x) de uma função de váras varáves pode ser escrta como o quocente entre os dferencas da função e da varável: d f( X ) f'(x) = d X d f(x) = f (X). d X É razoável usar a aproxmação de que a dferencal (acréscmo nfntesmal) de uma grandeza pode ser tomada como um erro (acréscmo mensurável) nesta grandeza e pode-se escrever: f (X) f'(x) X ou melhor f(x) f'(x) X (eq. 4) onde o valor absoluto f'(x) é tomado para garantr sempre um valor postvo para o erro f, que determnará a faxa de valores possíves de f. A partr dessas consderações, pode-se aplcar a equação 4 no cálculo da propagação do erro para o presente exemplo, ou seja, encontrar o erro X a partr do erro t = 0,4s. Teremos, então: X X'(t) t = 0t t já que a dervada de X = 5 t em relação a t é 0t e, assm, { X = (0 x 7,5 x 0,4)m = 30m = (3 x 0) m para t X = (0 x 0,0 x 0,4)m = 80m = (8 x 0) m para t. Os valores para as dstâncas serão: { X = 5 t = 5 x 56,5 = 8,5 m X = 5 t = 5 x 400 = 000 m. e os resultados corretos, lembrando-se de usar apenas um algarsmo sgnfcatvo para o erro, deverão ser escrto como: X = (,8 ± 0,3) x 0 m X = (,00 ± 0,08) x 0 3 m Fo necessáro usar potênca de dez para expressar o resultado corretamente pos os números 30 e 80 têm dos algarsmos sgnfcatvos. a forma de erros relatvos, os resultados acma seram X =,8 x 0 m com um erro de %, e X =,00 x 0 3 m com um erro de 4%. Observe que o número de algarsmos sgnfcatvos do valor da grandeza tem que respetar a precsão dada pelo erro absoluto calculado a partr do erro percentual.; por exemplo, não é correto escrever X = (,8 x 0 m ± %). Esse processo pode ser estenddo aos casos onde a grandeza a ser determnada depende de váras varáves, ou seja, depende da medda de váras outras grandezas com seus respectvos erros. Seja a função f dependente de x, y, z, etc. Estas varáves são grandezas meddas e assm, a cada uma delas tem um erro expermental x, y, z, etc. Assm: f = f (x ± x, y ± y, z ± z, t ± t, ) 6

7 Para encontrar o erro f de f, basta generalzar o resultado obtdo para uma varável, equação 4, para essa stuação de váras varáves. Assm, pode-se escrever: f f f f f = x + y + z + t + (eq. 5) x y z t f onde representa a dervada parcal de f com relação a x. A dervada parcal de uma função x com relação a uma de suas varáves é calculada como uma dervada normal, consderando todas as outras como constantes. Como um exemplo de aplcação de propagação de erros em uma grandeza calculada através de outras duas ou mas grandezas, consdere a stuação em que foram meddas a massa m e a velocdade v de um carro e deseja-se calcular qual é sua energa cnétca E. Sejam m = (, ± 0,) x 0 3 Kg, e v = (0,0 ± 0,5) m/s A energa cnétca E é dada pela fórmula E = ½ m v. Usando a eq. 5, o desvo em E será: E E v E = m + v E = m + mv v m v Efetuando-se os cálculos com os valores das meddas tem-se x 0 4 J para o erro e 4 x 0 4 J para o valor da energa cnétca. Assm, o resultado escrto corretamente é E = (4 ± ) x 0 4 J = (,4 ± 0,) x 0 5 J Como exemplo de aplcação da eq. 5 em outros casos, fca aqu, como exercíco, a demonstração das seguntes afrmações: Se f é a soma ou subtração de grandezas x, y, z, então f = x + y + z + (o desvo absoluto em f é a soma dos desvos absolutos das grandezas x, y, z, ). Se f é a multplcação de uma grandeza x por uma constante k então f = k x (o desvo absoluto em f é k vezes o desvo absoluto da grandeza x). Se f é a dvsão de uma grandeza x por uma constante k então f = x / k (o desvo absoluto em f é o desvo absoluto da grandeza x dvddo por k). Se f é a multplcação ou dvsão de grandezas x, y, z, então f/f = x/x + y/y + z/z + (o desvo relatvo em f é a soma dos desvos relatvos das grandezas x, y, z, ). Se f é a potênca n de uma grandeza x, então f/f = n x/x (o desvo relatvo em f é n vezes o desvo relatvo da grandeza x). 7

8 II..b - Método dos valores lmtes Uma outra manera de se estmar o desvo de uma grandeza f obtda ndretamente é calculando-se os valores lmtes que f pode assumr a partr dos valores máxmos (x + x, y + y, ) e mínmos (x x, y y, ) das grandezas x, y, z, Consdere, como exemplo, um expermento de movmento retlíneo com aceleração constante a, onde uma partícula percorre uma dstânca d, em um tempo t. Foram meddos valores para a dstânca e o tempo, com desvos d e t respectvamente, ou seja, (d ± d) e (t ± t), encontrando-se (,0 ± 0,4) m, e (4,0 ± 0,) s. O valor da aceleração é dado por a = a máx = a mín = ( d + d) ( t t) ( t + t) ( d d) d. Então, os seus valores lmte serão: t = x (,4 m) / (3,8 s) =,775 m/s (eq. 6) = x (,6 m) / (4, s) =,35 m/s (eq. 7) O valor médo da aceleração (anda sem consderar o número correto de algarsmos sgnfcatvos) será a = a máx + a mín = (,775 +,35) / =,563 m/s (eq. 8) e o desvo em a sendo dado (com um algarsmo sgnfcatvo) por amáx a a = mín. = (,775 -,35) / = 0, m/s (eq. 9) O valor para a aceleração deverá ser expresso corretamente como: a = (,5 ± 0,) m/s ou a =,5 m/s com 3% de desvo. Através do cálculo do erro propagado, tem-se uma déa de quão sensível é o resultado à medda de cada uma das varáves. o exemplo anteror, o erro no valor da aceleração é mas sensível ao erro na medda de tempo (dependênca com o quadrado) do que o erro na medda de dstânca (dependênca lnear). Os cálculos de desvos, mutas vezes, são fetos com a ajuda de calculadoras e programas de computador. Entretanto, é de grande mportânca que o expermentador tenha uma boa noção dos processos empregados nesses cálculos e anda saba, usando o bom senso, estmar a precsão de um resultado. II.3- Precsão e confabldade de uma medda Os concetos de precsão e de confabldade são, freqüentemente, confunddos. Uma medda pode ser muto precsa e não ser confável, por exemplo, quando for feta usando um nstrumento de alta precsão, porém descalbrado. O contráro também pode acontecer, ou seja, uma medda ser pouco precsa mas ser confável. É mportante, portanto, dstngur os dos concetos: medda confável é aquela onde os erros sstemátcos são muto pequenos; medda precsa é aquela onde os erros aleatóros são muto pequenos. 8

9 III- Apresentação de resultados expermentas: Tabelas e Gráfcos III.- Tabelas O prmero estágo de apresentação de uma sére de meddas resultante de um expermento é através de tabelas que, em geral, já são montadas durante o processo de obtenção de dados. Embora em cada expermento se deva decdr pela forma de tabela mas convenente, é mostrado a segur um padrão de tabela que se adapta à maora dos expermentos que serão fetos nas dscplnas expermentas de Físca. Consdere um expermento onde se aplca tensão elétrca V entre 0 e 50 V em um resstor e mede-se a corrente I gerada. A tabela mostra uma forma convenente de apresentar os valores obtdos: Tab. - Valores da tensão aplcada no resstor e a correspondente corrente. Tensão (V ± %) Corrente (0 3 A),3,5 ± 0, 5,8 3,8 ± 0,3 9,5 40,0 ± 0,4,7 44,4 ± 0,4 9, 59, ± 0,6 38,4 76, ± 0,8 4,3 83,8 ± 0,8 50,0 99,3 ± 0,9 Deve-se observar que: toda tabela deve ter uma legenda; no cabeçalho da tabela é mportante vr a especfcação das grandezas que foram meddas com suas undades e a estmatva dos erros, absolutos ou relatvos, a elas assocados; se cada medda apresentar um erro dferente, deve-se especfcá-lo após cada uma; o número de algarsmos sgnfcatvos das meddas deve ser compatível com os erros especfcados. III.- Gráfcos A construção de gráfcos assocando as varáves meddas em um expermento é bastante nteressante, pos permte uma vsualzação rápda do tpo de dependênca exstente entre as grandezas estudadas. Exstem város tpos de gráfcos, cada um se adequando melhor às grandezas meddas e ao tpo de relações que se deseja fazer entre elas. Uma forma de gráfco bastante comum em expermentos de físca é aquele relaconando duas grandezas onde cada valor de uma está assocado a um valor correspondente da outra. O gráfco a segur, mostrando a relação entre as grandezas tensão e corrente representadas na tabela anteror, lustra uma forma comumente utlzada. 9

10 Tensão elétrca V (V) Relação entre tensão e corrente em um resstor Corrente elétrca I (ma) Fg. Exemplo de um gráfco: Tensão elétrca V versus corrente I em um resstor. Deve-se ter atenção que um gráfco deve conter: título e/ou legenda; nome da grandeza em cada exo com sua respectva undade; dmensonamento correto da escala. Uma observação rápda do gráfco anteror permte dentfcar uma relação lnear entre as duas grandezas analsadas. IV- Tratamento matemátco de dados: Ajuste de uma reta por regressão lnear O gráfco da seção anteror sugere, vsualmente, que exste uma relação lnear entre a tensão elétrca aplcada e a corrente no resstor. Isso sgnfca que, procurando-se uma relação matemátca que assoce a corrente I no resstor sujeto a uma tensão V, deve-se encontrar a equação de uma reta, ou seja, uma equação do tpo: y = A + Bx (eq. 0) onde a constante B representa a nclnação da reta e a constante A o valor da grandeza y quando x = 0. Para o caso do resstor podemos escrever especfcamente V = A + BI É possível traçar no gráfco uma reta que, vsualmente, melhor equlbra os pontos meddos e, então, determnar os valores de A e B (faça sso). Entretanto, exstem processos matemátcos objetvos que estabelecem a melhor reta que se ajusta aos pontos meddos. O processo mas utlzado com esse ntuto é chamado regressão lnear. Geralmente, todo processo operaconal de ajuste, ou seja, a obtenção das constantes A e B que defnem a reta, será feto por calculadora ou computador. o entanto é nteressante que se tenha conhecmento da orgem das fórmulas empregadas e do processo de cálculo envolvdo. 0

11 IV.- Regressão Lnear: Pode-se dzer que regressão lnear é a: determnação da equação de uma reta que melhor se sobrepõe aos resultados de meddas relaconando grandezas lnearmente dependentes. Consdere a sére de pontos expermentas genércos (x, y ) colocados na tabela e no gráfco da fgura 3. Tab. - Resultados expermentas de duas grandezas hpotétcas x e y y (u.a.) x (u.a.) y x y x y n x n y (u.a.) A + Bx y } δ 4 x 0 0,0 0,5,0,5,0,5 3,0 3,5 4,0 4,5 x (u.a.) Fg. 3 Pontos expermentas defnndo uma reta; δ.é a dferença entre a ordenada y medda para x e o correspondente valor calculado pela equação da reta. Se a melhor curva que passa por estes pontos é a reta desenhada, podemos escrever sua equação na forma y = A + B x,onde A é o ponto onde a reta corta o exo vertcal, em x = 0, e B a nclnação da reta escolhda. Observando o gráfco da fgura 3 notamos que para o ponto x, o valor expermental corresponde é y, mas, pela reta escolhda, a ordenada correspondente a x será A + B x. Desta forma, para cada ponto x exste uma dferença δ, ou resíduo, entre o valor expermental meddo e o valor de y calculado pela reta: δ = y (A + Bx ). Alguns resíduos são postvos e outros negatvos. Uma grandeza que dara uma vsão de quão boa é a reta calculada, sera: D = (δ ) = [ (A + Bx y )] (eq. ) a qual representa a soma dos quadrados dos resíduos de todos os pontos. A melhor reta que ajusta os pontos expermentas é aquela que mnmza D, ou seja, deve-se achar os valores de A e B tas que D seja mínmo. Como D é uma função de A e B, para que ele seja mínmo devemos ter: D = 0 A D e = 0 B Dervando a equação tem-se: D = - [ y A Bx ] A e D B [ y A Bx ] x =

12 Assm, para que D seja mínmo, devemos ter: [ y - A - Bx ] = 0 (eq. a) [ y - A - Bx ] x = 0 (eq. b) que é um sstema de duas equações com duas ncógntas A e B que determnam a melhor reta y = A + Bx, que passa pelos pontos expermentas (x, y ). A solução de é smples e dá como resultado os seguntes valores para A e B: B = A x y x x x ) ( y [ y B x ] = = = xy x y x x x x y x x ) ( x y (eq. 3) (eq. 4) Todos os somatóros apresentados aqu são para de até, onde é o número de pares de valores expermentas (x, y ). Uma descrção mas completa do método nos permtra anda determnar estatstcamente os desvos (ncertezas) assocadas às constantes A e B calculadas. Aqu serão dados apenas os resultados dos cálculos destes desvos: B = ( - ) D x ( x ) e A = D ( - ) Obs. ) Exste um parâmetro estatístco, chamado coefcente de determnação, que permte avalar a qualdade do ajuste. Para os propóstos das atvdades aqu propostas esse parâmetro tem pouca relevânca e, portanto, não será tratado. Obs. ) o método da regressão lnear, todos os pares ordenados têm a mesma mportânca. Em alguns casos, condções físcas mpõem que alguns pontos tenham mas mportânca que outros (mutas vezes, por exemplo, a reta deve passar pela orgem). este caso, você pode entrar com os correspondentes pares de valores váras vezes para aumentar sua mportânca nos cálculos. A reta tenderá a passar mas próxma deste ponto. IV.- Consderações geras O processo de superpor uma curva descrta por uma equação a um conjunto de pontos expermentas não se aplca apenas quando a relação entre as grandezas é lnear. Sempre que exstr algum modelo ou prevsão teórca para a relação matemátca entre as grandezas, é possível encontrar os parâmetros que ajustem a curva correspondente com os resultados expermentas. O método matemátco genérco que permte esse tpo de ajuste é chamado de Método de Mínmos Quadrados pos, como fo exemplfcado no caso partcular do ajuste da reta, são procurados os parâmetros que mnmzem o quadrado das dferenças δ (eq.) entre o valor meddo e o correspondente valor calculado. Mutos programas atuas de tratamento de dados permtem se fazer um ajuste dretamente de uma função matemátca estabelecda pelo usuáro. a seção segunte será apresentado um procedmento que permtrá, através da lnearzação de um gráfco, usar anda a regressão lnear apresentada na seção IV.. x x ( x )

13 V- Tratamento matemátco de dados: lnearzação de gráfcos É muto freqüente em físca se ldar com fenômenos onde duas grandezas x e y se relaconam lnearmente, ou seja, y = A + Bx. esses casos, a partr da regressão lnear dos pares de resultados obtdos (x, y), é possível encontrar as constantes A e B da reta que melhor se ajusta aos pontos expermentas, conforme descrto na seção anteror. Usando os valores dessas constantes é possível trar nformações mportantes relatvas ao expermento. Há, obvamente, expermentos onde a relação entre as grandezas estudadas não é lnear, o que sgnfca que essas grandezas não estão relaconadas por uma equação de reta. Em stuações como esta, a obtenção de nformações relevantes ao expermento pode ser feta de mas de uma manera. Apresenta-se a segur o procedmento de lnearzação, usando a Le de Coulomb com exemplo. V.- Lnearzação Consdere uma stuação físca onde duas pequenas esferas carregadas postvamente com cargas q e q estão separadas de uma dstânca r; exste uma repulsão elétrca mútua entre elas com forças guas e opostas F e F, como ndcado na fgura abaxo. q q + + F F r Fg. 4 - Duas cargas postvas q e q separadas por uma dstânca r, se repelem com forças F e F Fo realzado um expermento, dspondo-se de um equpamento aproprado, onde se varou a dstânca r entre as cargas e medu-se o valor do módulo F da força de repulsão.os resultados encontram-se na tabela e um gráfco de F versus r é mostrado na fgura 5. Tabela 3- Valores da força F em função da dstânca r entre duas cargas q e q F (± 0,004 ) r (± 0, x 0 m),93,0,489,,4,5 0,957,8 0,783,0 0,53,5 0,357 3,0 0,99 4,0 0,8 5,0 0,089 6,0 0,065 7,0 0,050 8,0 0,039 9,0 0,03 0,0 F () 3,0,5,0,5,0 0,5 0, r (x0 - m) Fg. 5 Módulo da força F de repulsão elétrca entre duas pequenas esferas carregadas em função da dstânca r de separação entre elas. Uma abordagem formal desse problema de força elétrca entre duas cargas pontuas mostra que a relação matemátca entre F, q, q e r é: q q F = K onde K é uma constante que vale 9,0 x 0 9.m /C. (eq. 5) r Esta relação é conhecda como Le de Coulomb. 3

14 Consderando-se que as cargas q e q nas esferas não varam, deve-se esperar que a força entre elas vare com o nverso do quadrado da dstânca. Pode-se colocar, então, a segunte questão: como verfcar se os dados expermentas concordam com a prevsão teórca? Esta questão já fo respondda anterormente em stuações onde a relação entre as grandezas estudadas é lnear e o método de regressão lnear pôde ser usado para se achar a equação da reta que melhor se ajusta aos dados obtdos. o presente caso, a relação entre F e r não é lnear e não se pode aplcar este método dretamente. Exstem maneras de se ajustar qualquer tpo de equação a dados expermentas; entretanto aqu será mostrado um método que aproveta os conhecmentos já empregados no uso da regressão lnear. Prmeramente tem-se que passar o gráfco obtdo por um processo de lnearzação. Tal procedmento consste em se encontrarem novas grandezas, que sejam funções das orgnas, e que tenham entre s uma relação lnear. A Le de Coulomb afrma que a força elétrca entre duas cargas pontuas vara com o nverso do quadrado da dstânca entre elas, ou seja, para valores de cargas constantes, pode-se escrever a le físca que deve corresponder ao presente expermento na forma: F = C onde C = K q r q = constante. Defnndo-se uma outra varável X gual ao nverso do quadrado de r, tem-se uma relação entre F e X que é lnear, ou seja, defnndo-se uma grandeza X= / r, tem-se F = C X. Assm, construndo-se o gráfco de F (ordenada) em função de X (abscssa), se encontrará uma reta pos F vara lnearmente como o nverso do quadrado de r. Sendo assm, pode-se fazer uma regressão lnear consderando as novas grandezas: Y = A + BX onde Y = F X = r A 0 B = C Esses resultados são apresentados na fgura 6. F () 3,0,5,0,5,0 0,5 Y = A + BX => F = C X' A = (-0,0± 0,04) B = (3, ± 0,) x 0-4.m 0,0 0,0 0, 0,4 0,6 0,8,0, X = /r (x 0 4 m - ) Fg. 6 - A força F entre duas cargas elétrcas é lnear com o nverso do quadrado da dstânca entre elas X = /r. Os parâmetros do ajuste por regressão lnear estão ncluídos no gráfco. O procedmento para se lnearzar um gráfco depende de cada stuação pos as equações envolvdas na análse do problema é que rão dar a receta do que deve feto para se 4

15 encontrarem novas varáves, que serão funções das anterores, de manera que elas tenham relação lnear entre s. o caso aqu apresentado, o procedmento fo smplesmente representar a força e o nverso do quadrado da dstânca. V..- O uso da função logartmo. Uma manera muto comum de se procurarem relações que lnearzem um gráfco é aplcar a função logartmo. Entretanto, deve-se ter o cudado em utlzar esse expedente apenas em stuações em que pelo menos uma das varáves envolvdas no expermento esteja no expoente. Por exemplo, város fenômenos físcos têm uma descrção formal entre as varáves x e y do tpo: α x y α 0 + αe = ou y = β + β 0 β / x sendo α e β constantes quasquer, os quas necesstam da função logartmo para a lnearzação. O uso do logartmo na stuação do exemplo anteror de força entre cargas elétrcas pode levar a um mascaramento do comportamento das grandezas. Por exemplo, tomando-se o logartmo de ambos os lados da eq. 5 tem-se uma nova relação matemátca correspondente ao expermento: ln F = ln r + ln C com = K q q. C A equação anteror tem a forma de equação de uma reta: Y' = A' + B' X' onde, agora, Y' = ln F X' = ln r B' A' = ln C Ao se fazer a regressão lnear nos novos dados, o parâmetro B' será ajustado por métodos de mínmos quadrados podendo ser encontrado um valor dferente de. Isto é feto pos, ao buscar o mínmo da soma dos quadrados das dferenças δ (ver eq. ), o método leva as flutuações naturas a qualquer processo de coleta de dados, para os parâmetros ajustáves A' e B'. Entretanto, sabe-se muto bem que o expoente da dstânca entre as cargas pontuas na Le de Coulomb é (exatamente!) e não tem sentdo se querer ajustar esse valor, ou seja, esta não é uma varável no problema. É mportante chamar a atenção de que o processo de lnearzação de um gráfco consste smplesmente em encontrar as ordenadas e abscssas adequadas de forma que a relação entre elas seja lnear. Em váras stuações o uso da função logartmo pode ser o processo mas convenente, mas não é sempre assm. A escolha da manera mas convenente para se fazer a lnearzação de um gráfco deve ser orentada no sentdo de se obter, de forma mas smples, as constantes procuradas. 5

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

7 - Distribuição de Freqüências

7 - 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 mais

Experiência V (aulas 08 e 09) Curvas características

Experiência 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 mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística 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 mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE 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 mais

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

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

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso 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 mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES 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 mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO 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 mais

2 Incerteza de medição

2 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. 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 mais

Aula Características dos sistemas de medição

Aula 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 mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 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 mais

4 Critérios para Avaliação dos Cenários

4 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 mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os 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 mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 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 mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE 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 mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 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 mais

Covariância na Propagação de Erros

Covariância 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 mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA 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 mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. 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 mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação 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 mais

Dados ajustáveis a uma linha recta

Dados 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 mais

2ª PARTE Estudo do choque elástico e inelástico.

2ª PARTE Estudo do choque elástico e inelástico. 2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda

Leia mais

Análise Exploratória de Dados

Análise 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA 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 mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. 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 mais

1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples.

1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples. Departamento de Físca ICE/UFJF Laboratóro de Físca II Prátca : Medda da Aceleração da Gravdade Objetvo da experênca: Medr o módulo da aceleração da gravdade g no nosso laboratóro com ajuda de um pêndulo

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA 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 mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA 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 mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que

Leia mais

Associação entre duas variáveis quantitativas

Associação 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 mais

3 A técnica de computação intensiva Bootstrap

3 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 mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO 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 mais

FGE2255 Física Experimental para o Instituto de Química. Segundo Semestre de 2013 Experimento 1. Corrente elétrica

FGE2255 Física Experimental para o Instituto de Química. Segundo Semestre de 2013 Experimento 1. Corrente elétrica FGE2255 Físca Expermental para o Insttuto de Químca Segundo Semestre de 213 Expermento 1 Prof. Dr. Crstano Olvera Ed. Baslo Jafet, Sala 22 crslpo@f.usp.br Corrente elétrca q Defnção de Corrente elétrca

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA 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 mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução 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 mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO 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 mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br 1 soluções eletrolítcas Qual a dferença entre uma solução 1,0 mol L -1 de glcose e outra de NaCl de mesma concentração?

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA 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 mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma

Leia mais

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

Ângulo 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)

Ângulo 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 mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão 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 mais

Testes não-paramétricos

Testes 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 mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 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 mais

EXERCÍCIOS DE RECUPERAÇÃO PARALELA 4º BIMESTRE

EXERCÍCIOS DE RECUPERAÇÃO PARALELA 4º BIMESTRE EXERCÍCIOS DE RECUERAÇÃO ARALELA 4º BIMESTRE NOME Nº SÉRIE : 2º EM DATA : / / BIMESTRE 4º ROFESSOR: Renato DISCILINA: Físca 1 VISTO COORDENAÇÃO ORIENTAÇÕES: 1. O trabalho deverá ser feto em papel almaço

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS 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 mais

AEP FISCAL ESTATÍSTICA

AEP 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 mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos. Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08

Leia mais

Eletrotécnica AULA Nº 1 Introdução

Eletrotécnica AULA Nº 1 Introdução Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca

Leia mais

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas 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 mais

As leis de Kirchhoff. Capítulo

As leis de Kirchhoff. Capítulo UNI apítulo 11 s les de Krchhoff s les de Krchhoff são utlzadas para determnar as ntensdades de corrente elétrca em crcutos que não podem ser convertdos em crcutos smples. S empre que um crcuto não pode

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 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 mais

Ajuste dos Mínimos Quadrados

Ajuste dos Mínimos Quadrados TLF 00/ Cap. IX juste dos mínmos quadrados Capítulo IX juste dos Mínmos Quadrados 9.. juste de uma lnha recta a dados epermentas 9 9.. Determnação dos parâmetros da recta, e B (Incertezas apenas em e guas

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

CARGA E DESCARGA DE UM CAPACITOR

CARGA E DESCARGA DE UM CAPACITOR EXPEIÊNCIA 06 CAGA E DESCAGA DE UM CAPACITO 1. OBJETIVOS a) Levantar, em um crcuto C, curvas de tensão no resstor e no capactor em função do tempo, durante a carga do capactor. b) Levantar, no mesmo crcuto

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 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 mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

Universidade Estadual do Centro-Oeste Departamento de Física CEDETEG. Introdução à construção de gráficos

Universidade Estadual do Centro-Oeste Departamento de Física CEDETEG. Introdução à construção de gráficos Unversdade Estadual do Centro-Oeste Departamento de Físca CEDETEG Introdução à construção de gráfcos 004 1 1. Introdução Gráfcos, como equações e taelas, mostram como se relaconam duas ou mas grandezas

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. 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 mais

EXPANSÃO TÉRMICA DOS LÍQUIDOS

EXPANSÃO TÉRMICA DOS LÍQUIDOS Físca II Protocolos das Aulas Prátcas 01 DF - Unversdade do Algarve EXPANSÃO ÉRMICA DOS ÍQUIDOS 1 Resumo Estuda-se a expansão térmca da água destlada e do glcerol utlzando um pcnómetro. Ao aquecer-se,

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo 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 mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE 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 mais

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

Fundamentos da Física Experimental

Fundamentos da Física Experimental Curso ntrodutóro de Fundamentos da Físca Epermental Um gua para as atvdades de laboratóro Elaborado por: Marca Muller José Luís Fabrs Agosto de 07 Prefáco A déa orgnal que será abordada neste teto é a

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 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 mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos 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 mais

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.

Leia mais

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Capítulo XI. Teste do Qui-quadrado. (χ 2 ) TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de

Leia mais