ANÁLISE DE DESLOCAMENTO EM UMA MINA A CÉU ABERTO. Patrício Alcota Aguirre 1 Camil Gemael 2 RESUMO ABSTRACT

Tamanho: px
Começar a partir da página:

Download "ANÁLISE DE DESLOCAMENTO EM UMA MINA A CÉU ABERTO. Patrício Alcota Aguirre 1 Camil Gemael 2 RESUMO ABSTRACT"

Transcrição

1 ANÁLIE DE DELOCAMENTO EM UMA MINA A CÉU ABERTO Patríco Alcota Agurre Caml Gemael Uversae eeral o Paraá Curso e Pós-Grauação em Cêcas Geoéscas, etor e Cêcas a Terra Cetro Poltécco, Jarm as Amércas, C.P. 900, CEP , Curtba-PR - oe (04) 36353, ax (04) e-mal: palcota@uatof.cl e-mal: k000@geoc.ufpr.br REUMO O presete trabalho vsa aalsar os eslocametos ocorros em uma ma a céu aberto localzaa o orte e Chle. Os aos empregaos para a pesqusa foram forecos pela Empresa Coelco-Chle, Dvsó Chuqucamata, obeeceo a um sstema e cotrole mplatao para a avalação os eslocametos. oram utlzaas metoologas feretes aquelas que têm so aplcaas o local (sstema Automatc Polar ystem), a fm e que foreça uma ferrameta e comparação e avalação as metoologas atualmete aplcaas. Os métoos utlzaos para processar os aos foram baseaos prcpalmete a teora o Métoo os Mímos Quaraos aplcao-se testes e hpótese para avalar os resultaos e para verfcar se os eslocametos são sgfcatvos. Poe-se coclur baseao-se os resultaos e testes aplcaos, que os eslocametos realmete exstem ao logo o tempo; poeo ser um catvo para pesqusas posterores com respeto à avalação quattatva o real eslocameto e qual é a porção os erros sstemátcos que estão afetao os resultaos. Palavras-chave: eslocameto; métoo os mímos quaraos, testes e hpótese. ABTRACT The preset work seeks to aalyze the splacemets happee a ope pt me locate the orth of Chle. The ata employees for the research were supple by the Compay Coleco-Chle, Dvsó Chuqucamata, obeyg a cotrol system mplate for the evaluato of splacemets. A fferet methoology from those that have bee apple the place (Automatc Polar ystem) was use, so that t supples a comparso tool a assessemet of the methoologes. The methos use to process the ata were maly set the Least quares theory beg apple hypothess test to evaluate the results a to verfy whether the splacemets are sgfcat. It ca be coclue basg o the results a apple test, that the splacemets really exst alog the tme; t coul be a catve oe for posteror researches wth regar to the quattatve evaluato of the real splacemets a whch s the porto of the systematc error that are affectg the results. Keywors: splacemets; least squares metho, hypothess test.. INTRODUÇÃO Atualmete uma as tarefas mas mportates as mas a céu aberto é o motorameto e rees para etermar as muaças em corpos eformáves, seja em forma, mesão ou em posção. Estes eslocametos são etectaos, prcpalmete, pelas varações as cooreaas os potos observaos. Exstem város métoos para avalar estes movmetos. Poem ser mecoaos os métoos geoéscos covecoas, os fotogramétrcos, os espacas, os geotéccos e os estruturas. No caso em estuo, uma ree e motorameto covecoal fo mplataa para este objetvo a ma e Chuqucamata, sto é, exstem marcos os quas âgulos e stâcas têm so meos. eguo Ashkeaz et al. (980), uma ree e motorameto cosste em um etermao úmero e potos e cotrole, horzotas, vertcas, ou ambos, e uma grae quatae e observações. Esta ree, assm costtuía, é a úca maera e etermar movmetos com acuráca. Na bblografa exstete sobre rees e motorameto e eformações (e.g. lva, 997), o processo é vo em quatro etapas, a seqüêca, relacoaas. A prmera etapa, eomaa especfcação, requer um cohecmeto a pror a graeza os Revsta Braslera e Cartografa, N o 53, pp. 9-96, ezembro 00.

2 movmetos, o qual é, também, uma coção para estabelecer a precsão os equpametos utlzaos. A segua etapa, eomaa cocepção, vsa atgr a melhor cofguração as estações e cotrole e as estações e observação. A tercera etapa, eomaa mplemetação, é a etapa e maor custo, porque é a que evolve téccas e meção e problemas tas como cetragem o strumeto, potara aos alvos e velameto o equpameto. Na quarta e últma etapa, eomaa aálse, as observações são estatstcamete aalsaas. Nesta etapa, a aálse estatístca cosste a etecção e erros grosseros (bluers), estmatva e parâmetros e comparação etre os cojutos e aos proveetes e épocas feretes. Esta aálse vsa etermar as reas varações as cooreaas. Nesta etapa é feto também um estuo e otmzação a ree o poto e vsta a cofablae tera. As três prmeras etapas já estavam fetas a ma em estuo. Neste trabalho, apeas será feta a orgazação e geração as bases e aos e a aálse estatístca estes, aplcao moelos esevolvos e aplcaos em Geoésa.. DECRIÇÃO DA REDE DE MONITORAMENTO Na atualae, a cofguração geral a ree e motorameto e eformação utlzaa em Chuqucamata obeece ao equpameto ecessáro para aplcar o sstema esevolvo pela LEICA AG (WILD), chamao Automatc Polar ystem (AP), e cujas característcas, a seqüêca, estão escrtas. - Estação e Cotrole A Estação e Cotrole coheca como AP Oeste, cosste em um local para a stalação o strumeto topográfco. Este local é provo e uma cabe e proteção clmatzaa e com graes superfíces em vro especal at-refração, cotém também o computaor que gereca toa a operação. Utlzam-se equpametos e precsão, cossto em um teoolto eletrôco servomotorzao TM3000 e precsão 0,5 e e um stacômetro eletrôco DIOR DI3000 e precsão 3 mm + ppm a stâca mea. - Ree e Potos xos Estão fxaos um cojuto costtuío e 5 prsmas e referêca fora o local e observação, aos quas o equpameto faz potara para estabelecer um referecal local. É mportate stuar estes potos os quas estão fxaos os prsmas, em marcos sólos e cocreto, em áreas estáves e loge as fluêcas a ma. - Potos e Observação Revsta Braslera e Cartografa, N o 53, pp. 9-96, ezembro 00. A fm e obter as observações que etermaram os eslocametos, é empregao um cojuto e prsmas um total e 70 uaes, stuao a paree leste a ma (zoas 5, 6 e 7). Para este trabalho foram utlzaos 36 prsmas, cuja escolha fo baseaa a exstêca e meas para estes potos em toas as épocas coseraas. 3. AJUTAMENTO DA REDE DE PONTO DE REERÊNCIA E ETAÇÃO DE CONTROLE, APLICANDO O MÉTODO DO MÍNIMO QUADRADO. Uma as etapas a aálse e eslocameto é o ajustameto as observações pelo métoo os mímos quaraos (MMQ). No caso em estuo realzou-se um ajustameto coserao os potos e referêca como fxos para etermar as cooreaas a estação e cotrole (AP), coserao épocas e um mês. As observações e azmute, âgulo zetal e stâca foram meas ese a estação e cotrole aos potos fxos (P a P5). A falae este ajustameto é etermar um poto cal cofável (atum), e verfcar se houve eslocameto este poto. A partr a etermação este poto propagou-se as cooreaas aos potos e observação para comprovar se exste eslocameto. Devo à exstêca e superabuâca e observações, o sstema e equações resultate ão é compatível com o moelo fucoal; sto é, ão tem solução úca. Portato, as observações orgas, represetaas pelo vetor L b evem ser substtuías por observações ajustaas (estmaas pelo ajustameto) L a, para satsfazer o moelo. Da fereça etre os valores estmaos e os observaos resulta o vetor (GEMAEL, 994) : V, () L a L b que é chamao vetor e resíuo. A aálse os elemetos este vetor eterma a cofablae o moelo. 4. EQUAÇÕE DE OBERVAÇÃO O moelo escolho fo gerao coserao o vetor L b como as cooreaas os potos fxos (P a P5) e é apresetao a segur. p a a + D se(az ) se(av ), () p a a + D cos(az ) se(av ),.. 5 (3) p a a + D cos(av ). (4) Correspoeo p, p e p às cooreaas os potos fxos, e a, a e a às cooreaas a estação e cotrole AP. 5. OBTENÇÃO DA COORDENADA DO PONTO DE OBERVAÇÃO As equações usaas para propagar as cooreaas ese a estação e cotrole ajustaa aos potos e observação, são:

3 P.OB AP + D se Av A D se Av. se(az), (5) P.OB AP + D se Av A D se Av. cos(az), (6) P.OB AP + D + B (D seav ) (7) para,..,36; em que: A (-k/)/r, [m - ], B (-k)/ R 6, [m - ], k 0,3, R 6, m (rao a Terra). Os coefcetes A e B são as correções para os efetos a curvatura e refração terrestre. Neste caso tem-se quatro grupos e observações que cosstem e azmute, âgulo vertcal e stâca claa. Devo ao fato e ter quatro cooreaas por poto, calculou-se a méa e o esvo parão para caa um estes. 6. DETERMINAÇÃO, TETE E INTERPRETAÇÃO DO POÍVEI DELOCAMENTO Com as cooreaas os potos e observação para caa época, calculam-se as fereças etre uas, coserao como referêca a época (mês e jaero). Uma vez obtas as fereças etre as épocas é mportate etermar se estas correspoem realmete a um eslocameto, ou são efetos os erros sstemátcos e grosseros ão moelaos. Esta tarefa fo realzaa aplcao um teste estatístco, com o ível e sgfcâca (α5%) e baseao uma strbução e eecor. O teste a aplcar pertece à aálse estatístca multvaraa para o caso e comparações emparelhaas, que se escreve a segur. Hpótese básca: H 0 : : ão exste fereça sgfcatva etre as compoetes ao logo e um ao. Hpótese Alteratva: H : : exste fereça sgfcatva etre as compoetes ao logo e um ao. No eucao as hpótese básca e alteratva, tem se: vetor a compoete, resultate a fereça etre a época (jaero) e as outras épocas (feverero a ezembro); vetor a compoete, resultate a fereça etre a época (jaero) e as outras épocas (feverero a ezembro); vetor a compoete, resultate a fereça etre a época (jaero) e as outras épocas (feverero a ezembro). compoetes. (8) j j ; vetor méo as fereças etre ; (9) T ( j )( j ) j. (0) Estatístca o Teste: Ô Τ ( ) - ( ) ( ) T. () ( )p p p, eo: úmero e fereças, p úmero e varáves. Rejeta-se H 0, se: Τ > ( )p p p, ; () p. (3) p 7. REULTADO DA ETAÇÃO DE CONTROLE azeo a fereça a época (jaero) com caa uma as outras épocas (feverero até ezembro), gerou-se o vetor e fereças para caa uma as compoetes (,, ). Revsta Braslera e Cartografa, N o 53, pp. 9-96, ezembro 00. A segur apresetam-se os resultaos o teste e comparações emparelhaas, para etermar se exste

4 uma fereça sgfcatva as varações as compoetes as cooreaas a estação e cotrole (AP), urate o ao 996. Para á 0,05, A segur apresetam-se os resultaos para as fereças etre as épocas e (jaero e feverero) e e 3(jaero e março). - Época Época : - Valor Teórco: 3( - ) 3 (0,05) 3,8 5,6 - Valor calculao: 3(36 - ) 36 3 (0,05) 3,33 9, - Valor calculao: 0, , , , , , , , , , , , Ô,059 Ô,059 < ) α, aceta-se a hpótese básca H 0 o ível e sgfcâca e α5%, que ão exste fereça sgfcatva etre os valores as compoetes o ao 996. Na Tab. apresetam-se as varações as compoetes as cooreaas ao logo o ao 996. TABELA VARIAÇÃO DA COMPONENTE DO PONTO DE CONTROLE AP AJUTADO. MÊ JAN. 8,68 495,9 305,99 EV. 8, ,0 305,904 MAR. 8, ,93 305,99 ABR. 8,66 495,5 305,906 MAI. 8, ,90 305,96 JUN. 8, ,9 305,90 JUL. 8, ,09 305,9 AGO. 8,69 495,77 305,993 ET. 8,65 495,68 305,970 OUT. 8, ,68 305,909 NOV. 8, ,80 305,94 DE. 8, ,64 305,960 0, , , , , , Ô 6, Ô 6, > - 0, , , ) - 0, , , α, rejeta-se a hpótese básca H 0 a um ível e sgfcâca e α5%; que exste fereça sgfcatva etre os valores as épocas e o ao Época Época 3 : - Valor calculao: 0, , , (36 - ) , , - 0, , Ô 83,70. (0,05) 9, 3,33-0, , , , , , REULTADO DO PONTO DE OBERVAÇÃO Para os potos e observação também aplcouse o teste e comparações emparelhaas para etermar se as varações os 36 potos eram sgfcatvas. Para este propósto foram calculaas as fereças tomao como referêca a época, aplcao o teste com caa uma as outras épocas. Revsta Braslera e Cartografa, N o 53, pp. 9-96, ezembro 00. Ô 83,70 >, rejeta-se a hpótese básca H 0 a um ível e sgfcâca e α5%, o que sgfca que exste fereça sgfcatva etre os valores as compoetes as épocas e 3 o ao 996.

5 Nas tabelas e 3 apresetam-se os resultaos obtos tomao como referêca a época e comparao com as épocas e 3: TABELA DIERENÇA ENTRE A COMPONENTE DO PONTO DE OBERVAÇÃO ENTRE A ÉPOCA E ÉPOCA. DI. DI. DI. DI. DI. DI. 5 0,0044 0,0339 0, ,055-0,0606 0, ,035-0,0-0, ,083-0,66-0, ,000 0,0083 0, ,0356 0,09 0, ,07-0,06-0, ,07-0,07 0, ,0467 0,03 0, ,075 0,003 0, ,0069-0,08-0,0 7-0,983-0,9-0, ,077-0,048 0, ,0987-0,0649 0, ,0896-0,03-0, ,008 0,086 0, ,0745-0,38-0, ,537-0,64-0, ,34-0,45 0, ,0079-0,09-0, ,00-0,74 0, ,0868-0,06 0, ,059-0,57-0, ,03-0,0596 0, ,0954-0,663-0, ,04 0,08 0, ,046 0,06 0, ,0795-0,0753-0, ,043 0,0467 0, ,04 0,037 0, ,048-0,0038-0, ,045-0,009-0, ,034 0,04 0, ,783 0,3483 0, ,040 0,058 0, ,08 0,07 0,08 TABELA 3 DIERENÇA ENTRE A COMPONENTE DO PONTO DE OBERVAÇÃO ENTRE A ÉPOCA E ÉPOCA 3. DI. DI. DI. DI. DI. DI. 5-0,005 0,0588-0, ,0958-0,0763-0, ,070-0,0068-0, ,44-0,838-0, ,0083 0,0086-0, ,079 0,0335-0, ,0469-0,08-0, ,0585-0,033-0, ,093 0,057-0, ,057 0,096-0, ,098-0,05-0,36 7-0,457-0,49-0,34 6-0,0609-0,034-0, ,47-0,077-0, ,538-0,034-0, ,08 0,044 0, ,38-0,09-0, ,354-0,334-0,8 65-0,954-0,33-0, ,04-0,086-0, ,0485-0,776-0, ,348-0,03-0, ,0986-0,459-0, 758-0,5-0,0589-0, ,95-0,808-0, ,0348 0,044-0, ,055 0,04-0, ,36-0,434-0, ,087 0,0746-0, ,0534 0,0587-0, ,0848-0,0009-0, ,0808-0,0047-0, ,0487 0,034-0, ,3503 0,699 0, ,085 0,0954-0, ,046 0,076-0, CONCLUÕE E RECOMENDAÇÕE Para a estação e cotrole (AP), os testes aplcaos as fereças etre uas épocas seo a e referêca a época, etermou que aquelas varações as cooreaas ão eram sgfcatvas a um ível e sgfcâca α5%, poeo ser prouzas pela fluêca os erros sstemátcos ão moelaos. Poese mecoar etre estes erros, a storção o sal o equpameto prouza pela polução e fatores ambetas. Dferete fo o caso os potos e observação cujas varações acusaram ser sgfcatvas; cocluo etão, que exstram eslocametos. Das aálses as cooreaas os potos e observação, coclu-se que a zoa 5 (potos 5-575) é a mas estável, etectao-se eslocametos máxmos em algus potos solaos tas como 5 e 550, e aproxmaamete 0,0 m em toas as compoetes (,, ); recomeao a stalação e potos e observação acoas para etermar a coção as regões próxmas a estes potos. Na zoa 6 poe-se coclur que os eslocametos aumetam em magtue, chegao até um máxmo e,3 m a compoete, 0,40 m a compoete e 0,60 m a compoete, ao logo o ao. Igualmete acotece a zoa 7 oe os eslocametos máxmos ao logo o ao correspoem a 3,8 m a compoete,,33 m a compoete e 0,66 m a compoete. 0. REERÊNCIA BIBLIOGRÁICA ALCOTA AGUIRRE., P. Aálse e Deslocametos em uma ma a céu aberto. Curtba 000. Dssertação (Mestrao em Cêcas Geoéscas)- Departameto e Geomátca, Uversae eeral o Paraá, 000. AHKENAI, V., DODON A. H. ; CRANE. A. Motorg eformatos to mllmter accuracy. Proceegs of the Iustral a Egeerg urvey Coferece. Loo. eptember, -4, 980. GEMAEL, C. Itroução ao ajustameto e observações. Aplcações geoéscas. Curtba, UPR, 994. LEICA AG HEERBRUGG. AP for Wows. Versão., 995. ILVA, A.. Optmsato of surveyg motorg etworks. Thess (Doctor of Phlosophy), Uversty of Nottgham, 997. Revsta Braslera e Cartografa, N o 53, pp. 9-96, ezembro 00.

Análise de Regressão e Correlação

Análise de Regressão e Correlação Aálse e Regressão e Correlação Fo já estuao a forma e escrever um cojuto e oservações e uma só varável. Quao se coseram oservações e uas ou mas varáves surge um ovo poto. O estuo as relações porvetura

Leia mais

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1 Dscpla: álse Multvaraa I Prof. Dr. mr too Betarell Juor UL 6. MÉTODO DE ESCLONMENTO MULTIDIMENSIONL (MDS) Proposto por Youg (987) esse métoo poe ser utlzao para agrupameto. É uma técca para represetar

Leia mais

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados Eercícos e Cálculo Numérco Iterpolação Polomal e Métoo os Mímos Quaraos Para a ução aa, seja,, 6 e, 9 Costrua polômos e grau, para apromar, 5, e ecotre o valor o erro veraero a cos b c l Use o Teorema

Leia mais

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados Gabarto a sta e Iterpolação e Métoo os Mímos Quaraos ercíco : a cos Prmera orma: Iterpolação e agrage 8 5 P cos5 P - 89765 6 5 85 5 5 5 P 5 : : rro Portato 6 cos9 9 ; -5 6 9-9 - 6 5 5 5 85 cos6 6 ; 5 9

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 9. ANÁISE DE AGUPAENTOS (CUSTER) 9. INTRODUÇÃO A Aálse e Agruametos é uma técca stta os étoos e Classfcação (Aálse Dscrmate, Regressão ogístca). Na Classfcação temos um úmero e gruos cohecos, e o objetvo

Leia mais

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

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

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

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

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

GABARITO 16) C 17) C 18) D 19) D. a) Falsa. Foi de 15%. b) Falsa. A menor foi em c) Falsa. A taxa voltou a subir em 95.

GABARITO 16) C 17) C 18) D 19) D. a) Falsa. Foi de 15%. b) Falsa. A menor foi em c) Falsa. A taxa voltou a subir em 95. Matemátca C Extesvo V. Exercícos 0) C Pelo gráfco, o aumeto é lear. Etão, como o aumeto fo e 9 espéces, em tervalos e aos, poemos afrmar que a caa aos o aumeto é e: espéces. Assm, em 0 (que é 00 aos) o

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

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

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino Plao de Eso Uversdade Federal do Espírto Sato Campus: São Mateus Curso: Egehara de Produção Departameto Resposável: Departameto de Egeharas e Tecologa Data de Aprovação (Art. º 91): Docete resposável:

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Estimativa da temperatura base da fase emergência - floração em cultivares de feijão

Estimativa da temperatura base da fase emergência - floração em cultivares de feijão Estmatva a temperatura ase a fase emergêca - floração em cultvares e fejão Joaa Gracela Haauer *, Nereu Augusto Streck, Isael Lago 3, Neréa Dalfollo Rero, Sara Mara Mazero 4 Resumo A temperatura poe ser

Leia mais

PME Mecânica Geral B. Introdução à Mecânica Analítica Notas de Aula

PME Mecânica Geral B. Introdução à Mecânica Analítica Notas de Aula ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO Departameto e Egehara Mecâca PME 00 - Mecâca Geral B Itroução à Mecâca Aalítca Notas e Aula Prof Dr Clóvs e Arrua Marts 006 ÍNDICE INTRODUÇÃO GRAUS DE LIBERDADE

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

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

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

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

09/03/2014 RETORNO. I Conceitos Básicos. Perguntas básicas. O que é matemática financeira? Por que estudar matemática financeira?

09/03/2014 RETORNO. I Conceitos Básicos. Perguntas básicas. O que é matemática financeira? Por que estudar matemática financeira? 09/0/04 I Cocetos Báscos Matemátca Facera Aplcaa ao Mercao Facero e e Captas Proessor Roalo Távora Pergutas báscas O que é matemátca acera? Por que estuar matemátca acera? = RETORNO Matemátca Facera Aplcaa

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

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

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância.

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância. Irradada Smples Coordeação drecta de potos ovos, a partr de um poto cohecdo, meddo-se um âgulo e uma dstâca. P N M M M V E P P P V E P E R EN α c M V M M ser C P cos R C EV EV R EV R EN α c dstâca cartográfca

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração

Leia mais

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

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

Leia mais

EXERCÍCIOS DE ESTATÍSTICA. Jaime Fonseca. Daniel Torres. Vol. 2. 2ª Edição Revista e Corrigida EDIÇÕES SÍLABO

EXERCÍCIOS DE ESTATÍSTICA. Jaime Fonseca. Daniel Torres. Vol. 2. 2ª Edição Revista e Corrigida EDIÇÕES SÍLABO RCÍCIOS D STATÍSTICA Jame Foseca Dael Torres Vol. ª ção Revsta e Corrga DIÇÕS SÍABO RCÍCIOS D STATÍSTICA JAIM FONSCA DANI TORRS DIÇÕS SÍABO É eressamete robo rerouzr, o too ou em arte, sob qualquer forma

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

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

Leia mais

METODOLOGIA NUMÉRICO-ANALÍTICA BIDIMENSIONAL PARA TRANSPORTE DE CONTAMINANTE

METODOLOGIA NUMÉRICO-ANALÍTICA BIDIMENSIONAL PARA TRANSPORTE DE CONTAMINANTE METODOOGI NUMÉRICO-NÍTIC BIDIMENSION PR TRNSPORTE DE CONTMINNTE Celme Tôrres Costa & Marco urélo Holaa e Castro Resumo âmca os cotamates em um sstema é um problema e atureza trasete e são trauzos pelos

Leia mais

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A. MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

KEYWORDS. Predictor-Corrector Primal-Dual Method, Modified Barrier, Environmental and Economic Dispatch. Main area (PM - Mathematical Programming)

KEYWORDS. Predictor-Corrector Primal-Dual Method, Modified Barrier, Environmental and Economic Dispatch. Main area (PM - Mathematical Programming) September 4-8 Ro e Jaero Brazl MÉTODO PROCEDIMENTO PREVISOR-CORRETOR PRIMAL-DUAL DE PONTOS INTERIORES COM PROCEDIMENTO BARREIRA MODIFICADA EM PROBLEMAS MULTIOBJETIVO DE DESPACHO ECONÔMICO E AMBIENTAL Améla

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

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

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

Leia mais

UNIDADE II TEORIA DE ERROS

UNIDADE II TEORIA DE ERROS UNIDADE II TEORIA DE ERROS 1. OBJETIVOS: Operar co algarsos sgfcatvos. Calcular esvo parão o valor éo e eas. Operar co graezas afetaas e esvos. 2. INTRODUÇÃO A Físca é ta ua cêca exata. Esta é ua as graes

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

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

UMA ABORDAGEM GEOMÉTRICA À TEORIA DOS DELINEAMENTOS EXPERIMENTAIS COM UMA APLICAÇÃO AO PROBLEMA DE ESTIMATIVAS NEGATIVAS DE COMPONENTES DE VARIÂNCIAS

UMA ABORDAGEM GEOMÉTRICA À TEORIA DOS DELINEAMENTOS EXPERIMENTAIS COM UMA APLICAÇÃO AO PROBLEMA DE ESTIMATIVAS NEGATIVAS DE COMPONENTES DE VARIÂNCIAS UMA ABORDAGEM GEOMÉRICA À EORIA DOS DELINEAMENOS EXPERIMENAIS COM UMA APLICAÇÃO AO PROBLEMA DE ESIMAIVAS NEGAIVAS DE COMPONENES DE VARIÂNCIAS Alexare a Slva ADÃO Lucas Motero CHAVES Deval Jaques e SOUZA

Leia mais

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

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

Credenciada e Autorizada pelo MEC, Portaria n. o. 644 de 28 de março de 2001 Publicado no D.O.U. em 02/04/2001

Credenciada e Autorizada pelo MEC, Portaria n. o. 644 de 28 de março de 2001 Publicado no D.O.U. em 02/04/2001 Ceecaa e Autozaa pelo MEC, Potaa. o. 644 e 8 e maço e 00 Publcao o D.O.U. em 0/04/00 ESTATÍSTICA Pelo Poesso Gealo Pacheco A Estatístca é uma pate a Matemátca Aplcaa que oece métoos paa coleta, ogazação,

Leia mais

e Estudos Climáticos (CPTEC/INPE) - São José dos Campos - São Paulo - SP, Brasil

e Estudos Climáticos (CPTEC/INPE) - São José dos Campos - São Paulo - SP, Brasil Avalação do Modelo Atmosférco ETA para a Regão do CLA Rosa de Fátma Cruz Marques, Jorge Yamazak, Mara Aparecda Seaubar Alves, Emauel Garolla 2 e José Marcos Barbosa da Slvera. Isttuto de Aeroáutca e Espaço/Dvsão

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

sendo C uma constante, β = (kt) -1, k a constante de Boltzmann, T a temperatura do sistema e m a massa da molécula. FNC Física Moderna 2 Aula 8

sendo C uma constante, β = (kt) -1, k a constante de Boltzmann, T a temperatura do sistema e m a massa da molécula. FNC Física Moderna 2 Aula 8 Estatístca Quâtca Sstea físco co utos copoetes trataeto etalhao copleo aborae estatístca. Usaa co sucesso a físca clássca para escreer ssteas teroâcos. Relação etre propreaes obseraas e o coportaeto proáel

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

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

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

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes? Estatístca descrtva bdmesoal (Tabelas, Gráfcos e Estatístcas) Aálse bvarada (ou bdmesoal): avala o comportameto de uma varável em fução da outra, por exemplo: Quatas vedas da Marca Phlps a regão Norte?

Leia mais

DEMONSTRATIVO DE CÁLCULO DE APOSENTADORIA - FORMAÇÃO DE CAPITAL E ESGOTAMENTO DAS CONTRIBUIÇÕES

DEMONSTRATIVO DE CÁLCULO DE APOSENTADORIA - FORMAÇÃO DE CAPITAL E ESGOTAMENTO DAS CONTRIBUIÇÕES Página 1 de 28 Atualização: da poupança jun/81 1 133.540,00 15,78 10,00% 13.354,00 10,00% 13.354,00 26.708,00-0,000% - 26.708,00 26.708,00 26.708,00 jul/81 2 133.540,00 15,78 10,00% 13.354,00 10,00% 13.354,00

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem

Leia mais

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

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

PRÓ-TRANSPORTE - MOBILIDADE URBANA - PAC COPA 2014 - CT 318.931-88/10

PRÓ-TRANSPORTE - MOBILIDADE URBANA - PAC COPA 2014 - CT 318.931-88/10 AMPLIAÇÃO DA CENTRAL DE Simpl Acum Simpl Acum jul/10 a jun/11 jul/11 12 13 (%) (%) (%) (%) 1.72.380,00 0,00 0,00 0,00 361.00,00 22,96 22,96 1/11 AMPLIAÇÃO DA CENTRAL DE ago/11 Simpl Acum Simpl Acum Simpl

Leia mais

PRÓ-TRANSPORTE - MOBILIDADE URBANA - PAC COPA 2014 - CT 318.931-88/10

PRÓ-TRANSPORTE - MOBILIDADE URBANA - PAC COPA 2014 - CT 318.931-88/10 AMPLIAÇÃO DA CENTRAL DE Simpl Acum Simpl Acum jul/10 a jun/11 jul/11 12 13 (%) (%) (%) (%) 0,00 0,00 0,00 0,00 0,00 0,00 1/11 AMPLIAÇÃO DA CENTRAL DE ago/11 Simpl Acum Simpl Acum Simpl Acum 14 set/11 15

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

9 Medidas Descritivas

9 Medidas Descritivas 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se

Leia mais

PREVISÃO DE MASSA DE FRUTOS DE ABOBRINHA CULTIVAR ANITA F1

PREVISÃO DE MASSA DE FRUTOS DE ABOBRINHA CULTIVAR ANITA F1 PREVISÃO DE MASSA DE FRUTOS DE ABOBRINHA CULTIVAR ANITA F1 Jhoata Motero de Olvera 1 ; Roberto Rezede 2 ; Adré Maller 3 ; Paulo Sérgo Loureço de Fretas 4 ; Maraa Gomes Brescas 5 ; Rea Soares de Souza 6

Leia mais

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

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

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

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

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

Leia mais

Números Complexos. 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

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

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

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

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

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

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

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

Análise da Informação Económica e Empresarial

Análise da Informação Económica e Empresarial Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( 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

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

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

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

Í N D I C E. Séries de Pagamentos ou Rendas Renda Imediata ou Postecipada Renda Antecipada Renda Diferida...

Í N D I C E. Séries de Pagamentos ou Rendas Renda Imediata ou Postecipada Renda Antecipada Renda Diferida... Curso: Pós-graduação / MBA Campus Vrtual Cruzero do Sul - 2009 Professor Resposável: Carlos Herque de Jesus Costa Professores Coteudstas: Carlos Herque e Douglas Madaj UNIVERSIDADE CRUZEIRO DO SUL Cohecedo

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

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 mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Modelos de regressão linear: abordagem clássica

Modelos de regressão linear: abordagem clássica Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua

Leia mais

3 Procedimento Experimental

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

Leia mais

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

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

Estabilidade no Domínio da Freqüência

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

Leia mais

Variância estatística associada a métodos semi-empíricos para estimativa da capacidade de carga de estacas

Variância estatística associada a métodos semi-empíricos para estimativa da capacidade de carga de estacas Teora e Prátca a Egehara vl,.0, p.6-67, ovemro, 0 arâca estatístca assocada a métodos sem-empírcos para estmatva da capacdade de carga de estacas Statstcal varace assocated wth sem-emprcal methods for

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