COMPARAÇÃO DE MÉTODOS DE AMOSTRAGEM PARA ANÁLISE ESTRUTURAL DE FLORESTAS INEQÜIÂNEAS 1

Tamanho: px
Começar a partir da página:

Download "COMPARAÇÃO DE MÉTODOS DE AMOSTRAGEM PARA ANÁLISE ESTRUTURAL DE FLORESTAS INEQÜIÂNEAS 1"

Transcrição

1 Comparação de Métodos de Amostragem para Aálse COMPARAÇÃO DE MÉTODOS DE AMOSTRAGEM PARA ANÁLISE ESTRUTURAL DE FLORESTAS INEQÜIÂNEAS Cássa Aparecda de Faras, Carlos Pedro Boëchat Soares 3, Agostho Lopes de Souza 3 e Helo Garca Lete 3 RESUMO - O presete trabalho fo realzado em um povoameto florestal eqüâeo, pertecete à Uversdade Federal de Vçosa-MG, objetvado comparar estmatvas do úmero de árvores por hectare, volume por hectare, área basal por hectare, dâmetro médo e altura méda do povoameto e úmero de espéces, utlzado parcelas de área fa (método I) e amostragem por poto horzotal (método de Btterlch), com fatores de área basal K=, K= e K=4 (métodos II, III e IV, respectvamete). Após aálses, costatou-se que: a) para ateder a um determado erro de amostragem, há a ecessdade de maor úmero de potos de amostragem, em comparação ao úmero de parcelas de área fa; b) ão houve dfereça estatístca etre as estmatvas de volume por hectare, área basal por hectare, dâmetro médo e altura méda do povoameto, obtdas as parcelas de área fa e os potos de amostragem, depedetemete do fator de área basal; c) a amostragem por poto horzotal (método de Btterlch) poderá ser utlzada para caracterzação da composção florístca se houver aumeto de tesdade amostral ou se a floresta apresetar baa dversdade de espéces; e d) houve dfereça estatístca etre o úmero de árvores por hectare e por classe de dâmetro para os métodos de amostragem estudados. Os métodos II, III e IV subestmaram o úmero de árvores as maores classes de dap (dâmetro à altura do peto) e superestmaram-o as meores. Palavras-chave: Floresta eqüâea, métodos de amostragem e método de Btterlch. COMPARISON OF SAMPLING METHODS FOR STRUCTURAL ANALYSIS OF UNEVEN-AGED STANDS ABSTRACT - Ths work was carred out a ueve-aged stad at the Uversdade Federal de Vçosa, Mas Geras, Brazl, to compare estmates of the umber of trees per hectare, volume per hectare, basal area per hectare, medum dameter ad medum heght of the stad ad umber of speces, usg plots of equal sze (Method I) ad the horzotal pot samplg (Btterlch Method), wth basal area factors K=, K= ad K=4 (Methods II, III ad IV, respectvely). After aalyses, t was verfed that: a) to meet to a certa samplg error, a larger umber of samplg pots s eeded comparso wth the umber of plots of equal sze; b) o sgfcat dfferece was foud amog the volume estmates per hectare, basal area per hectare, medum dameter ad medum heght of the stad, obtaed from the plots of equal sze ad the samplg pots, regardless of the basal area factor; c) the horzotal pot samplg (Btterlch Method) ca be used for characterzato of the umber of speces a ueve-aged stad f there s a crease of umber of pots or f the forest presets low speces dversty; d) there was o sgfcat dfferece amog the umbers of trees per hectare ad dameter class for the samplg methods studed. Methods II, III ad IV uderestmate the umber of trees the largest DAP classes ad overestmate t the smallest oes. Key words: Ueve-aged stad, samplg methods ad Btterlch method. Recebdo para publcação em Aceto para publcação em 6... Eg. Florestal, M.S., INPACEL AGROFLORESTAL LTDA - DR Km Arapot-PR, 3 Prof. do Departameto de Egehara Florestal da UFV, DEF/UFV, Vçosa-MG. Socedade de Ivestgações Florestas R. Árvore, Vçosa-MG, v.6,.5, p ,

2 54 FARIAS, C.A. et al.. INTRODUÇÃO Os produtos florestas são utlzados em dversas atvdades, desde as costruções cvs aos adoros de madera, cobrdo uma varada gama de utldades, dspesáves ao bem-estar do homem. Detro desse coteto surge como alteratva o maejo florestal, cujo prcípo é a mauteção da produção de bes e servços em quatdade e qualdade para gerações presetes e futuras. Para sto, estmatvas sobre característcas das populações florestas devem ser obtdas através de procedmetos de vetáro florestal, defdos em fução dos recursos dspoíves, da precsão requerda e dos objetvos do vetáro. Além dos plaos de maejo, em váras stuações há a ecessdade de realzação de vetáros florestas, como partlha de bes, autuação perate crme ambetal, avalação de propredades para a veda, etre outros. Em vrtude das lmtações de recursos faceros, tempo, mão-de-obra, acesso e tamaho das florestas, é mpratcável vetarar % da área das florestas. Assm, há a ecessdade do emprego de métodos de amostragem, com o objetvo de obter estmatvas precsas e efcetes de dferetes parâmetros populacoas de teresse. Tradcoalmete, o método de amostragem mas utlzado para vetarar florestas eqüâeas e eqüâeas é o método que se basea a alocação de parcelas de área fa. Este método geralmete possu custo elevado e ege maor tempo para os levatametos, devdo à marcação e medção de um grade úmero de árvores (Husch et al., 98). Assm sedo, tora-se mportate aalsar dferetes métodos de amostragem, vsado reduzr o tempo e o custo de eecução do vetáro, sem perda de precsão. Cosderado os métodos de amostragem alteratvos, com o objetvo de reduzr os custos dos vetáros florestas, sem, cotudo, reduzr a sua precsão, tem-se o método dealzado por Btterlch, em 948. Devdo à smplcdade do procedmeto para obteção dos dados, a aplcação desse método pode ser de etrema utldade, prcpalmete em stuações em que se ecessta de um dagóstco rápdo do estoque de madera etre outras característcas de florestas eqüâeas, que pela sua atureza demadam maores esforços de amostragem. Date deste fato, verfca-se a ecessdade de comparar o método de amostragem que se basea a alocação de parcelas de área fa (método tradcoal) com a amostragem por poto horzotal (método de Btterlch), em um vetáro de floresta eqüâea, baseado-se em parâmetros como o úmero de árvores por hectare, o volume por hectare, a área basal por hectare, o úmero de espéces, o dâmetro médo e a altura méda do povoameto, bem como a dstrbução damétrca, caracterzada pela dstrbução do úmero de árvores em classes damétrcas.. MATERIAL E MÉTODOS.. Caracterzação da Área O presete trabalho fo realzado em uma área localzada o mucípo de Vçosa, Zoa da Mata de Mas Geras (Lat. 4 o 53 W e Log. o 45 S). A área de estudo é cohecda como Mata da Praça de Esportes, possu,65 ha e é de propredade da Uversdade Federal de Vçosa. As formações florestas estetes a regão são caracterzadas como floresta estacoal semdecdual, os estádos prmáro e secudáro, sujetas a um rtmo estacoal, com a 5% de árvores caducfólas a estação seca. Seus agrupametos remaescetes mas epressvos localzam-se as ecostas superores dos terreos da regão (Coelho, 999). Os dados para realzação deste trabalho foram coletados medate vetáro florestal, utlzado os segutes métodos de amostragem: método I (parcelas de área fa método-padrão), método II (Btterlch, K = ), método III (Btterlch, K = ) e método IV (Btterlch, K = 4). Para o método de amostragem que utlza parcelas de áreas fas, foram laçadas, sstematcamete, 3 parcelas ao logo de toda a área, dspostas o setdo orte sul, dstates 9 m umas das outras. As parcelas possuíam 5 m (5 m ), sedo a maor dmesão alocada o setdo sul, a maor declvdade. Para o método de Btterlch, fo empregada a amostragem sstemátca que utlza o relascópo de Btterlch. O cetro de cada parcela de área fa fo cosderado como um poto de amostragem, totalzado 3 potos de amostragem. O ível de clusão adotado fo de 5 cm de DAP (dâmetro à altura do peto). Em cada árvore amostrada foram fetas medções de CAP (crcuferêca à altura do peto), estmação de altura comercal e altura total e detfcação de materal botâco. R. Árvore, Vçosa-MG, v.6,.5, p ,

3 Comparação de Métodos de Amostragem para Aálse As estmatvas dos parâmetros populacoas área basal por hectare, úmero de árvores por hectare, volume por hectare, dâmetro médo, altura méda e úmero de espéces para cada parcela e para cada poto foram obtdas com as epressões apresetadas o Quadro. Cosderado o estádo de sucessão da Mata da Praça de Esportes, o volume com casca de cada árvore dvdual fo obtdo pela equação (FUNDAÇÃO...- CETEC, 995): ˆ 743.,77348,6873 V =, dap. Ht ; R = 97,3% em que dap = dâmetro à altura do peto, em cm; Ht = altura total, em m... Cálculo do Tamaho da Amostra () e Erro de amostragem (E%) Utlzado os volumes por hectare das parcelas e dos potos de amostragem (Btterlch), calculou-se o tamaho da amostra, para os quatro métodos de amostragem, através das segutes epressões (Loetsch & Haller, 964): Parcelas de Áreas Fas t CV = t CV E% + N Btterlch t CV = E% em que = tamaho da amostra; t = valor tabelado da dstrbução t de Studet, (α %, - gl); CV = coefcete de varação; E% = erro de amostragem admssível; e N = úmero total de udades da população. Neste trabalho foram adotados um erro de amostragem admssível (E%) de % e o ível de probabldade de 9%, coforme a Portara o 54 do IEF, de 5 de agosto de 997. O erro de amostragem E (%) fo obtdo pela segute epressão, para os quatro métodos de amostragem (Loetsch & Haller, 964): Quadro Estmadores dos parâmetros populacoas para parcelas de área fa (método I) e para amostragem por potos horzotas (métodos II, III e IV) Table Estmators of the populatoal parameters for plots of equal sze (method I) ad horzotal pot samplg (methods II, III ad IV) Área basal por hectare Número de árvores por hectare Volume por hectare B = = As A Métodos II, III e IV B = * K K N / ha = N / ha = = N A As V V = = = / ha V / ha = V * N = A = Dâmetro médo Altura méda Número de espéces q = d = q = = d * H = H = Somatóro do úmero de espéces ecotradas em cada parcela ou poto em que As = área seccoal da -ésma árvore amostrada a parcela ou qualfcada o poto de amostragem, em m ; A = área da parcela em ha; = úmero de árvores amostradas a parcela ou qualfcadas o poto de amostragem; V = volume da -ésma árvore amostrada, em m 3 ; d = dâmetro da -ésma árvore amostrada, em cm; K = fator de área basal, em m /ha; N = úmero de árvores por hectare que a -ésma árvore qualfcada represeta; e H = altura da -ésma árvore. N N R. Árvore, Vçosa-MG, v.6,.5, p ,

4 544 FARIAS, C.A. etal. ± S * t E% = * em que S = erro-padrão da méda; t = valor tabelado de t (% e - gl); e = méda dos volumes por hectare das parcelas e dos potos de amostragem..3. Comparação Etre os Métodos de Amostragem A comparação etre os métodos de amostragem, cosderado o parâmetro volume por hectare, fo realzada medate aálse do coefcete de correlação e do teste F de Graybll (976)..3.. Coefcete de Correlação O coefcete de correlação é defdo como o grau de assocação etre duas varáves aleatóras, ou como a estmatva da medda da varação (em cojuto) de duas séres de varáves. É um valor admesoal que dá uma déa razoável da depedêca apresetada por duas séres de varáves. Os valores de uma sére podem ser de correlação egatva ou postva, ou ada podem ão estar assocados (Graer, 996). Para o cálculo da correlação etre as estmatvas de cada parâmetro, utlzou-se a epressão: r y Cov(, y) = s s y em que = método-padrão (parcelas de área fa); y = métodos alteratvos (Btterlch, K =, e 4); Cov (,y)= covarâca de em relação a y; S = desvo-padrão de ; e S y = desvo-padrão de y..3.. Teste F de Graybll (H ) O teste F de Graybll, além de ter sdo utlzado a comparação etre as estmatvas de dferetes parâmetros populacoas obtdos as parcelas e os potos, também fo a comparação da dstrbução damétrca obtda pelos quatro métodos de amostragem. Foram ajustados modelos de regressão que evolvem o método-padrão (parcelas de área fa método I) e os métodos alteratvos (Btterlch - métodos II, III e IV, respectvamete): Y = β + β X + ε em que Y = varável o método alteratvo; β e β = parâmetros do modelo; X = varável o método-padrão; e ε = erro aleatóro. A smlardade etre as varáves, cosderado os quatro métodos de amostragem, fo verfcada ao testar a hpótese smultâea: β H : = β Ha: complemeto de H Para testar essa hpótese aplcou-se a estatístca F, coforme proposto por Graybll (976): ( β θ )'( X ' X ) ( β θ ) F( H ) = * QM Re s em que βˆ β = ˆ = vetor de coefcetes da equação de β regressão; ' θ = ; ( ) = X X ; QMRes = quadrado médo do resíduo; e F tab = [5%;, - gl]. 3. RESULTADOS E DISCUSSÕES 3.. Erro de Amostragem e Tamaho da Amostra Aalsado as estatístcas apresetadas o Quadro, verfca-se que as estmatvas das médas e dos desvospadrão dos volumes por hectare são maores para os métodos II, III e IV (Btterlch K =, K = e K = 4), em comparação com o método I (parcelas de área fa), para uma mesma tesdade amostral. Assm sedo, verfca-se que o úmero de udades amostras fo sufcete para ateder ao erro de amostragem admssível de %, a 9% de probabldade, de acordo com a Portara o 54, de 5/8/97 do Isttuto Estadual de Florestas (IEF), somete para o método I R. Árvore, Vçosa-MG, v.6,.5, p ,

5 Comparação de Métodos de Amostragem para Aálse (parcelas de área fa). Para os métodos II (Btterlch, K = ), III (Btterlch, K = ) e IV (Btterlch, K = 4), o úmero de potos amostras ão atede à precsão requerda, sedo ecessáro laçar 9 potos amostras para o método II, 3 para o método III e 4 para o método IV, sto é, aumetado-se o fator de área basal (K), aumeta-se o úmero de udades amostras para satsfazer à precsão requerda. Estes resultados são semelhates ao ecotrado por Couto et al. (99) em platos de Eucalyptus salga. Com sso, verfca-se a ecessdade de um úmero maor de potos de amostragem para satsfazer a um determado erro de amostragem, em comparação com o método de amostragem baseada em parcelas de área fa. Aalsado os gráfcos da Fgura costata-se que, eceto para o parâmetro úmero de espéces, ão este tedêca de os métodos de amostragem (parcelas de áreas fas e varáves) sempre superestmarem ou subestmarem os parâmetros volume por hectare, área basal por hectare, úmero de árvores por hectare, dâmetro médo e altura méda das árvores. Somete em algus casos os métodos de amostragem com base o método Q uadro V olum es das parcelas e dos potos de am ostragem, em m 3 /ha; erro de am ostragem adm ssível (E%), em porcetagem ; méda dos volum es ( ); desvo-padrão ( s ), em m 3 /ha; erro-padrão ( S ), em m 3 /ha, coefcete de varação (CV),em porcetagem ; área das parcelas (Á rea),em hectare;úm ero total de udades am ostras (N );tam aho da am ostra ()e erro de am ostragem observado,em porcetagem Table V olum es of plots ad sam plg pots, m 3 /ha;acceptable sam plg error (E%), percetage; volum e average ( );stadard devato ( s ), m 3 /ha;stadard error ( S ), m 3 /ha;coeffcet of varato (CV), percetage; plot area (A rea), hectare;totalum ber ofsam plg uts (N);sam plesze ()ad observed sam plg error, percetage Parcela Volume (m 3 /ha) I II V 8,57 3,97 3,9,79 87,77,7 75,79 9, ,46 93,3 6,33 83,59 4 5,5 5,63 47,63 6,3 5 86,69 9,9 9,44,4 6 68,6 88,78 89,69 8, 7 36,9 7,8 3, 6, 8,8 9,38 5,6 3, ,37 63,3 9,94 93,5 8,7 4,5 8,37 7,4 7,6 84,79 69,9,9 9,7 54, 75,47 5, ,9 4,3 85,56 9,9 E% 78,9 8,49 88,98 94, s 3,38 4,73 55, 7, s 8,6,9 5,5 9,7 CV(%) 38,49 49,37 6,8 75,55 ÁREA,5 N 3, Erro amostragem (%) 8,4 4,38 3,5 37,3 R. Árvore, Vçosa-MG, v.6,.5, p ,

6 546 FARIAS, C.A. et al. de Btterlch (métodos II, III e IV) tedem a superestmar os parâmetros avalados, o que se deve prcpalmete ao úmero de árvores amostradas pelas parcelas de áreas fas (8 árvores em méda) e ao úmero de árvores qualfcadas os potos de amostragem (em méda, 4 árvores o método II, 7 árvores o método III e 4 árvores o método IV). Myers & Beers (97), comparado amostragem por potos e amostragem por parcelas de área fa, usado fator de área basal (pés quadrados por acre) e parcelas de apromadamete 8 m, costataram que, em termos de úmero de árvores, a amostragem por potos selecoou quase a metade do úmero de árvores selecoadas pela amostragem com parcelas de área fa. Neste estudo, a proporção fo 7,8% o método II (Btterlch, K = ), 8,64% o método III (Btterlch, K = ) e 4,94% o método IV (Btterlch, K = 4). A grade dfereça etre o úmero de espéces amostradas pelos quatro métodos, (o método I - 8 espéces e os métodos II, III e IV - 54, 38 e 7 espéces, respectvamete), se deve ao úmero de árvores amostradas em cada método. Esta dfereça permte ferr sobre a ecessdade de um úmero maor de potos de amostragem para caracterzação de composção florístca, em florestas com alta dversdade de espéces, ou uma melhor efcêca da amostragem por potos para caracterzação da composção florístca em florestas com baa dversdade de espéces, ou em povoametos puros de espéces como, por eemplo, quaresmha (Mcoa camomfola Nudr) e cadea (Vaylosmopss erythropappa Sch. Bp.). a Área basa (m /ha) I V Método V Parcela/poto b Número de espéces I II V Parcela/poto c Volume (m 3 /ha) I II V Parcela/poto d Número de árvores/ha I II V Parcela/poto e Dâmetro médo (cm) I II V Parcela/poto f Altura méda (m) 5,,5, 7,5 5,,5, I II V m Parcela/poto Fgura Estmatvas de área basal por hectare (a), úmero de espéces (b), volume por hectare (c), úmero de árvores por hectare (d), dâmetro médo (e) e altura méda (f) das árvores, obtdas pelo método I (parcelas de áreas fas) e pelos métodos II, III e IV (Btterlch K =, K =, K = 4). Fgure Estmates of basal area per hectare (a), umber of speces (b), volume per hectare (c), umber of stems per hectare (d), mea dameter (e) ad mea heght (f) of the trees, obtaed by method I (plots of equal sze) ad by methods II, III ad IV (Btterlch - K =, K =, K = 4). R. Árvore, Vçosa-MG, v.6,.5, p ,

7 Comparação de Métodos de Amostragem para Aálse Comparação etre os Métodos de Amostragem As estmatvas dos coefcetes de correlação e dos testes F de Graybll, para os parâmetros área basal por hectare, volume por hectare, úmero de árvores por hectare, úmero de espéces, dâmetro médo e altura méda, evolvedo o método I (parcelas de áreas fas) e os métodos II, III e IV (Btterlch K =, K = e K = 4), estão apresetadas o Quadro 3. Quadro 3 Estmatvas dos coefcetes de correlação e testes F de Graybll (FHo) para os parâmetros área basal por hectare, volume por hectare, úmero de árvores por hectare, úmero de espéces, dâmetro médo e altura méda do povoameto, evolvedo o método I (parcelas de áreas fas) e os métodos II, III e IV (B tterlch K =, K = e K = 4) Table 3 Estm a tes of the coeffcets of correlato ad tests F of Graybll (FHo) for the param eters basal area per hectare, volum e per hectare, umber of stem s per hectare, umber of speces, m ea dameter ad mea heght of stad, volvg the m ethod I (plots of equal sze) ad the m ethods II, III ad IV (Btterlch - K =, K =, K = 4) Varável Método Correlação F(H ) Área basal por hectare Volume por hectare Número de árvores por hectare Número de espéces Dâmetro médo Altura méda I II,773,43s I III,6843,749 s I IV,5455,575 s I II,786,37 s I III,746,958 s I IV,6968,364 s I II,678, s I III,43,64 s I IV,338,56 s I II,386 76,3* I III,84 57,479* I IV,56 783,37* I II,6869,337 s I III,637, s I IV,69,964 s I II,877,35 s I III,7584,835 s I IV,53, s s = ão-sgfcatvo a 95% de probabldade e * = sgfcatvo a 95% de probabldade. Aalsado os coefcetes de correlação o Quadro 3, verfca-se que este maor grau de assocação etre os métodos I e II (parcelas de áreas fas e Btterlch K = ), cosderado todos os parâmetros avalados. À medda que o fator de área basal aumeta (K = e K = 4) a correlação dmu, ou seja, este meor correlação etre o método I e os métodos III e IV. Os resultados dos testes F de Graybll mostram que ão este dfereça sgfcatva etre os métodos de amostragem para os dversos parâmetros avalados, eceto para o parâmetro úmero de espéces. Esta dfereça se deve à dscrepâca etre o úmero de árvores amostradas os métodos II, III e IV, coforme dscutdo aterormete. Date dos resultados apresetados o Quadro 3, verfca-se que o método dealzado por Btterlch em 948 atede aos objetvos de dagóstco rápdo de florestas, uma vez que estma parâmetros mportates para quatfcação dos recursos madereros com gual precsão ao método de parcelas de área fa, para um mesmo úmero de udades amostras. Além dsto, a estêca de dfereça estatístca etre o método que utlza parcelas de área fa e os métodos de amostragem que utlzam o método de Btterlch, para o parâmetro úmero de espéces, para mesma tesdade amostral, permte ferr que o método dealzado por Btterlch poderá ser empregado em estudos de composção florístca somete se houver aumeto da tesdade amostral Aálse da Dstrbução Damétrca A comparação etre os úmeros de árvores por hectare e por classe de dâmetro, obtdos pelos métodos de amostragem, fo realzada também com o teste F de Graybll. Os resultados dos testes para a varável úmero de árvores por hectare e por cetro de classe de DAP, para os métodos I (parcelas de áreas fas) e II (Btterlch K = ); I (parcelas de áreas fas) e III (Btterlch K = ); e I (parcelas de áreas fas) e IV (Btterlch K = 4), foram,8,,8 e 66,95, respectvamete, sedo todos sgfcatvos a 95% de probabldade. Ao cotráro do parâmetro úmero de árvores por hectare, os resultados dos testes F de Graybll dcam que este dfereça estatístca etre o úmero de árvores por hectare por classe de DAP, etre os método que utlza parcelas de área fa e o método de Btterlch, com fatores de área basal K =, K = e K = 4. Além dsto, as dfereças etre os úmeros de árvores por hectare e por classe de DAP, apresetadas o Quadro 4, mostram que os métodos II, III e IV superestmam o úmero de árvores as meores classes de DAP e subestmam-o as maores. Mesmo apresetado estas dfereças estatístcas, os quatro métodos de amostragem estudados caracterzaram a estrutura damétrca como J vertdo, sto é, coforme o padrão de dstrbução damétrca das florestas eqüâeas. R. Árvore, Vçosa-MG, v.6,.5, p ,

8 548 FARIAS, C.A. et al. Quadro 4 Número de árvores por hectare e por classe de dâmetro, para o método I (parcelas de áreas fas) e os métodos II, III e IV (Btterlch K =, K = e K = 4) e estmatvas das dfereças etre eles Table 4 Number of stems per hectare ad per dameter class, for method I (plots of equal sze) ad methods II, III ad IV (Btterlch K =, K = ad K = 4) ad estmates of the dffereces amog them Cetro de Classe (cm) Número de Árvores por Hectare Dfereça do Número de Árvores I II III IV (II-I) (III-I) (IV-I) 7,5.,4.8,55.433,8.549,89 7,4,67 339,48,5 43, 96,89 5,3 79,64 53,88 7, 36,63 7,5 9,8 7,96 9,77 78, 35,68 7,48-4,7,5 43,6 39,55 5,5 7,3-3,5 8,45 8,4 7,5 6,9,97 5,93,6-4,94 -,99 3,68 3,5,53, -,53 -,53 -,53 37,5 3,7,76,53 -,3 -,54-3,7 4,5,59,8,58,7 47,5,53,43,86 -, -,67 -,53 Total.6,8.76,7.873,9.999,66 48,88 6,6 387,83 4. CONCLUSÕES E RECOMENDAÇÕES Após o desevolvmeto do trabalho, chegou-se às segutes coclusões: - Há a ecessdade de úmero maor de potos de amostragem para ateder ao erro de amostragem estpulado em comparação com o método de parcelas de áreas fas. Quato maor o fator de área basal (K), maor será este úmero de potos de amostragem. - Há a ecessdade de úmero maor de potos de amostragem para caracterzar a composção florístca de uma floresta em estádo de sucessão secudáro a amostragem por poto, em comparação com o método de parcela de área fa, em vrtude do meor úmero de árvores amostradas. - O método de amostragem por potos pode ser utlzado em vetáros florestas dagóstcos, haja vsta que parâmetros mportates para quatfcação dos recursos florestas madereros foram estmados da mesma forma que aqueles estmados pelo método de área fa. 5. REFERÊNCIAS BIBLIOGRÁFICAS CHACKO, V. J. A maual o samplg techques for forest surveys. New Delh: Maager of Publcatos, p. COELHO, D. J. S. Modelo de gestão florestal sustetável para a mcrorregão de Vçosa, Mas Geras. Vçosa-MG: Uversdade Federal de Vçosa, p. Dssertação (Mestrado em Cêca Florestal) Uversdade Federal de Vçosa, 999). COUTO, H.T.Z.; BASTOS, N.L.M.; LACERDA, J.S. A amostragem por potos a estmatva da altura de árvores domates e úmero de árvores por hectare em povoametos de Eucalyptus salga. IPEF,. 43/44, p. 5-53, 99. FUNDAÇÃO CENTRO TECNOLÓGICO DE MINAS GERAIS CETEC Determação de equações volumétrcas aplcáves ao maejo sustetável de florestas atvas o estado de Mas Geras e outras regões do país. Belo Horzote: p. GRANER. E. A. Estatístca. São Paulo: Escola Superor de Agrcultura Luz de Queroz, p. GRAYBILL, F. A. Theory ad applcato of the lear model. Massachusetts: Ouburg Press, p. HUSCH, B.; MILLER, C.I.; BEERS, T. W. Forest mesurato. 3.ed. New York: Joh Wley & Sos, p. LOETSCH, F.; HALLER, K. E. Forest vetory. Muque: BLv Verlagsgesellschaft, 964. v p. MYERS, C. C.; BEERS, T. W. Pot samplg compared for forest vetory. Departmet of Forestry ad Coservato. Purdue: Purdue Uversty, 97 (Research Bullet, 877). R. Árvore, Vçosa-MG, v.6,.5, p ,

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

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

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

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

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

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 de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

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

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN Tayd Dayvso Custódo Pexoto ; Sérgo Luz Agular Leve ; Adre Herma Frere Bezerra 3 ; José

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

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

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

Projeção Populacional 2013-2020 para a Cidade do Rio de Janeiro: uma aplicação do método AiBi

Projeção Populacional 2013-2020 para a Cidade do Rio de Janeiro: uma aplicação do método AiBi ISSN 1984-7203 Projeção Populacoal 2013-2020 para a Cdade do Ro de Jaero: uma aplcação do método AB Nº 20130102 Jaero - 2013 Iva Braga Ls 1, Marcelo Pessoa da Slva, Atoo Carlos Carero da Slva, Sérgo Gumarães

Leia mais

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO; Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

ANÁLISE DA MOBILIDADE URBANA SUSTENTÁVEL UTILIZANDO ESTATÍSTICA ESPACIAL

ANÁLISE DA MOBILIDADE URBANA SUSTENTÁVEL UTILIZANDO ESTATÍSTICA ESPACIAL ANÁLISE DA MOBILIDADE URBANA SUSTENTÁVEL UTILIZANDO ESTATÍSTICA ESPACIAL Dese de Mrada e Slva Correa Vâa Barcellos Gouvêa Campos Isttuto Mltar de Egehara Resumo Neste trabalho apreseta-se uma aálse espacal

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

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

Leia mais

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3 Idetfcação da exstêca de padrão espacal aleatóro a dstrbução dos pacetes portadores de doeça geétca rara com defcêca físca da Assocação de Assstêca à Craça Defcete (AACD) de Perambuco Aa Clara P. Campos

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca

Leia mais

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM - CURSO SOBRE MEDIDAS DESCRITIVA Adrao Medoça Souza Departameto de Estatístca - UFSM - O telecto faz pouco a estrada que leva à descoberta. Acotece um salto a coscêca, chame-o você de tução ou do que quser;

Leia mais

ANÁLISE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONSTRUÇÃO DOS COEFICIENTES COM APLICAÇÕES

ANÁLISE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONSTRUÇÃO DOS COEFICIENTES COM APLICAÇÕES UNIVERIDADE FEDERAL DO PARANÁ ANÁLIE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONTRUÇÃO DO COEFICIENTE COM APLICAÇÕE CURITIBA 004 ACHIKO ARAKI LIRA ANÁLIE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONTRUÇÃO DO

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

Apostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução

Leia mais

Avaliação da Localização de Base de Atendimento para Equipamentos de Movimentação de uma Empresa Siderúrgica

Avaliação da Localização de Base de Atendimento para Equipamentos de Movimentação de uma Empresa Siderúrgica Avalação da Localzação de Base de Atedmeto para Equpametos de Movmetação de uma Empresa Sderúrgca Leadro Ferades da Slva Leadro.Ferades@cs.com.br UFF Ilto Curty Leal Juor ltocurty@gmal.com UFRJ Paul Adrao

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

UMA ANÁLISE ESPACIAL DA INSUFICIÊNCIA E DA DESIGUALDADE DE RENDA NOS MUNICÍPIOS SERGIPANOS, 1991-2000

UMA ANÁLISE ESPACIAL DA INSUFICIÊNCIA E DA DESIGUALDADE DE RENDA NOS MUNICÍPIOS SERGIPANOS, 1991-2000 Aas III Smpóso Regoal de Geoprocessameto e Sesorameto Remoto Aracaju/SE, 25 a 27 de outubro de 2006 UMA ANÁLISE ESPACIAL DA INSUFICIÊNCIA E DA DESIGUALDADE DE RENDA NOS MUNICÍPIOS SERGIPANOS, 99-2000 OLIVEIRA,

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros. Dscpla POO-I 2º Aos(If) - (Lsta de Eercícos I - Bmestre) 23/02/2015 1) Escrever um programa que faça o calculo de trasformação de horas em muto ode às horas devem ser apeas úmero teros. Deverá haver uma

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

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA versão mpressa ISSN 00-7438 / versão ole ISSN 678-542 AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA Luís Alberto Duca Ragel UFF-COPPE/PEP/UFRJ

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Medidas de Localização

Medidas de Localização 07/08/013 Udade : Estatístca Descrtva Meddas de Localzação João Garbald Almeda Vaa Cojuto de dados utlzação de alguma medda de represetação resumo dos dados. E: Um cojuto com 400 observações como aalsar

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA

INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA Wellgto José da CUNHA Erco Atôo COLOSIMO RESUMO: As meddas realzadas o da-a-da estão sjetas a erros Esses erros podem acotecer

Leia mais

MODELAGEM DE DADOS POR REGRESSÃO LINEAR MÚLTIPLA PARA AVALIAÇÃO DE IMÓVEIS RURAIS DO SUBMÉDIO SÃO FRANCISCO

MODELAGEM DE DADOS POR REGRESSÃO LINEAR MÚLTIPLA PARA AVALIAÇÃO DE IMÓVEIS RURAIS DO SUBMÉDIO SÃO FRANCISCO ODEAGE DE DADOS POR REGRESSÃO INEAR ÚTIPA PARA AVAIAÇÃO DE IÓVEIS RURAIS DO SUBÉDIO SÃO FRANCISCO JOSÉ ANTONIO OURA E SIVA Isttuto Nacoal de Colozação e Reforma Agrára - INCRA UIZ RONADO NAI 3 Isttuto

Leia mais

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM Fabríca D. Satos, Lucla G. Rbero, Leoardo G. de R. Guedes, Weber Marts Uversdade Católca de Goás, Departameto de Computação Uversdade

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

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

A Medição e o Erro de Medição

A Medição e o Erro de Medição A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção 1.4.1 Os erros aleatóros 1.4.2 Os erros sstemátcos 1.5 O verdadero valor, o erro

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Lealdade à Marca e Sensibilidade ao Preço: Um Estudo da Escolha da Marca pelo Consumidor. Autoria: Delane Botelho, André Torrres Urdan.

Lealdade à Marca e Sensibilidade ao Preço: Um Estudo da Escolha da Marca pelo Consumidor. Autoria: Delane Botelho, André Torrres Urdan. Lealdade à Marca e Sesbldade ao Preço: Um Estudo da Escolha da Marca pelo Cosumdor Autora: Delae Botelho, Adré Torrres Urda Resumo Este artgo usa dados em pael do tpo escaeados, desagregados ao ível de

Leia mais

Perguntas freqüentes Credenciadores

Perguntas freqüentes Credenciadores Pergutas freqüetes Credecadores Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte pelo facameto da compra pelo emssor?

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

Capítulo 2 O conceito de Função de Regressão Populacional (FRP) e Função de Regressão Amostral (FRA)

Capítulo 2 O conceito de Função de Regressão Populacional (FRP) e Função de Regressão Amostral (FRA) I Metodologa da Ecoometra O MODELO CLÁSSICO DE REGRESSÃO LINEAR. Formulação da teora ou da hpótese.. Especfcação do modelo matemátco da teora. 3. Especfcação do modelo ecoométrco da teora. 4. Obteção de

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

Leia mais

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro

Leia mais

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais

tica Professor Renato Tião

tica Professor Renato Tião Números complexos Algumas equações do segudo grau como x + 1 = 0 ão possuem solução o uverso real e o estudo destas soluções ão pareca ecessáro até o século XVI quado o matemátco aphael Bombell publcou

Leia mais

É o quociente da divisão da soma dos valores das variáveis pelos números deles:

É o quociente da divisão da soma dos valores das variáveis pelos números deles: Meddas de Posção. Itrodução Proª Ms. Mara Cytha O estudo das dstrbuções de requêcas, os permte localzar a maor cocetração de valores de uma dstrbução. Porém, para ressaltar as tedêcas característcas de

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno. Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado

Leia mais

MODELO PARA ESTIMATIVA DA FORÇA E TORQUE MUSCULAR DURANTE ABDUÇÃO DO OMBRO

MODELO PARA ESTIMATIVA DA FORÇA E TORQUE MUSCULAR DURANTE ABDUÇÃO DO OMBRO MODELO PARA ESTIMATIVA DA FORÇA E TORQUE MUSCULAR DURANTE ABDUÇÃO DO OMBRO Dael Cury Rbero, Marcelo Gregs Estvalet, Jefferso Fagudes Loss Escola de Educação Físca Uversdade Federal do Ro Grade do Sul UFRGS

Leia mais

Matemática Ficha de Trabalho

Matemática Ficha de Trabalho Matemátca Fcha de Trabalho Meddas de tedêca cetral - 0º ao MEDIDAS DE LOCALIZAÇÃO Num estudo estatístco, depos de recolhdos e orgazados os dados, há a ase de trar coclusões através de meddas que possam,

Leia mais

2 Estrutura a Termo de Taxa de Juros

2 Estrutura a Termo de Taxa de Juros Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre

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

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil Educação e Pesqusa ISS: 1517-972 revedu@usp.br Uversdade de São Paulo Brasl Helee, Otavao Evolução da escolardade esperada o Brasl ao logo do século XX Educação e Pesqusa, vol. 38, úm. 1, marzo, 212, pp.

Leia mais

FERRAMENTAS DE ANÁLISE DE RISCOS EM ESTRATÉGIAS EMPRESARIAIS

FERRAMENTAS DE ANÁLISE DE RISCOS EM ESTRATÉGIAS EMPRESARIAIS FERRAMENTAS DE ANÁLISE DE RISCOS EM ESTRATÉGIAS EMRESARIAIS or: Herbert Kmura RAE-eletrôca, Volume, Número 2, jul-dez/2002. http://www.rae.com.br/eletroca/dex.cfm?fuseacto=artgo&id=825&secao=wc&volume=&numero=2&ao=

Leia mais

Caderno de Fórmulas. Swap

Caderno de Fórmulas. Swap Swap Elaboração: Abrl/25 Últma Atualzação: 5/4/216 Apresetação O adero de Fórmulas tem por objetvo oretar os usuáros do Módulo de, a compreesão da metodologa de cálculo e dos crtéros de precsão usados

Leia mais

Risco Moral na Utilização de Serviços de Saúde no Brasil

Risco Moral na Utilização de Serviços de Saúde no Brasil Rsco Moral a Utlzação de Servços de Saúde o Brasl Resumo Autora: Lus Gabrel Marques Regato, Luís duardo Afoso Neste trabalho fo vestgada a preseça de rsco moral o sstema de plaos de saúde do Brasl, por

Leia mais

TEXTO SUJEITO A REVISÃO

TEXTO SUJEITO A REVISÃO Aálse Comparatva de duas Metodologas Factíves para o Cálculo de IPCs com a Utlzação de Mcrodados do IPC-FIPE Hero Carlos Esvael do Carmo TEXTO SUJEITO A REVISÃO Resumo O prcpal objetvo deste texto é aalsar,

Leia mais

Uma Calculadora Financeira usando métodos numéricos e software livre

Uma Calculadora Financeira usando métodos numéricos e software livre Uma Calculadora Facera usado métos umércos e software lvre Jorge edraza Arpas, Julao Sott, Depto de Cêcas e Egeharas, Uversdade Regoal ItegradaI, URI 98400-000-, Frederco Westphale, RS Resumo.- Neste trabalho

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

DISSERTAÇÃO DE MESTRADO

DISSERTAÇÃO DE MESTRADO UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXTAS E DA TERRA-CCET PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA - PPGMAE DISSERTAÇÃO DE MESTRADO CARACTERIZAÇÃO ESTATÍSTICA

Leia mais

Regressão Linear - Introdução

Regressão Linear - Introdução Regressão Lear - Itrodução Na aálse de regressão lear pretede-se estudar e modelar a relação (lear) etre duas ou mas varáves. Na regressão lear smples relacoam-se duas varáves, x e Y, através do modelo

Leia mais

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini Estatístca Agosto 009 Campus do Potal Prof. MSc. Qutlao Squera Schrode Nomel - ESTATÍSTICA DESCRITIVA. - A NATUREZA DA ESTATÍSTICA COMO SURGIU A ESTATÍSTICA????? A Matemátca surge do covívo socal, da cotagem,

Leia mais

Capítulo 1 PORCENTAGEM

Capítulo 1 PORCENTAGEM Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,

Leia mais

ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES ELÉTRICAS

ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES ELÉTRICAS GMI/001 21 a 26 de Outubro de 2001 Campas - São Paulo - Brasl GRUPO XII ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES ELÉTRICAS INDICADORES DE DESEMPENHO DA TRANSMISSÃO: METODOLOGIA DE CÁLCULO

Leia mais

Nota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89

Nota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89 Nota Técca o 037/2013-SRG/ANEEL Em 17 de mao de 2013. Processo: 48500.002907/2010-89 Assuto: Cosoldação de todas as regulametações referetes à apuração de dspobldades de empreedmetos de geração de eerga

Leia mais

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES MARCOS RICARDO ROSA GEORGES ( marcos.georges@puc-campas.edu.br, marcos_georges@yahoo.com.br ) PUC-CAMPINAS Resumo Este artgo

Leia mais

de Energia Geração Térmica

de Energia Geração Térmica Sstema Itegrado de Plaeameto e Comercalzação de Eerga Geração Térmca Rafael de Souza Favoreto, CEHPAR LACTEC; Marcelo Rodrgues Bessa, CEHPAR LACTEC; Wlso Tadeu Pzzatto, COPEL; Luz Roberto Morgester Ferrera,

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO 1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos

Leia mais

1.1 Apresentação. do capítulo

1.1 Apresentação. do capítulo apítulo Matemátca Facera. Apresetação do capítulo A Matemátca Facera trata da comparação de valores moetáros que estão dspersos ao logoo do tempo. Através de seu estudo, podemos aalsar e comparar alteratvas

Leia mais

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado. 1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.

Leia mais

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I CURSO DE ESTATÍSTICA Prof. Paulo Rcardo Bttecourt Gumarães O SEMETRE

Leia mais

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação

Leia mais

Professor Mauricio Lutz ESTATÍSTICA BÁSICA

Professor Mauricio Lutz ESTATÍSTICA BÁSICA Proessor Maurco Lutz ESTATÍSTICA BÁSICA. Coceto Exstem mutas deções propostas por autores, objetvado estabelecer com clareza o que é estatístca, como por exemplo: Þ A Estatístca é um cojuto de métodos

Leia mais

Erosividade da chuva para o bioma Pantanal

Erosividade da chuva para o bioma Pantanal Artgo Técco Erosvdade da chuva para o boma Pataal Rafall erosvty for Pataal bome DOI:.59/S43-452242 Dael Okamoto Machado, Teodorco Alves Sobrho 2, Ale da Slva Rbero 3, Carlos Nobuyosh Ide 4, Paulo Tarso

Leia mais

Notas de aula da disciplina Probabilidade e Estatística

Notas de aula da disciplina Probabilidade e Estatística otas de aula da dscpla Probabldade e Estatístca Proessor M Sc Adré Luz DAMAT - UTFPR Esta apostla apreseta os tópcos prcpas abordados em sala de aula, cotedo deções, teoremas, eemplos Sua letura ão é obrgatóra,

Leia mais

2-Geometria da Programação Linear

2-Geometria da Programação Linear I 88 Otmzação Lear -Geometra da Programação Lear ProfFeradoGomde DC-FEEC-Ucamp Coteúdo. Poledros e cojutos coveos. Potos etremos vértces soluções báscas factíves 3. Poledros a forma padrão 4. Degeeração

Leia mais

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

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

ÁLBUNS DE FIGURINHAS, O PROBLEMA DO COLECIONADOR DE CUPONS E PROGRAMAÇÃO EM VBA?

ÁLBUNS DE FIGURINHAS, O PROBLEMA DO COLECIONADOR DE CUPONS E PROGRAMAÇÃO EM VBA? ÁLBUNS DE FIGURINHAS, O PROBLEMA DO COLECIONADOR DE CUPONS E PROGRAMAÇÃO EM VBA? Fláva Fretas Maa Rafael G Barbastefao 2 Dayse Hame Pastore 3 Resumo: Este trabalho apreseta uma proposta de estudo do Problema

Leia mais

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade. Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,

Leia mais

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL. A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

Leia mais

Relatório Final da disciplina de Probabilidades e Estatística. Economia Gestão Informática e Gestão

Relatório Final da disciplina de Probabilidades e Estatística. Economia Gestão Informática e Gestão Relatóro Fal da dscpla de Probabldades e Estatístca Ecooma Gestão Iformátca e Gestão Docetes: Paulo Ifate (resposável) Iês Sousa Das Ao Lectvo 007/008 Ídce Relatóro Crítco de Leccoação Programa detalhado

Leia mais