Monitoramento ou Inventário Florestal Contínuo

Tamanho: px
Começar a partir da página:

Download "Monitoramento ou Inventário Florestal Contínuo"

Transcrição

1 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 (IFC) deverão ser staladas e meddas, de preferêca ates (IFC ) e após (IFC 2 ) a exploração florestal, de forma a possbltar a quatfcação das mudaças a arqutetura, a estrutura e composção florístca, bem como avalar os mpactos da exploração e determar o tpo e tesdade de aplcação do prmero tratameto slvcultural (TS ). Da mesma forma, a medção das parcelas permaetes executada após (IFC ) a aplcação dos tratametos slvculturas permte, ão só possblta caracterzar os referdos tratametos, bem como avalar seus mpactos a arqutetura, estrutura e composção florístca do povoameto remaescete. Para avalar os processos de dâmcas de sucessão atural, crescmeto e produção florestal, em ível de espéces, classes damétrcas, regmes de maejo, ecessdade, tpo, tesdade e ocasão de aplcação de tratametos slvculturas; determar o cclo de corte; efetuadas medções sucessvas e peródcas das parcelas permaetes. Os procedmetos báscos de amostragem em ocasões sucessvas cluem: a) Amostragem por parcelas permaetes ou vetáro florestal cotíuo (IFC), sto é, todas as udades de amostra staladas são meddas a ocasão de cada avalação. b) Amostragem covecoal, também cohecda como amostragem sucessva depedete - é, todas as udades de amostra temporáras são laçadas e meddas a ocasão de cada avalação. c) Amostragem com reposção parcal - caracterza-se pelo laçameto de ovas udades temporáras a seguda ocasão de medção. d) Dupla amostragem - utlza udades permaetes e temporáras a prmera ocasão e somete udades permaetes a seguda ocasão. A questão essecal de um vetáro florestal feto em ocasões sucessvas é saber se o emprego exclusvo de udades de amostra permaetes, com maor custo de locação a prmera ocasão, é a melhor alteratva; se o uso de udades de amostra temporáras e depedetes, de custo de locação feror em qualquer ocasão, é a melhor alteratva; ou se o uso combado de udades temporáras e udades permaetes é a melhor opção. De qualquer forma, o motorameto florestal, a amostragem por parcelas permaetes ou IFC é o procedmeto recomedado e o mas empregado. 2. OBJETIVOS Os objetvos do IFC são, bascamete, os segutes: estmar as característcas da floresta exstetes a época do prmero vetáro (IFC ); estmar as característcas da floresta exstetes a época do segudo vetáro (IFC 2 ); e estmar as mudaças ocorrdas a floresta durate o período compreeddo etre dos vetáros quasquer (IFC j e IFC j+ ). Para floresta equatoral é recomedada a tesdade de amostragem de uma udade de amostra de ha para cada 200 hectares de floresta maejada. as matas secudáras de Mas Geras, a PORTARIA/IEF-MG o 054, de 25/08/97, que Dspõe sobre ormas para Elaboração de Plao de Maejo Florestal o Estado de Mas Geras, prescreve o emprego de,0 ha de amostragem, repartdo em 04 parcelas de m 2 (/4 ha), dstrbuídas, proporcoalmete, para cada 200 ha de floresta maejada.

2 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 7 Tato a prmera ocasão quato as ocasões sucessvas, todas as árvores das parcelas permaetes, cosderado o ível de clusão de DAP 5,0 cm, recebem uma plaqueta umerada e são avaladas da segute forma: ome vulgar regoal e cetífco, CAP ou DAP e, quado ecessáro, as alturas comercal e total. Esses dados são aotados em fchas de campo apropradas ou gravados em coletores de dados e, posterormete, trasferdos para bacos de dados, permtdo, assm, sua aálse a qualquer tempo futuro. Os dados dos motorametos de parcelas permaetes executados peródca e sucessvamete as florestas maejadas ou ão maejadas, proporcoam as segutes estmatvas:. ESTIMATIVAS DE ICREMETO E CRESCIMETO Com os dados de motorameto de parcelas permaetes executados peródca e sucessvamete os plaos de maejo florestal, proporcoam as segutes estmatvas: ) Icremeto peródco médo aual em dâmetro (), por classe de dâmetro, por espéce e por grupo de espéces; ) Icremeto peródco médo aual em área basal (), por classe de dâmetro, por espéce e por grupo de espéces; ) Icremeto peródco médo aual em volume (), por classe de dâmetro, por espéce e por grupo de espéces; v) Crescmeto bruto(cb) e líqudo (Cl), em úmero de árvore, em área basal e em volume; v) Mudaça ou evolução do úmero de árvores (), dâmetro médo (Dg), da área basal (B), do volume (V), por espéce, por grupo de espéces e por classe de dâmetro; v) Taxa de growth (I%), por classe de dâmetro, por espéce e por grupo de espéces; v) Taxa de mortaldade (M%), por classe de dâmetro, por espéce e por grupo de espéces; v) Dâmca da composção e da dversdade de espéces; x) Dâmca da estrutura da floresta; x) Dâmca da regeeração atural. Em geral, os resultados obtdos dessas aálses são fudametas para se elaborar estudos de dâmcas de sucessão, de crescmeto e de produção florestal, bem determar ocasões, tesdades e tpos de tratametos slvculturas a serem aplcados o maejo de florestas aturas.. FORMULÁRIO.. ICREMETO PERIÓDICO EM DIÂMETRO (, em mm/ao)... Por Espéce e por Classe de DAP 0 = ( Dk, j Dk, j ) ( ) + P k =..2. Por Espéce H = ( ) h=... Por Classe de DAP

3 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 8 S = ( h ) =..4. Para o povoameto = k = ( D k, j h S H 0 + Dk, j ) ( ) ; = = P = H S = h h ou = h= = = úmero total de árvores amostradas; P = Período de crescmeto, em aos; j =,2,..., J-ocasão de motorameto; =, 2,..., S-espéces amostradas; h =, 2,..., H-classe de DAP; k =,2,..., ; = úmero de árvores da -ésma espéce a h-ésma classe de DAP; = úmero de árvores da -ésma espéce; = úmero de árvores a h-ésma classe de DAP; h = cremeto peródco médo aual em dâmetro, em mm/ao, para o povoameto; = cremeto peródco médo aual em dâmetro, da -ésma espéce a h-ésma classe de DAP, em mm/ao; = cremeto peródco médo aual em dâmetro, da -ésma espéce, em mm/ao; = cremeto peródco médo aual em dâmetro, a h-ésma classe de DAP, em mm/ao; h. 2. Icremeto peródco médo aual em área basal (), por classe de DAP, por espéce e por grupo de espéces = k = ( B k, j h= S H + Bk, j ) ( ) ; = = P = h= h h ; ( Bk, j Bk, j ) ( ) + P = k = H = ( ) h= S ; = ( h ) h = = H h= h h ou = S = = úmero total de árvores amostradas; P = Período de crescmeto, em aos; j =,2,..., J- ocasão de motorameto; =, 2,..., S-espéces amostradas; h =, 2,..., H-classe de DAP; k =,2,..., ; = úmero de árvores da -ésma espéce a h-ésma classe de DAP; = úmero de árvores da -ésma espéce; = úmero de árvores a h-ésma classe de DAP; h = cremeto peródco médo aual em dâmetro, em mm/ao; = cremeto peródco médo aual em dâmetro, da -ésma espéce a h-ésma classe de DAP, em mm/ao; = cremeto peródco médo aual em dâmetro, da -ésma espéce, em mm/ao; = h cremeto peródco médo aual em dâmetro, da h-ésma classe de DAP, em mm/ao;

4 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 9.. Icremeto peródco médo aual em volume (), por classe de DAP, por espéce e por grupo de espéces; = k = ( V k, j H = ( ) h= = H h= S H + Vk, j ) ( ) ; = = P h h = h= S ; = ( h ) h = ou = S = h ; ( Vk, j Vk, j ) ( ) + P = úmero total de árvores amostradas; P = Período de crescmeto, em aos; j =,2,..., J- ocasão de motorameto; =, 2,..., S-espéces amostradas; h =, 2,..., H-classe de DAP; k =,2,..., ; = úmero de árvores da -ésma espéce a h-ésma classe de dâmetro; = úmero de árvores da -ésma espéce; = úmero de árvores a h-ésma classe de DAP; h = = k = cremeto peródco médo aual em dâmetro, em mm/ao; = cremeto peródco médo aual em dâmetro, da -ésma espéce a h-ésma classe de DAP, em mm/ao; = cremeto peródco médo aual em dâmetro, da -ésma espéce, em mm/ao; = cremeto peródco médo aual em dâmetro, da h-ésma classe de DAP, h em mm/ao;.4. Crescmeto e Icremeto Peródco Bruto e Líqudo Área Basal (m 2 /ha) Em Volume (m /ha) Cb = (Bf I) (B M) Cb = (Vf I) (V M) Cb = Bf (B M) Cb = Vf (V M) Cl = (Bf I) B Cl = (Vf I) V Cl = Bf - B Cl = Vf - V Obs: M está cotdo em B e I está cotdo em Bf. Idem para Vf e V. Bf = área basal, em m 2 /ha, o vetáro fal, ou seja, o fal do período de crescmeto; B = área basal, em m 2 /ha, o vetáro cal, ou seja, o íco do período de crescmeto; Vf = volume em m /ha, o vetáro fal, ou seja, o fal do período de crescmeto; V = volume em m /ha, o vetáro cal, ou seja, o íco do período de crescmeto; M = mortaldade em área basal, em m 2 /ha e em volume, em m /ha; I = growth em área basal, em m 2 /há e em volume, em m /ha; Cb = crescmeto peródco bruto, em área basal e em volume, excludo-se o growth; Cb = crescmeto peródco bruto, em área basal e em volume, cludo-se o growth. Cl = crescmeto líqudo excludo o growth; Cl = crescmeto líqudo cludo o growth.

5 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 40 Quado os parâmetros Gf, G, Vf e V forem estmados para as árvores sobrevvetes em duas ocasões sucessvas de vetáro, sto é, árvores vvas os dos vetáros, emprega-se o formuláro descrto a segur: Área Basal (m 2 /ha) Volume (m /ha) Cb = Bf B Cb = Vf V Cb = (Bf + I) B Cb = (Vf + I) V Cl = Bf (B +M) Cl = Vf (V + M) Cl = (Bf + I) (B + M) Cl = (Vf + I) (V + M) Obs: M ão está cotdo em B e I ão está cotdo em Bf. Idem para Vf e V. Cb = crescmeto bruto excludo o growth; Cb = crescmeto bruto cludo o growth; Cl = crescmeto líqudo excludo o growth; Cl = crescmeto líqudo cludo o growth; Bf = área basal fal, em m 2 /ha, das árvores remaescetes (vvas os dos vetáros); B = área basal cal, em m 2 /ha, das árvores remaescetes (vvas os dos vetáros); Vf = volume em m /ha, o vetáro fal, ou seja, o fal do período de crescmeto; V = volume em m /ha, o vetáro cal, ou seja, o íco do período de crescmeto; M = mortaldade em área basal, em m 2 /ha e em volume, em m /ha; I = growth em área basal, em m 2 /ha e em volume, em m /ha.5. Igrowth Para se obter as estmatvas de growth, em úmero de árvores, em área basal e em volume, respectvamete, por classe de dâmetro, por espéce, por grupo de espéce e por período de motorameto, cosdera-se como growth a árvore vva que apresetava DAP meor que o ível de clusão a ocasão de motorameto j e que a ocasão de motorameto j+ apresetava DAP maor ou gual ao ível de clusão. A partr das estmatvas do úmero de árvores growth, por hectare, por espéce e por classe de dâmetro, estma-se a taxa de growth, da segute forma: j I = 00 ; e I j = 00 ; j em que = úmero de árvores growth da -ésma espéce, a ocasão de motorameto j+ ; = úmero de árvores vvas da -ésma espéce, a ocasão de motorameto j+ ; = úmero de árvores growth da -ésma espéce a h-ésma classe de DAP, a ocasão de motorameto j+ ; j = úmero de árvores vvas da -ésma espéce a h-ésma classe de DAP, a ocasão de motorameto j+ ;

6 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 4.6. Mortaldade Para se obter as estmatvas de mortaldade, em úmero de árvores, em área basal e em volume, respectvamete, por classe de dâmetro, por espéce, por grupo de espéce e por período de motorameto, cosdera-se como morta a árvore vva a ocasão de motorameto j e que estver morta a ocasão de motorameto j+. A partr das estmatvas do úmero de árvores mortas por hectare, por espéce e por classe de dâmetro, estma-se a taxa de mortaldade da segute forma: M = 00 ; e M 00 = ; em que: = úmero de árvores mortas da -ésma espéce, a ocasão de motorameto j+ ; = úmero de árvores mortas da -ésma espéce a h-ésma classe de DAP, a ocasão de motorameto j+ ; = úmero de árvores vvas da -ésma espéce, a ocasão de motorameto j ; e = úmero de árvores vvas da -ésma espéce, a h-ésma classe de DAP, a ocasão de motorameto j..7. Taxa de Mudaça A taxa de mudaça (Tm), tal como a taxa de regeeração atural (Jardm, 986), refere-se às mudaaças que ocorrem os parâmetros desdade absoluta (DA), domâca absoluta (DoA) e volume absoluto (VoA), em resposta à teração dos fatores: regeeração atural, recrutameto ou growth, mortaldade, corte comercal, tratameto slvcultural e crescmeto. A Tm é calculada, a partr de dados de IFC, por espéces, por grupos de espéces e para a floresta como um todo, medate a resolução da expressão segute: V Tm = V j + j 00 em que: V j é o valor da varável, por exemplo, DA, respectvamete, as ocasões j e j+ de motorameto do desevolvmeto da floresta.. Para expressar a mudaça populacoal, terpreta-se a Tm assm (Quadro ): ) valor postvo, dca aumeto populacoal da espéce; 2) valor egatvo, podem dcar altos valores de mortaldade ou de mudaça de estado (classe de tamaho); e ) valor ulo, represeta establdade populacoal.

7 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 42 EXERCÍCIO DE CRESCIMETO E ICREMETO QUADRO Dados de cap, em Cetímetros, e Resultados de Icremetos Peródcos em CAP e em DAP, Obtdos do Ivetáro Florestal Cotíuo (IFC) de Floresta Ombrófla Desa, Reserva atural da Compaha Vale do Ro Doce, Mucípos de Lares e Jaguaré, Estado do Espírto Sato Árvore o Status Cod. da Espéce CAP_80 (cm0 DAP_80 (cm) CAP_97 (cm0 DAP_97 (cm) IP_CAP (mm/ao) IPA_CAP (mm/ao) IPA_DAP (mm/ao) 56 S 44,0 4,0 5,0 6,9 90 5,294,685 5 S 2 5,4 7,0 6,0 9,4 76 4,470, S 40,8,0 59,0 8,8 82 0,706,408 4 S 5 00,5 2,0 2,5 8,7 20 2,5,92 4 S 5 2 7,7 2,0 45,0 4, 7 4,294,67 92 S 5 40,8,0 5,0 6,9 22 7,76 2, S ,5 60,0 226,0 7, ,059 7, S 6 78,5 25,0 02,0 2,5 25,82 4, S 6 2,9 42,0 5,0 48, 9,25,576 I 6 0,0 0,0,5 0, S 8 40,8,0 55,0 7,5 42 8,5 2, I 8 2 0,0 0,0 55,0 7, M 9,4 0,0 0,0 0, M 9 2,4 0,0 0,0 0, M 9,4 0,0 0,0 0, M 9 5,4 0,0 0,0 0, M 9 6 4,6,0 0,0 0, I 9 8 0,0 0,0 5,0, I 9 9 0,0 0,0 5,0, S 2,4 0,0 47,0 5,0 56 9,76 2,92 48 M 2 2 4,6,0 0,0 0, S 2 44,5 46,0 67,0 5,2 225,25 4,2 54 S , 2,0 88,0 28,0 57 9,25 2, M 2 5,4 0,0 0,0 0, S 2 6,4 0,0 57,0 8, 256 5,059 4, S , 2,0 75,5 24,0 2,882 0, M , 94,0 0,0 0, S ,4 7,0 72,5 2, 9,25, I 24 0,0 0,0 6,0 20, ,75 IPA_ dap (mm/ao) S = árvores sobrevvetes; M = árvores mortas; I = árvores growth 6

8 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 4 Quadro 2 Estmatvas Médas de Icremeto Peródco Aual (IPA_DAP), por espéce e por classe de DAP, com ampltude de classe de 0 cm e ível de clusão de DAP gual a 0 cm, Floresta Ombrófla Desa, Reserva atural da Compaha Vale do Ro Doce, Mucípos de Lares e Jaguaré, Estado do Espírto Sato COD Classe de DAP, em cm da Espéce ,72 5,825,92 7, ,400, ,659 IPA_ DAP (mm/ao) 2,72,65 4, , , ,576 2,679 9 Méda (mm/ao), ,646,92 4,2, ,02,09 5,576,75 6 Quadro Estmatvas Médas de úmero de árvores Igrowth, por espéce e por classe de DAP, com ampltude de classe de 0 cm e ível de clusão de DAP gual a 0 cm, Floresta Ombrófla Desa, Reserva atural da Compaha Vale do Ro Doce, Mucípos de Lares e Jaguaré, Estado do Espírto Sato Cod Classe de DAP, em cm Total Total 4 5

9 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 44 Quadro 4 Estmatvas Médas de úmero de árvores Mortas, por espéce e por classe de DAP, com ampltude de classe de 0 cm e ível de clusão de DAP gual a 0 cm, Floresta Ombrófla Desa, Reserva atural da Compaha Vale do Ro Doce, Mucípos de Lares e Jaguaré, Estado do Espírto Sato Cod Classe de DAP, em cm Total Total 7 8 Quadro 5 Estmatvas Médas de área basal de árvores Igrowth, por espéce e por classe de DAP, com ampltude de classe de 0 cm e ível de clusão de DAP gual a 0 cm, Floresta Ombrófla Desa, Reserva atural da Compaha Vale do Ro Doce, Mucípos de Lares e Jaguaré, Estado do Espírto Sato Cod Classe de DAP, em cm Total ,0079 0, ,0240 0, ,095 0, ,06 0,06 Total 0,054 0,06 0,080 Quadro 6 Estmatvas Médas de área basal de árvores Mortas, por espéce e por classe de DAP, com ampltude de classe de 0 cm e ível de clusão de DAP gual a 0 cm, Floresta Ombrófla Desa, Reserva atural da Compaha Vale do Ro Doce, Mucípos de Lares e Jaguaré, Estado do Espírto Sato Cod Classe de DAP, em cm Total ,0409 0, ,074 0, ,6940 0,6940 Total 0,058 0,6940 0,752

10 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 45 Quadro 7 - Estmatvas Médas de Crescmeto e Icremeto Peródco Bruto e Líqudo em Área Basal por espéce, Floresta Ombrófla Desa, Reserva atural da Compaha Vale do Ro Doce, Mucípos de Lares e Jaguaré, Estado do Espírto Sato COD Bf (997) I B (980) M Cb Cb Cl Cl 0,0798 0,0000 0,054 0,0000 0,0284 0,0284 0,0284 0, ,562 0,0000 0,878 0,0000 0,744 0,744 0,744 0, ,2725 0,0079 0,876 0,0000 0,0849 0,0770 0,0849 0, ,048 0,024 0,0 0,0000 0,048 0,008 0,048 0, ,094 0,094 0,0409 0,0409 0,094 0,0000-0,026-0, ,725 0,0000 0,2824 0,074 0,075 0,075 0,0902 0, ,07 0,04 0,767 0,6940 0,0506 0,092-0,644-0,6748 Total,4277 0,0827,6800 0,752 0,5000 0,47-0,252-0,49 Obs: M está cotdo em B e I está cotdo em Bf. Cb = (Bf I) (B - M); Cb = Bf (B M); Cl = (Bf I) B; Cl = Bf - B Cb = crescmeto bruto excludo o growth; Cb = crescmeto bruto cludo o growth; Cl = crescmeto líqudo excludo o growth; Cl = crescmeto líqudo cludo o growth; Bf = área basal, em m 2 /ha, o vetáro fal, ou seja, o fal do período de crescmeto; B = área basal, em m 2 /ha, o vetáro cal, ou seja, o íco do período de crescmeto; M = mortaldade em área basal, em m 2 /ha, o período de crescmeto; e I = growth em área basal, em m 2 /ha, o período de crescmeto. Quadro 8 - Estmatvas Médas de Crescmeto e Icremeto Peródco Bruto e Líqudo em Área Basal por espéce, Floresta Ombrófla Desa, Reserva atural da Compaha Vale do Ro Doce, Mucípos de Lares e Jaguaré, Estado do Espírto Sato COD Bf (997) I B (980) M Cb Cb Cl Cl 0,0798 0,0000 0,054 0,0000 0,0284 0,0284 0,0284 0, ,562 0,0000 0,878 0,0000 0,744 0,744 0,744 0, ,2647 0,0079 0,876 0,0000 0,0849 0,0770 0,0849 0, ,024 0,024 0,0 0,0000 0,048 0,008 0,048 0, ,0000 0,094 0,0000 0,0409 0,094 0,0000-0,026-0, ,725 0,0000 0,2650 0,074 0,075 0,075 0,0902 0, ,049 0,04 0,0227 0,6940 0,0506 0,092-0,644-0,6748 Total,450 0,0827 0,9277 0,752 0,5000 0,47-0,252-0,50 Obs: M ão está cotdo em B e I ão está cotdo em Bf. Cb = (Bf + I) B; Cb = Bf B; Cl = (Bf + I) (B + M); e Cl = Bf (B + M) Cb = crescmeto bruto excludo o growth; Cb = crescmeto bruto cludo o growth; Cl = crescmeto líqudo excludo o growth; Cl = crescmeto líqudo cludo o growth; Bf = área basal fal, em m 2 /ha, das árvores remaescetes (vvas os dos vetáros); Bf = área basal cal, em m 2 /ha, das árvores remaescetes (vvas os dos vetáros); M = mortaldade em área basal, em m 2 /ha, o período de crescmeto; I = growth em área basal, em m 2 /ha, o período de crescmeto.

11 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 46 EF 642 EXERCÍCIO DE CRESCIMETO QUADRO Dados de Ivetáro Florestal Cotíuo (IFC) de uma Floresta Ombrófla Desa, Reserva atural da Compaha Vale do RoDoce, Mucípos de Lares e Jaguaré, Estado do Espírto Sato, Brasl ARV COD IFC-80 IFC-8 IFC-86 IFC-89 IFC-92 IFC-9 IFC-94 IFC-95 IFC ,98 45,55 45,87 47,44 50,00 50,50 5,00 5,00 5,00 5 5,4 56,55 57,8 57,8 59,00 60,00 6,00 6,00 6, ,84 50,27 54,04 55,29 57,00 58,00 58,50 58,50 59, ,5 07,44 08,8 09,96 7,00 7,00 9,00 9,50 2, ,70 40,84 42,0 42,4 44,50 44,50 44,50 45,00 45, ,84 4,98 44,6 47,75 49,50 50,00 5,00 52,00 5, ,50 20,06 26,77 222,00 222,00 224,00 224,00 225,00 226, ,54 87,96 89,54 9,7 96,00 96,00 96,00 00,50 02, ,95 8,2 9,80 4,7 45,00 47,00 49,00 49,50 5,00 6 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00, ,84 47,2 48,69 5,2 54,00 54,00 55,00 55,00 55, ,00 0,00 0,00 0,00 47,00 54,00 55,00 55,00 55, ,42,42 2,6 0,00 0,00 0,00 0,00 0,00 0, ,42,42,9 0,00 0,00 0,00 0,00 0,00 0, ,42 2,99 0,00 0,00 0,00 0,00 0,00 0,00 0, ,00,42 0,00 0,00 0,00 0,00 0,00 0,00 0, ,42 6, 8,0 0,00 0,00 0,00 0,00 0,00 0, ,56 42,4 0,00 0,00 0,00 0,00 0,00 0,00 0, ,00 0,00 2,99,9 6,00 7,50 0,00 0,00 0, ,00 0,00 0,00,7,50,50 4,00 5,00 5, ,00 0,00 0,00 0,00 0,00 0,00 4,00 5,00 5, ,00 0,00 0,00 0,00 0,00,00 0,00 0,00 0, ,42 2,99,9 4,87 8,00 4,00 42,50 45,00 47, ,56 6, 8,0 0,00 0,00 0,00 0,00 0,00 0, ,5 47,65 49,85 5,94 57,00 60,00 67,00 67,00 67, ,26 78,54 80,74 82, 84,00 86,00 86,00 86,00 88, ,42 4,56 0,00 0,00 0,00 0,00 0,00 0,00 0, ,42 2,99 40,2 44,0 49,50 52,00 5,00 55,00 57, ,26 7,8 7,8 75,40 75,50 75,50 75,50 75,50 75, , 295,,65 0,00 0,00 0,00 0,00 0,00 0, ,4 59,69 7,6 7,6 72,00 72,00 72,50 72,50 72, ,00 0,00 0,00 4,87 44,00 48,00 5,50 5,50 6, ,42 4,56 8,64 42,7 47,00 48,00 52,00 5,00 54, ,00 0,00 2,67 8, 42,50 44,50 47,50 47,50 49, ,67 20,0 20,64 26,00 26,00 26,00 26,00 26,00 26, ,70 40,84 4,98 49,0 5,00 52,00 5,00 5,50 54, ,70 9,27 40,84 42,7 4,50 44,50 45,00 45,50 47, ,42 6, 6,44 7,00 7,00 7,00 7,00 7,00 7, ,40 77,9 78,54 78,85 80,00 80,00 80,00 80,00 80, ,54 8,68 8,25 8,88 85,00 85,00 85,00 85,00 85, ,69 62,8 6,5 6,46 64,00 64,00 64,00 64,00 64, ,27 5,84 5,09 54,98 57,00 58,00 59,50 59,50 59, ,70 42,4 4,5 4,98 45,00 45,00 45,00 45,00 45, ,55 65,97 68,7 69,00 69,00 69,00 69,00 69,00 69, ,00,42 2,99,9 4,00 4,00 4,00 4,50 4,50

12 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc ,2 76,97 78,54 79,80 80,50 8,00 8,00 8,00 8, ,00 0,00,42 0,00 0,00 0,00 0,00 0,00 0, ,00 0,00,42,7 2,00 2,00 2,00 2,00 2, ,00 0,00 4,56 7,70 8,50 8,50 40,00 40,00 40, ,42,42 0,00 0,00 0,00 0,00 0,00 0,00 0, ,98 45,55 45,87 45,87 46,50 47,00 47,00 47,00 47, ,55 62,8 65,97 69,2 7,00 7,50 7,00 7,00 75,00 72,26 74,46 75,40 76,97 78,50 78,50 78,50 78,50 78, ,98 44,0 45,24 45,87 47,50 47,50 47,50 47,50 48, ,70 7,70 7,70 0,00 0,00 0,00 0,00 0,00 0,00 4 7,70 40,84 42,4 0,00 0,00 0,00 0,00 0,00 0, ,67 05,24 05,56 07,44,00,00,00,00,00 4 7,70 9,27 4,47 4,98 46,00 46,00 47,00 49,00 5, ,24 9,8 2,89 22,84 26,00 26,00 26,00 26,00 26, ,00 0,00 0,00 0,00 0,00 2,00 2,50,00 4, ,2 50,27 5,50 5,50 5,50 5,50 52,00 0,00 0, ,56 7,70 8,64 9,27 9,50 9,50 9,50 9,50 9,50 207,42 6, 7,07 7,70 8,00 8,00 8,50 8,50 9,00 2 0,00 0,00 0,00 0,00 4,50 5,00 5,00 5,50 5,50 4 0,00 0,00 0,00 0,00,50 2,00 2,50 2,50 2, ,27 5,84 55,6 57,8 6,00 64,00 64,00 64,00 64, ,42 2,99 0,00 0,00 0,00 0,00 0,00 0,00 0, ,96 94,25 96,45 97,9 98,50 98,50 98,50 98,50 98, ,42 2,99 4,56 8,96 42,00 42,00 42,50 42,50 4, ,00 0,00 0,00 0,00 2,00,00 4,00 5,00 5, ,00 0,00 0,00 0,00 2,00 2,00,00,00, ,69 65,97 70,69 7,8 76,00 76,00 76,00 76,00 76, ,98 48,69 49,2 5,4 56,00 56,00 60,00 60,00 60, ,98 4,98 45,55 0,00 0,00 0,00 0,00 0,00 0, ,00 2,99 40,2 47,44 52,00 5,00 54,00 54,00 54, ,56 7,70 9,27 4,78 0,00 0,00 0,00 0,00 0, ,98 45,55 46,8 0,00 0,00 0,00 0,00 0,00 0, ,54 80, 82,94 82,94 8,00 8,00 8,00 8,00 8, ,8 67,54 70,06 0,00 0,00 0,00 0,00 0,00 0, ,54 8,25 86,9 9, 94,00 94,00 97,00 97,00 00, ,00 0,00 2,6 4,87 5,00 5,00 5,00 5,00 6, ,00 0,00 5,50 4,47 46,50 47,00 49,00 49,00 5, ,00 0,00 0,00 0,00 2,50,00,00 4,00 0,00 De posse dos dados de dap, em cetímetro (Quadro ) e cosderado que os mesmos procedem de cco parcelas permaetes de 0,5 ha cada, calcular, para o período de 980 até 997: ) Icremeto peródco aual em dâmetro, em mm/ao, por espéce e por classe de dap, ampltude de classe de 0 cetímetros e ível de clusão de dap gual a 0 cetímetros. 2) Crescmetos bruto e líqudo cludo e excludo o growth em área basal (m 2 ). ) Crescmetos bruto e líqudo cludo e excludo o growth em área basal (m 2 ), por espéce. 4) Igrowth em úmero de árvore e em área basal, por hectare. 5) Mortaldade em úmero de árvore e em área basal, por hectare.

13 C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 48 Espéce E E 2 E. Méda Espéce E E 2 E. Méda Espéce E E 2 E. Méda Icremeto Peródco Médo Aual em Dâmetro () Cetro de Classe de Dâmetro (DAP) Méda Icremeto Peródco Médo Aual em Área Basal () Cetro de Classe de Dâmetro (DAP) Méda Icremeto Peródco Médo Aual em Volume Cetro de Classe de Dâmetro (DAP) Méda

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

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

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

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

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

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

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

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

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

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

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

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros. JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00

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

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

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

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

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

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

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

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

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

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

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

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

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

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

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

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

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

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

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

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

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

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

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

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

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

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

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

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

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

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

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1 CopyMarket.com Todos os dretos reservados. ehuma parte desta publcação poderá ser reproduzda sem a autorzação da Edtora. Título: Matemátca Facera e Comercal utores: Roberto Domgos Mello e Carlos Eduardo

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

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

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

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

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

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

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 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

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

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

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

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

( ) ( 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

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

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

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

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

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

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

ELECTROTECNIA TEÓRICA MEEC IST

ELECTROTECNIA TEÓRICA MEEC IST ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

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

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

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

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

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

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

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

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

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

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

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

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

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

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

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

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

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

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x

Leia mais

CENTRO: GESTÃO ORGANIZACIONAL MATEMÁTICA FINANCEIRA

CENTRO: GESTÃO ORGANIZACIONAL MATEMÁTICA FINANCEIRA CENTRO: GESTÃO ORGANIZACIONAL CÁLCULOS DE FINANÇAS MATEMÁTICA FINANCEIRA Semestre: A/2008 PROFESSOR: IRANI LASSEN CURSO: ALUNO: SUMÁRIO CÁLCULOS DE FINANÇAS INTRODUÇÃO...3. OBJETIVO:...3.2 FLUXO DE CAIXA...4.3

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

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

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

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

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: AGR116 Boestatístca Proessor: Celso Luz Borges de Olvera Assuto: Estatístca Descrtva Tema: Meddas de Posção e Meddas de

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Capítulo 1 Matemática Financeira

Capítulo 1 Matemática Financeira apítulo Matemátca Facera. Apresetação do capítulo A matemátca facera trata da comparação de valores moetáros ao logo do tempo. Através de seu estudo, podemos aalsar e comparar alteratvas de vestmeto e

Leia mais

Elaboração: Fevereiro/2008

Elaboração: Fevereiro/2008 Elaboração: Feverero/2008 Últma atualzação: 19/02/2008 E ste Caderno de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de precsão utlzados na atualzação das Letras

Leia mais

SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÈTRICOS GPL

SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÈTRICOS GPL SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GPL 04 4 a 7 Outubro de 2007 Ro de Jaero - RJ GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÈTRICOS GPL PREMISSAS DEMOGRÁFICAS

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

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

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

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