Engenharia de Métodos Profº Túlio de Almeida

Tamanho: px
Começar a partir da página:

Download "Engenharia de Métodos Profº Túlio de Almeida"

Transcrição

1 Egehara de Métodos 6. ESTUDO DE TEMPOS E A CRONOANÁLISE 6.1. TEMPO É DINHEIRO! Se tempo é relatvo, dhero também! Teora da Relatvdade Moetára pracheta para observações: é ecessára para que se apoe ela a folha de observações e o croômetro Metodologa Fgura 1 - Etapas de Obteção do Tempo-Padrão Eemplo: Uma fábrca produz peças mecâcas por da. Vamos aos cálculos: 1 da = 8 horas de trabalho peças/da = 50 peças/hora = 37,5 peças/m Image agora, que uma mudaça o método de fabrcação seja capaz de produzr 40 peças/m. Qual sera a produção o fm do mês? 6.. OBJETIVOS DO MÉTODO Obter um tempo que represete determada etapa de um processo levado em cota o rtmo de produção, a velocdade e capacdade técca do operador assm como a fadga do mesmo. (1) Dvsão/Orgazação Racoal do Trabalho () Determação do Número de Cclos a Serem Croometrados (3) Avalação da Velocdade do Operador (4) Determação das Tolerâcas (5) Determação do Tempo-Padrão (6) Modelagem do Sstema Dvsão da Operação em Elemetos Os elemetos de uma operação são as partes em que a operação pode ser dvdda. Essa dvsão tem por prcpal faldade a verfcação do método de trabalho e deve ser compatível com a obteção de uma medda precsa. tomado-se o cudado de ão dvdr a operação em mutos, ou em demasadamete poucos elemetos. O tempo de cada elemeto será aotado separadamete a folha de observações CRONOANÁLISE Equpametos Utlzados o Estudo de Tempos Os equpametos lstados a segur são os mas utlzados para o estudo de tempos: croômetro cetesmal: é O croômetro mas utlzado e uma volta do potero maor correspode 1/100 de hora ou 36 segudos. Podem, cotudo, ser utlzados outros tpos de croômetros, clusve croômetros comus; flmadora: este é um equpameto aular que apreseta a vatagem de regstrar felmete todos os dversos movmetos eecutados pelo operador, aulado o aalsta do trabalho a verfcar se o método do trabalho fo tegralmete respetado pelo operador, aulado a verfcação da velocdade com que a operação fo realzada; folha de observações: para que os tempos e demas formações relatvas à operação croometrada possam ser adequadamete regstrados; Fgura - Eemplo de Lhas de Produção Croometragem A croometragem é um dos métodos mas empregados a dústra para medr o trabalho. Em que pese fato de o mudo ter sofrdo cosderáves modfcações desde a época em que F. W. Taylor estruturou a Admstração Cetífca, objetvado medr a efcêca dvdual, essa metodologa cotua sedo muto utlzada para que sejam estabelecdos padrões para a produção e para os custos dustras. Número de Croometrages Na prátca, para determar o tempo padrão de uma peça ou de uma operação, devem ser realzadas etre

2 Egehara de Métodos 10 e 0 croometrages. Cotudo, a maera mas correta para determar o úmero de croometrages ou cclos a serem croometrados é deduzda da epressão do tervalo de cofaça da dstrbução por amostragem da méda de uma varável dstrbuída ormalmete, resultado a epressão: z. R ' E. r d. Ode: Número de Croometrages Necessáras z Coefcete da Dstrbução Normal Padrão para uma Probabldade Determada R Ampltude da Amostra d Coefcete em Fução do Números de Croometrages Realzadas Prelmarmete X Méda da Amostra Para a utlzação da epressão, deve-se realzar uma croometragem préva, croometrado-se a operação etre cco e sete vezes e retrado-se dos resultados obtdos a méda e a ampltude R. Devem também ser fados os valores da probabldade e do erro relatvo que são desejados. (1) Fez-se etão uma croometragem desta atvdade usado 10 operáros de cada um dos 3 turos de trabalho (matuto, vesperto e oturo). Tabela 1 - Croometragem dos 3 Turos de Trabalho Turo A Turo B Turo C 1 10,3 10,5 10,9 11,1 10,9 11,6 3 11,5 10,8 1,0 4 10,8 10,5 11,5 5 9,9 10,4 10,8 6 10,6 10,9 11, 7 11,0 10,1 11,4 8 10,4 10,5 10,6 9 11,1 10,6 10, ,7 10, 11,0 A prcípo, pode-se perceber que há duas formas de comparar os turos: 1. Tempo Médo. Dspersão dos Dados Calculado a méda e o desvo padrão, tem-se que: Tabela - Resultados Parcas da Aálse Observação: Na prátca, costumam-se utlzar probabldade etre 90% e 95%, e erro relatvo varado etre 5% e 10%. Os coefcetes z e d são valores tabelados. Outra forma de calcular, cosderado um erro relatvo de 5% e cofaça de 95%. Tempo Médo Desvo Padrão Número de Ites por Turo Turo A Turo B Turo C 10,74 10,54 11,19 0,465 0,7 0, tes 73 tes 573 tes () Ode: Número de Croometrages Necessáras Número de Croometrages Realzadas Tempos Croometrados Observação: Se N < N etão a amostra é sufcete Se N > N etão é ecessáro mas croometrages do elemeto. Eemplo: Para uma lha de motagem, verfcou-se que uma das atvdades pertecetes ao gargalo estava gerado mutos atrasos a produção. A partr da tabela pode-se coclur: O turo da tarde possu o melhor desempeho. O turo da ote produz meos que os demas, se cosderar que todos trabalham 8 horas; Há dfereças cosderáves o ível de servço dos operáros do turo matuto. QUAIS SOLUÇÕES DEVEM SER TOMADAS? (1) Verfcar se a quatdade de croometrages é sufcete. Não tome decsões precptadas! Cosdere um ível de cofaça de 95% e um Erro de 5%. Cosderado a equação (1): z. R ' E. r d. O tamaho atual da amostra é gual 10;

3 Egehara de Métodos A costate d é obtda através da tabela os aeos, e ela é em fução do tamaho da amostra. No caso o valor de d = 3,08. O valor da costate z para uma dstrbução ormal bcaudal é obtdo de outra tabela (vde aeos). Para um ível de cofaça de 95% (0,9500) o valor tabela de z é gual a 1,96. O valor de R (Ampltude ou Desvo) se dá pela equação: R má ) mí( ) (3) ( O valor de é a méda, que pode ser vsta a equação: 1 (4) Logo para os 3 turos, tem-se que: Turo A ' 1,96.1,0 0,05.3,08.10,74,35 1,654,0 cclos <, etão o úmero de cclos meddos é sufcete para um ível de cofaça de 95%. Turo B ' 1,96.0,80 0,05.3,08.10,54 1,568 1,63 0,93 cclos <, etão o úmero de cclos meddos é sufcete para um ível de cofaça de 95%. Turo C ' 1,96.1,40 0,05.3,08.11,19,744 1,73,54 cclos <, etão o úmero de cclos meddos é sufcete para um ível de cofaça de 95%. () Avalar a Velocdade do Operador Será que o operador fez corpo mole? O operador é muto mas hábl que os demas? Uso do Croômetro Observação: Croômetro a Fução Marcar. Ele aota o tempo sem parar a cotagem. Letura Repettva O croômetro retora ao zero ao fm de cada elemeto Aálse da Velocdade do Operador A velocdade V do operador é determada subjetvamete por parte do croometrsta, que a refereca à assm deomada velocdade ormal de operação, à qual é atrbuído um valor I00 (ou I 00%). Para evtar erro é prátca habtual o treameto e retreameto sstemátco e cotíuo da equpe de croometrstas. Utlzado-se operações padrozadas (dstrbução de um baralho de 5 cartas, adar 15 metros o plao) ou operações realzadas detro da empresa e para as quas e teha covecoado tempo que represeta a velocdade ormal 100. A velocdade avalada deve ser regstrada a folha de observações Aálse das Tolerâcas Não é possível esperar que uma pessoa trabalhe sem terrupções o da tero. Assm, devem ser prevstas terrupções o trabalho para que sejam ateddas as deomadas ecessdades pessoas e para proporcoar um descaso, alvado os efetos da fadga o trabalho. A Prâmde de Maslow Não é possível esperar que uma pessoa trabalhe sem terrupções o da tero. Assm, devem ser prevstas terrupções o trabalho para que sejam ateddas as deomadas ecessdades pessoas e para proporcoar um descaso, alvado os efetos da fadga o trabalho. Abraham Maslow fo um mportate pscólogo amercao etre os aos que colaborou muto com a pscologa humasta. De acordo com ele, esse segmeto da pscologa está dretamete lgado com a satsfação das ecessdades humaas. Sobre esse assuto, ele declarou à medda que os aspectos báscos que formam a qualdade de vda são preechdos, podem deslocar seu desejo para asprações cada vez mas elevadas. Pesado sso, ele crou a Prâmde de Maslow, cohecda também como a Teora de Maslow. Nessa prâmde são colocadas as ecessdades humaas, sedo que a base estão as ecessdades prmáras, ou seja, as que são urgetes e dspesáves, e depos va subdo Letura Cotíua Croometragem do processo tero (íco até o fm) Tempo de cada etapa é determado através da subtração.

4 Egehara de Métodos para outras ecessdades secudáras. Fgura 3 - Prâmde das Necessdades de Maslow Tolerâca para Atedmeto de Necessdades Pessoas Quato à tolerâca para atedmeto às ecessdades pessoas, cosdera-se sufcete um tempo etre 10m e 5m (5% apromadamete) por da de trabalho de 8 horas. Tolerâca para Alívo da Fadga A fadga o trabalho é proveete ão somete do trabalho realzado. mas também das codções ambetas do local de trabalho. Ambetes de trabalho com ecesso de ruído, mas que 80 db, lumação sufcete. meos que 00 lu, codções de coforto térmco adequadas. temperatura ambete fora da faa de 0 a 4 C e umdade relatva abao de 40% ou acma de 60%, vbrações. cores adequadas das paredes e desrespeto à ergooma os postos de trabalho, etre outros. geram fadga. Em fução da tesdade dos dferetes fatores que dfcultam o trabalho, haverá muta dfereça o tempo destado ao descaso. As tolerâcas coceddas para a fadga têm um valor etre 10% para um trabalho leve em um bom ambete) e 50% do tempo (trabalhos pesados em codções adequadas). Geralmete. adota-se uma tolerâca varado etre 15% e 0% do tempo (fator de tolerâcas etre 1.15 e 1.0) para trabalhos ormas realzados em um ambete ormal, para as empresas dustras. Além da metodologa eposta as tolerâcas podem ser calculadas em fução dos tempos de permssão que a empresa se dspõe a coceder. Nesse método. determa-se a porcetagem de tempo p cocedda em relação ao tempo de trabalho dáro e calcula-se o fator de tolerâcas como sedo: FT 1 (1 p) Autorealzação Estma Socal Seguraça Fsológcas (5) Na prátca. costuma-se adorar FT = 1,05 para trabalhos em escrtóros e FT varado etre 1,10 e 1,0 para trabalhos em udades dustras com boas codções ambetas e trabalhos com ível de fadga termedáro TEMPO-PADRÃO Obteção do Tempo-Padrão Uma vez obtdas as croometrages váldas, devese: 1. Calcular a méda das croometrages obtedo-se o Tempo Croometrado (TC) ou Tempo Médo (TM);. Calcular o Tempo Normal (TN), fazedo uso da equação que segue TN TCV. (6) Ode: TN Tempo Normal TC Tempo Croometrado V Fator de Velocdade do Operador 3. Com o Tempo Normal (TN) em mãos, calcular o Tempo Padrão (TP): TP TN. FT (7) Ode: TP Tempo-Padrão TN Tempo Normal FT Fator de Tolerâca Tempo-Padrão para Atvdades Acíclcas O que é uma Atvdade Acíclca? São atvdades ode a produção é dscreta, logo os tempos de íco e de térmo (ou acabameto) das operações devem ser levados em cota. TS TPP q 1 TP TF L Ode: TPP Tempo Padrão do Produto TS Tempo de Setup (calzação do processo) q Número de produtos produzdos durate o Setup ΣTP Somatóro dos tempos padrões das atvdades TF Tempo Padrão para atvdades de falzação (embalagem, speção etc.) L Lote ecessáro para que ocorra a falzação (8)

5 Egehara de Métodos Eemplo: Um produto dustral é processado em três operações, cuja soma dos tempos padrões é 3,5 mutos. O tempo padrão do setup é de 5 mutos para 1000 peças. As peças produzdas são colocadas em um cotêer com capacdade para 100 peças que, quado cheo, é fechado e colocado ao lado. O tempo ecessáro para esta atvdade é de 1,5 mutos. Calcular o tempo padrão para cada peça. 1 TP 3, 5 TS 5 q 1000 TF 1,5 L 100 Colocado a equação: 5 1,5 TPP 3,5 TPP 3,5 m Tempo-Padrão para um Lote de uma Mesma Peça Para uma produção cotíua em 3 turos de 8 horas (4 horas): 10 das para produzr tal lote. QUE REDUÇÃO NO LEAD TIME! 6.5. BIBLIOGRAFIA E REFERÊNCIAS [1] BARNES, R.M. Estudo de Movmetos e de Tempos: Projeto e Medda do Trabalho. Edtora Edgard Buscher. (1977) [] HERNANDEZ, C.T. Estudo de Tempos e Movmetos: Estudo de Tempos. Uversdade Federal Flumese. 35 sldes (010) [3] MARTINS, P. G.; LAUGENI, F. P. Admstração da Produção. ª ed. São Paulo: Sarava, 005. [4] SLACK, Ngel., CHAMBERS, Stuart., HARLAND, C., JOHNSTON, Robert., BETTS, A. Gerecameto de Operações e de Processos. Porto Alegre: Bookma, 008. [5] MONTGOMERY, RUNGER. Estatístca Aplcada para Egeheros. 010 Um racocío smlar para um lote. TPL TS. p. TP f. TF (9) 1 Ode: TPL Tempo Padrão do Lote Número de setups que devem ser fetos p Quatdade de peças por lote f Número de falzações que devem ser fetas Eemplo: Calcule o tempo padrão para um lote de 1500 peças, usado os dados do eemplo ateror. TS 5 mutos ΣTP 3,5 mutos TF 1,5 mutos Se cada setup é para 1000 peças, etão serão ecessáros setups. Se cada falzação agrupa as peças em 100 udades, etão serão ecessáras 15 falzações. = f = 15 Aplcado a equação, tem-se que: TPL ,5 15.1,5 TPL 58,5m Ou seja, 0,104 horas de produção. Para uma produção dscreta em turo de 8 horas: 8 das para produzr tal lote.

6 Egehara de Métodos QUESTÕES PARA DISCUSSÃO Q1 Dscorra sobre a Relatvdade Moetára e como as gradezas tempo, dhero e qualdade estão tmamete lgadas. Q Quas são os objetvos a serem atgdos quado se faz uso do tempo-padrão? Q3 Quas são as etapas a serem segudas para se obter um tempo-padrão? Q4 Qual é a equação capaz de calcular o úmero ótmo de croometrages para qualquer ível de cofaça? Eplque cada um de seus termos. Q5 Qual a dfereça em realzar uma letura cotíua e uma letura repettva fazedo uso de um croômetro? Q6 Qual a mportâca de se avalar a velocdade do operador? Quas cosderações devem ser fetas? Q7 Eplque como a Prâmde de Maslow se ecaa detro dos métodos de trabalho o que se refere a tolerâcas. Q8 Quas as dfereças etre as tolerâcas? a. Necessdades fsológcas b. Alívo da fadga c. Trabalhos desevolvdos em escrtóro d. Trabalhos desevolvdos em ambetes agressvos Q9 Defa teórca e matematcamete: a. Tempo Croometrado (TC) b. Tempo Normal (TN) c. Tempo-Padrão (TP) d. Tempo-Padrão do Produto (TPP) e. Tempo-Padrão do Lote (TPL) EXERCÍCIOS DE FIXAÇÃO E1 Você está setado o sofá da sala ouvdo músca e toca a campaha da porta. A porta stua-se a 10 metros de ode você está setado. Você deve levatarse do sofá, adar até ode está a chave da porta (5 metros), pegar a chave, colocá-la a porta e abr-la. Em que elemetos essa atvdade podera ser dvdda? E Uma operação fo calmete croometrada sete vezes, obtedo-se um tempo médo de 1 muto e 34 segudos e uma ampltude de 0 segudo.determar o úmero de croometrages para uma cofaça de 95% e um erro relatvo mámo de 5%. E3 Ura operação de furar uma chapa fo croometrada 10 vezes, obtedo-se o tempo médo por cclo de 4,5 segudos. O croometrsta avalou a velocdade méda do operador em 95% e fo atrbuído ao trabalho um fator de tolerâcas lotas (pessoajs e para fadga) de 18%. Calcular o tempo padrão da operação E4 Um produto dustral é processado em três operações cuja soma dos tempos padrões é de 3,50m. O tempo padrão do setup é de 5,0m para 1000 peças. As peças produzdas são colocadas em um cotêer com capacdade para 100 peças que quado cheo, é fechado e colocado ao lado. O tempo ecessáro para essa atvdade é de 1,50m. Calcular o tempo-padrão para cada peça. E5 Com os dados da questão ateror, calcular o tempo-padrão para um lote de peças. PROBLEMAS E APLICAÇÕES P1 Um croometrsta fo escalado para determar a quatdade ótma de cclos a serem croometrados e obteve os segutes resultados: Número da Medção Tempo Obtdo (s) ,98 45,0 49,89 51,78 60,45 53,44 50,10 Calcule a quatdade ótma de cclos do processo a serem realzadas a crooaálse. Sedo ecessáro para a obteção do úmero de cclos, cosderar uma cofaça de 90% e um erro relatvo de 10%. P Para estabelecer o tempo padrão de uma operação, fo realzada uma croometragem prelmar com oto tomadas de tempo de uma operação. O tempo padrão deve ter 90% de probabldade e apresetar erra relatvo de 10%. Calcular o úmero de croometrages. Dados em mutos: Croometragem Tempo (m) 1 1,5 1,4 3 1,7 4 1,8 5 1,8

7 Egehara de Métodos 6 1,7 7 1,9 8 1,8 P3 Em um e tudo de tempo croometrado fo realzada uma croometragem prelmar com 4 tomadas de tempo obtedo-se os resultados em mutos: 3,0-3,3 -,7-3,0 A empresa deseja que o tempo-padrão teha 90% de probabldade de estar correto e uma varação máma de 6% sobre o tempo determado. Quatas croometrages devem ser realzadas? P4 Em um processo de motagem, fo realzada uma crooaálse coforme segue: 73,1 8,7 60,83 78,73 87,99 91,66 68,51 49,7 55,19 71,3 6,45 87,77 44,59 8,66 94,7 51,1 8,59 71,33 65,6 74,36 55,88 60,65 58,47 66,68 4,33 8,84 50,67 61,1 64,78 47,73 67,51 60,45 64,66 76,74 70,49 74,03 6,5 76,07 64,84 67,96 55,45 51,04 67,17 61,3 60,53 67,67 70,56 85,84 59,69 44,08 46,51 77,67 53,18 64,6 74,87 71,50 66,04 63,54 70,63 78,81 Ode o tempo está em segudos. Cosderado que tal atvdade é realzada em um ambete dustral e que a velocdade pode ser aumetada em o mámo 10%, calcule o tempo padrão da operação. P5 Um estudo de tempos de uma operação de preparação de uma máqua acusou um tempo médo de 7,50 mutos. A velocdade do operador avalada pelo croometrsta fo de 103% e a empresa cocede 30 mutos para laches e 5 mutos para atrasos evtáves em um da de 8 horas de trabalho. P6 Uma operação fo croometrada 5 vezes. O croometrsta avalou a velocdade da operação (valor váldo para as cco croometrages) em 95%. A empresa cosdera que a operação croometrada é uma operação que ão ege um esforço especal e fa um fator de tolerâcas de 15% sobre o tempo ormal (FT = 1,15). Determar O tempo médo - TM, o tempo ormal - TN e o tempo padrão - TP. Tempos croometrados (segudos): 0,7-1,0 -,9-3,4-0,8 P7 A lachoete Ma Burger fez um estudo de produtvdade e aotou os tempos ecessáros para o preparo de um saduíche. As tolerâcas são de 15% (FT = 1,15). Determar o tempo ormal e o tempopadrão. Se a estmatva de demada máma é de 50 saduíches etre as 1 horas e as 13 horas, quatos "chaperos" serão ecessáros? Croometrages Elemetos 1 3 v(%) Colocar hambúrguer a 0,40 0,4 0,38 90 chapa Cozhar um lado 0,75 0,8 0, Vrar e cozhar outro lado 0,70 0,80 0, Motar o saduíche 0,35 0,38 0,36 95 P8 Uma operação cosste em cortar barras de ferro com I metro de comprmeto em uma máqua de serrar. Para eecutar o corte a máqua de serrar deve ser preparada de maera adequada, colocado-se uma serra ova e deve-se marcar o poto de corte para que as barras cortadas teham o comprmeto correto. Estas atvdades levam um tempo de l0 mutos, que é cosderado o tempo padrão de setup (ou tempo de preparação da máqua). A cada 100 barras cortadas, deve-se trocar a serra e reajustar a máqua de serrar levado-se ovamete um tempo de 10 mutos. A operação de corte fo croometrada 10 vezes, obtedo-se um tempo médo de 10,7 segudos e o croometrsta avalou a velocdade do operador em 110%. Se o fator de tolerâca FT é gual a 1.0, determar: a. O tempo padrão por peça. b. O tempo padrão por peça com o setup. c. O tempo padrão para um lote de 1550 peças. P9 Um sstema de produção por lotes de embalages plástcas, possu uma máqua cujo taa de produção é de 90 sacolas plástcas por muto. Cada setup desta máqua dura apromadamete 45 mutos. Após o fucoameto da máqua, há 3 processos cosecutvos que são respectvamete a estampagem da logomarca do clete, secagem da tta e o trasporte para o setor de embalagem, e cada destas atvdades duram respectvamete 5 seg/sacola, 5 seg/sacola e 1,5 mutos. Ao chegar ao setor de embalagem, as sacolas são separadas em lotes de 1000, specoadas e alocadas em embalagem aproprada (embalagem da embalagem) e tas tarefas duram jutas após as 1000 peças embaladas 1 mutos. Pede-se calcular o tempo-padrão do produto para a stuação descrta aterormete. P10 Um produto dustral é processado em três operações, cuja soma dos tempos padrões é 3,5 mutos. O tempo padrão do setup é de 5 mutos para 1000 peças. As peças produzdas são colocadas em um cotêer com capacdade para 100 peças que, quado cheo, é fechado e colocado ao lado. O tempo ecessáro para esta atvdade é de 1,5 mutos. Calcular o tempo padrão do lote de peças.

8 Egehara de Métodos DESAFIOS D1 (PETROBRAS 010) Um egehero de produção fez um estudo de tempo para a motagem de caas em determada dústra. Cosderado as amostras apresetadas a tabela acma e que o úmero de meddas seja sufcete para a cofabldade do estudo, qual é o Tempo Normal, em segudos, dessa operação? a. 57,0 b. 57,5 c. 58,0 d. 58,5 e. 60,0 D (PETROBRAS 010) Os trabalhadores de uma dústra químca têm uma jorada de trabalho de 6 horas e gastam 0,0% desse tempo com ecessdades pessoas, em espera ou descasado. Um egehero de produção fez um estudo de tempo e movmetos e chegou ao Tempo Normal (TN) de 60 segudos para uma determada operação de motagem. Desprezado os efetos da fadga durate o trabalho, o Tempo Padrão (TP), em segudos, dessa operação e a quatdade (Q) de motages que pode ser eecutada por um operáro durate uma jorada de trabalho são, respectvamete, Formuláro: FT = 1 / (1 - PTp) Ode: FT: fator de tolerâca PTNp: percetual de tempo ão produtvo TP Q a. 60,0 360 b. 69,0 313 c. 7,0 300 d. 75,0 88 e. 78,0 76 ANEXOS Tabela z para Dstrbuções Normas Padrozadas (Bcaudal) 90% 91% 9% 93% 94% 95% 96% 97% 98% 99% z 1,64 1,70 1,75 1,81 1,88 1,96,05,17,33,58 Tabela para Fuções de Varabldade D 4 3,7,57,8,11,00 1,9 1,86 1,8 1,78 D 3 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 d 1,13 1,69,06,33,53,70,85,97 3,08 A 1,88 1,0 0,73 0,58 0,48 0,4 0,37 0,34 0,31

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 - 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

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

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

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

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

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

Leia mais

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

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

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

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

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

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

Leia mais

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

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

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

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

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

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

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

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

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

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

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

Leia mais

( ) ( 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

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

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

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

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

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

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

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

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

Leia mais

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

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

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

Matemática C Semiextensivo V. 2

Matemática C Semiextensivo V. 2 Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur

Leia mais

Forma padrão do modelo de Programação Linear

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

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

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

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

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

Leia mais

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

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

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais 48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados

Leia mais

Análise da Informação Económica e Empresarial

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

Leia mais

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

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

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

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

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

Leia mais

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

Estatística: uma definição

Estatística: uma definição Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

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

3. TESTES DE QUALIDADE DE AJUSTAMENTO

3. TESTES DE QUALIDADE DE AJUSTAMENTO Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.

Leia mais

TEORIA DE ERROS MEDIDAS E GRÁFICOS

TEORIA DE ERROS MEDIDAS E GRÁFICOS Uversdade Federal de Juz de Fora Isttuto de Cêcas Eatas Departameto de Físca TEORIA DE ERROS MEDIDAS E GRÁFICOS Prof. Carlos R. A. Lma Edção Março de 010 ÌNDICE CAPÍTULO 1 - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA

Leia mais

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

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

Leia mais

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

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

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

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

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

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

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

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

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo

Leia mais

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

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

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

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

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

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

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

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período. ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,

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

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

ESTATÍSTICA 2º. SEMESTRE DE 2016

ESTATÍSTICA 2º. SEMESTRE DE 2016 ESTATÍSTICA O presete materal fo elaborado com o objetvo de facltar as atvdades em sala de aula, segudo a bblografa apresetada o fal do texto. Esclarece-se que o materal, ão substtu a bblografa apresetada,

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

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

Matemática Financeira

Matemática Financeira 1)Um vestdor aplcou R$6,, gerado uma remueração de R$3, ao fal de um período de um ao (36 das). Calcular a taxa de juros paga a operação. = J/ = 3/6 =, ou % ou 63 = 6 (1+ 1) 63 = 6 + 6 63 6 = 6 3 = 6 =

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

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

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

Cap.20 Avaliação Econ. Financ. de Projetos de Inv. Sumário. Jim Lane. $20 mi. Gordon Letwin $20 mi Paul Allen $25 bi

Cap.20 Avaliação Econ. Financ. de Projetos de Inv. Sumário. Jim Lane. $20 mi. Gordon Letwin $20 mi Paul Allen $25 bi Pol-UFRJ/25.1 Cap.2 Avalação Eco. Fac. de Projetos de Iv. Ecooma Carlos Nemer 3ª Ed. Capítulo 2 Avalação Ecoômco Facera de Projetos de Ivestmeto Steve Wood $15 m Bob O' Rear $1 mllo Bob Wallace $5 m Bob

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

ESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE

ESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE SCOLA SUPIO D CNOLOGIA UNIVSIDAD DO ALGAV CUSO BIÁPICO M NGNHAIA CIVIL º cclo egme Duro/Nocturo Dscpla de COMPLMNOS D MAMÁICA Ao lectvo de 7/8 - º Semestre Ídce. egressão lear múltpla.... Itrodução....

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

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

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

CAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev.

CAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev. uesp CAMUS DE GUARATINGUETÁ Computação e Cálculo Numérco: Elemetos de Cálculo Numérco ro. G.J. de Sea - Depto. de Matemátca Rev. 5 CAÍTUO 4 INTEROAÇÃO 4. INTRODUÇÃO Cosdere a segute tabela relacoado calor

Leia mais

Universidade Federal da Bahia Departamento de Hidráulica e Saneamento Capítulo 3

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

Leia mais

Correlações genotípicas entre características agronômicas de sorgo granífero (Sorghum bicolor (L.) Moench).

Correlações genotípicas entre características agronômicas de sorgo granífero (Sorghum bicolor (L.) Moench). Correlações geotípcas etre característcas agroômcas de sorgo graífero (Sorghum bcolor (L.) Moech). Crslee Vera dos Satos (1) ; Ccero Beserra de Meezes (2) ; Celso Herque Tuma e Slva (1) Ruae Alce da Slva

Leia mais

Apresenta-se em primeiro lugar um resumo da simbologia adoptada no estudo da quadratura de Gauss.

Apresenta-se em primeiro lugar um resumo da simbologia adoptada no estudo da quadratura de Gauss. CAÍTULO QUADRATURA DE GAUSS Mutos dos tegras que é eessáro alular o âmbto da aplação do Método dos Elemetos Ftos (MEF) ão são trvas,.e., ou a prmtva da ução tegrada ão exste expltamete, ou é demasado omplada

Leia mais

Sistema Kanban para fábrica de tintas

Sistema Kanban para fábrica de tintas Sstema Kaba para ábrca de ttas José Luz Cotador Proessor do Programa de Pós-Graduação em Admstração Uove; Doutor em Egehara Aeroáutca e Mecâca - Isttuto Tecológco de Aeroáutca ITA. [Brasl] luz@eg.uesp.br

Leia mais

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES

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

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

Leia mais

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq Qwertyuopasdghjklzcvbmqwerty uopasdghjklzcvbmqwertyuopasd ghjklzcvbmqwertyuopasdghjklz cvbmqwertyuopasdghjklzcvbmq wertyuopasdghjklzcv bmqwertyuopasdghjklzcvbmqw ertyuopasdghjklzcvbmqwertyuo pasdghjklzcvbmqwertyuopasdgh

Leia mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

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

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

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

Leia mais

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