Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN

Tamanho: px
Começar a partir da página:

Download "Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN"

Transcrição

1 Méodos AB e Logísco para projeção de pequeas áreas: uma aplcação para a mcrorregão de Agcos RN Crsae Slva Corrêa CEDELAR/UFMG e UFRN Luaa Juquera Das Myrrha CEDELAR/UFMG e UFRN Moema Fígol CEDELAR/UFMG. Irodução A projeção de populações mucpas e de ouras populações de pequeas áreas é de grade mporâca para a mplemeação, acompahameo e avalação de polícas públcas WALDVOGEL, 998. Coudo, há poucos esudos acerca dos méodos empregados para as esmações. Há dos grupos de méodos comumee usados: o dos méodos em que prmero se projea a população da área maor para depos dsrbuí-la as populações das áreas meores, e o dos méodos em que faz-se o coráro, projeado prmero as áreas meores de forma que a soma das populações das áreas meores seja equvalee á população da área maor WALDVOGEL, 998. O objevo do presee esudo é dscur o méodo da edêca de crescmeo AB e o méodo logísco da parcpação da população da subárea a população regoal, dos mporaes méodos do prmero grupo. Serão apreseados os dealhes de ambos os méodos e os passos ecessáros à suas aplcações. A déa dos méodos é projear a parcpação relava das áreas meores a área maor proporção para o momeo desejado de forma que, cohecedo a população da área maor para esse momeo, seja possível esmar a população das áreas meores mulplcado-se a proporção ecorada pela população da área maor o ao de eresse. Em ouras palavras, ambos os méodos ajusam uma fução maemáca às proporções exsees ere as populações das áreas meores e a população da área maor WALDVOGEL, 998. Uma grade vaagem de ambos os méodos é que, ao assumr que o crescmeo da população da área meor é proporcoal ao da área maor, eles garaem que a soma das

2 populações das áreas meores é gual à população da área maor, ão ecessado qualquer ouro ajuse para compablzação desses valores FRIAS, 987. ara lusrar a aplcação dos méodos, ulzou-se a população da mcrorregão de Agcos, o Ro Grade do Nore, como a área maor e os 8 mucípos que a compõem como as pequeas áreas. 2. Méodo de Tedêca de Crescmeo ou AB Cosdere uma área maor cuja população esmada em um momeo é. Subdvde-se essa área maor em áreas meores, de forma que a população da área maor, em um empo, seja gual à soma das populações das áreas meores o mesmo empo FRIAS, 987. em que é a população de uma deermada área meor, o empo. Assumdo que, durae um período curo de empo, a população de cada área meor vara learmee com a população da área maor, em-se que FRIAS, 987: a b 2 al que: a : o coefcee de proporcoaldade do cremeo da população da área meor em relação ao cremeo da população da área maor; b : o coefcee lear de correção. Em ouras palavras, a população da área meor pode ser esmada por uma fução lear da população da área maor, em que é a varável depedee e é a varável explcava ou depedee. or essa relação, cada população da área meor o empo é uma proporção a da população da área maor corrgda por um faor de correção b. ara a deermação dos coefcees a e b é ecessáro cohecer o amaho das populações das áreas meores e da área maor em dos poos do empo. ode-se ulzar, por exemplo, a população receseada em dos cesos FRIAS, 987. Sejam e 2

3 , respecvamee, as daas dos dos Cesos, ao subsur-se e a equação acma, em-se que a b. a b A parr da resolução desse ssema lear, em-se que: a 3 b a 4 Cohecedo os coefcees dessa equação e a população da área maor para o ao de eresse pode-se esmar a população das áreas meores o momeo do empo desejado ulzado a equação Ierpreação dos Coefcees: A população da área maor pode crescer ou decrescer. Cada área meor é resposável por uma parcela desse crescmeo ou decrescmeo, uma vez que a soma dos crescmeos de odas as áreas meores deve ser gual ao crescmeo da área maor. O coefcee a forma o perceual do crescmeo da área maor pelo qual o crescmeo da área meor fo resposável. Ou seja, a dca quao a população da área meor cresceu em relação ao crescmeo da população da área maor. Valores maores de a dcam que o crescmeo daquela área meor é resposável por grade pare do crescmeo da área maor, e que aquela área meor cresce mas rapdamee que as demas áreas meores. Um exemplo dsso pode ser observado a Fgura. A Fgura exemplfca o méodo AB e as relações ere os amahos populacoas e seus coefcees cosderado 4 áreas meores hpoécas que apreseam crescmeo populacoal o período. Observamos que a clação da rea a da população 3 é meor que a clação da rea de, dcado que a população cresce mas rapdamee que a população 3 e que seu crescmeo eve maor mpaco o crescmeo de que a população 3. 3

4 4 Fgura Relação ere e. Em relação ao coefcee a é mporae cosderar ada que a soma dos crescmeos das áreas meores deve ser gual ao crescmeo da área maor. Assm, em-se:,,,,,, a, em que,, e represeam a varação do amaho da população da área e a varação do amaho da população da are maor, ere e, respecvamee. Ou seja, a 5. Esse resulado evdeca que para sasfazer a codção de que a soma das parcpações relavas dos crescmeos das áreas meores em relação à maor é gual ao crescmeo oal da área maor, ecessaramee a soma de odos os coefcees a deve ser gual a. Uma lmação do méodo AB é que ele ão é cossee quado o crescmeo populacoal da área maor e o das áreas meores apreseam dreções oposas, ou seja, quado a área maor cresce equao alguma área meor decresce ou vce versa. Apareemee, valores egavos e posvos para a varado de acordo com o crescmeo populacoal poderam ajusar o crescmeo populacoal ao seu sedo calmee observado. Ereao, se o sedo do crescmeo da população da área maor, projeada por algum ouro méodo de projeção, mudar, o sedo de crescmeo de odas as demas populações ambém será alerado, corarado o pressuposo cal

5 do méodo de que o sedo de crescmeo calmee observado se maém. Tal lmação, além de corarar as relações ecoradas em populações reas, pode gerar populações egavas. Assm, se ocorrer de uma ou mas populações da área meor crescer equao a população da área maor decrescer, ou vce versa, o méodo AB deve ser aplcado com algus cudados. Uma forma de coorar essa resrção do méodo é dvdr a área maor em dos subgrupos: um composo pelas áreas meores que crescem em população e ouro composo pelas áreas meores que dmuem em população. Depos dsso, o méodo deve ser aplcado separadamee para cada um desses subgrupos. Nessas codções, pelo méodo AB, assume-se que, se a área maor cresce, odas as áreas meores ambém crescerão, mesmo que em esdades dferees. Da mesma forma, se a área maor dmu, odas as áreas meores ambém dmurão. Ou seja, elo méodo AB o valor de a dado por a deve sempre ser posvo. Se a e a, eão a deve sempre sasfazer a codção a 6. Esses resulados evdecam que a população das áreas meores ão cresce defdamee, mas crescem relavamee à área maor, e a soma dos crescmeos das áreas meores deve ser gual ao crescmeo da área maor. Duas populações podem er crescdo o mesmo ao em ermos absoluos apreseado o mesmo a, mas apresearem amahos populacoas dferees o íco e o fal do período em aálse. O coefcee b é resposável pela correção do amaho da população da área meor por seu amaho o momeo cal. Como exemplo, observamos a Fgura. As populações 2 e 4 apreseam o mesmo a, mesma clação, mas parram de valores de b dferees, o que resula em populações dferees. É mporae lembrar que o valor de b ão é o amaho da população em um momeo cal, mas um faor de correção que adéqua o amaho da população a cada empo ao seu amaho cal. 5

6 Lembramos, ada, que o méodo assume que a relação ere os amahos das populações das áreas meores e a população da área maor é lear apeas o período de empo de eresse do esudo. ara períodos pequeos de empo, al relação é aceável. Coudo, o méodo ão faz ehuma cosderação sobre como fo o crescmeo populacoal em períodos aerores ou como será esse crescmeo em períodos poserores ao aalsado. or ão fazer ehuma meção à relação de crescmeo ere as populações em períodos aerores é possível, pelo méodo AB, que se obeha valores egavos para b. Um valor egavo de b ão sgfca que em um período passado aquela população eve amaho ou egavo, pos b é apeas um faor de correção para ajusar a fução ao amaho populacoal observado durae o período de eresse. Na Fgura al suação é lusrada a população. Embora eha um valor egavo de b, al população é posva ere = e =, que correspodem ao ervalo de empo de eresse, dero do qual o amaho da população é modelado pelo méodo AB. Uma prova dos valores possíves de b pare da equação, segudo a qual Dessa equação em-se que a b a b a b b b Se b, eão b ecessaramee deve assumr valores posvos e egavos para cada cojuo de populações vesgado. 6

7 Cosderado que a só pode assumr valores ere e, precsamos defr quas são os valores possíves para b. ela equação 4 em-se que a b b a Se a ede a, lm a b lm a a. Como represea um amaho de população, é um valor posvo. Se a ede a, lm a b lm a a Como, já que é um subcojuo da população oal da área maor, o valor de é egavo. Assm, as codções que b deve assumr são: b e b Aplcação do méodo Dados os dealhes do méodo AB, esmou-se as populações dos 8 mucípos - Afoso Bezerra, Agcos, Caçara do Ro do Veo, Ferado edroza, Jardm de Agcos, Lajes, edra rea, edro Avelo - que compõem a mcrorregão de Agcos, RN, cosderado como área maor a população oal dessa mcrorregão. O objevo desa seção é esmar a população dos 8 mucípos para 2 por meo do méodo AB ulzado a população oal da mcrorregão de Agcos projeada pela axa de crescmeo expoecal para o ao de 2. Dados cas 7

8 ara a aplcação do méodo AB são ecessáras as populações das áreas meores em dos momeos do empo e da população da área maor o período de eresse. A Tabela apresea a população observada da mcrorregão por mucípos para os rês momeos do empo. Tabela - opulação observada por mucípo, mcrorregão Agcos RN, 99, 2 e 2. Mucípo Toal, 99 Toal, 2 Toal, 2 Afoso Bezerra Agcos Caçara do Ro do Veo Ferado edroza Jardm de Agcos Lajes edra rea edro Avelo Toal Foe: Alas do Desevolvmeo Humao o Brasl e IBGE Como pode-se observar pela Tabela, 6 mucípos da mcrorregão de Agcos apresearam crescmeo e 2 apresearam decrescmeo ere 99 e 2. Os dos grupos de mucípos, dvddos pelo seu sedo de crescmeo, são apreseados a Tabela 2. Cosderado que o méodo AB é aplcado, muas vezes, sem se er cohecmeo da população fuura, decdu-se esmar a população de 2 por algum méodo de projeção. or sua smplcdade, escolheu-se exrapolar aé 2 a população da mcrorregão ulzado a axa de crescmeo saâea observada ere 99 e 2. Assumu-se que os mucípos que apresearam crescmeo populacoal ere 99 e 2, ambém apresearão crescmeo ere 2 e 2, e o verso acoece para aqueles que decresceram. ara esmar a população oal da mcrorregão de Agcos, Taxa de crescmeo = T 2 l l 99 r. Dessa forma, T 9 * rt T e. 8

9 Decresceram Creseram projeamos, por meo da axa de crescmeo expoecal, a população oal dos mucípos que cresceram ere 99 e 2 e somamos com a projeção da população oal dos mucípos que decresceram ere 99 e 2. Os cálculos realzados são apreseados a Tabela 2. Tabela 2 - opulação observada por mucípo, mcrorregão Agcos RN, 99, 2 e 2. Taxa de opulação opulação observada Mucípos crescmeo esmada a 2 2 Afoso Bezerra Agcos Caçara do Ro do Veo Jardm de Agcos Lajes edra rea Toal , Ferado edroza edro Avelo Toal , opulação oal 497 Foe: Alas do Desevolvmeo Humao o Brasl e IBGE Esmação dos coefcees. ara esmar os valores de a e b, recorre-se às equações 3 e 4. Os coefcees para cada mucípo foram calculados segudo os mesmos passos descros abaxo para o cálculo dos coefcees do mucípo de Lages: a a Lages 2 Lages , Lages b a b 99 a Lages Lages Lages , Os resulados para os demas mucípos esão apreseados as Tabelas 3 e 4. Esmação da população das áreas meores a daa desejada. 9

10 ara esmar a população o momeo desejado, recorre-se à equação 2. ara o mucípo de Lages: a b Lages Lages Lages 2 a Lages 2, b Lages As populações dos demas mucípos ambém são esmadas por essa relação. Os resulados são apreseados as Tabelas 3 e 4. Tabela 3 - Aplcação do Méodo AB para a esmação da população por mucípo que cresce da mcrorregão de Agcos RN, 2. opulação Receseada Regão a b op Afoso Bezerra - RN , Agcos - RN , Caçara do Ro do Veo - RN , Jardm de Agcos - RN , Lajes - RN , edra rea - RN , Toal Foe dos dados báscos: Alas do Desevolvmeo Humao do Brasl Tabela 4 - Aplcação do Méodo AB para a esmação da população por mucípo que decresce da mcrorregão de Agcos RN, 2. Regão opulação Receseada 99 2 a b op 2 Ferado edroza - RN , edro Avelo - RN , Toal Foe dos dados báscos: Alas do Desevolvmeo Humao do Brasl

11 Os resulados de ambas as abelas evdecam que a dreção do crescmeo populacoal fo mada para odos os mucípos o que corrobora o pressuposo do méodo. 3. Trasformações a fução lear e fução logísca: esmava de Φ O méodo lear AB apresea algumas lmações. Ere elas, a mpossbldade de ldar com casos reas em que alguma área meor cresce equao a maor decresce, ou vce versa. Dae dsso, surgram algus méodos, dervados do méodo AB, que procuram saar essas dfculdades ecoradas o uso do méodo lear. elo méodo AB, b a Dvddo a equação por, emos. b a a b / T a b / 8 Assm, a relação ere e muda, dexa de apresear uma relação lear e assume uma relação hperbólca, como apreseado a Fgura 2. or essa rasformação, ão mas modelamos e sm Φ, que é a relação ere a população meor e a população maor em um dado momeo o empo FRIAS, 987. Cabe ressalar que Φ é a relação ere a área meor e a maor, por sso pode assumr valores apeas ere < Φ<. Fgura 2 Relação ere Φ e.

12 A erpreação dos coefcees a e de b ambém mudam com a mapulação algébrca. O sal de b dca a cocavdade da hpérbole que dá a relação ere e, como mosra a Fgura 3. De acordo com o gráfco, percebe-se que quado b é posvo a hpérbole é côcava e Φ esá relacoado a de forma decrescee aumea e Φ dmu. or ouro lado, se b assume valores egavos, a hpérbole passa a ser covexa e a relação ere Φ e é posva aumea Φ ambém aumea. A possbldade de er relações posvas e egavas em um mesmo méodo é a prcpal vaagem de modelar Φ em vez de modelar, como o méodo AB. Fgura 3 Efeo do sal de b a cocavdade da hpérbole. O Coefcee a, quado se modela Φ, passa a ser o lme da parcpação relava Φ quado. A Fgura 4 esclarece essa relação. Com o aumeo do valor de 2

13 ededo ao fo, o valor de Φ ede a um valor lme, dado por a. Valores de Φ meores que a ão seram possíves pos requerem egavo, o que é mpossível já que represea o amaho de uma população. Dessa forma, apeas o prmero quadrae da Fgura 4 represea uma suação possível esse méodo. Fgura 4 Relação ere a e F. Φ esá relacoado a por uma fução hperbólca que muda de acordo com os valores dos parâmeros. orao, deseja-se cohecer o comporameo de Φ segudo o valor de para cada cojuo de possbldades de valores de parâmeros. São 4 as combações possíves de valores de a e b : a a> e b>; b a> e b< c a< e b> d a< e b< ara cada uma dessas combações será aalsado o comporameo da fução Φ quado ede a e quado ede a fo buscado deermar os lmes possíves para os valores de Φ. a a > e b >. Se ede a, 3

14 lm lm a b / a Mas, < Φ<. orao, o lme superor de Φ só pode ser. Se ede a fo, orao, o lme feror de Φ é a. b a > e b < Se ede a, Mas, < Φ<. orao, o lme feror de Φ só pode ser. Se ede a fo, lm lm a b / a a orao, o lme superor de Φ é a. c a < e b > Se ede a, lm lm a b / a Mas, < Φ<. orao, o lme superor de Φ só pode ser. Se ede a fo, Mas, esse caso, a<. orao, o lme feror de Φ é. d a < e b <. Se ede a, 4

15 lm lm a b / a Mas, < Φ<. orao, o lme feror de Φ só pode ser. Se ede a fo, lm lm a b / a a Mas, esse caso, a<. orao, o lme feror de Φ é. ara a < e b < o valor de Φ só pode ser, para qualquer valor de, pos os lmes superores e ferores ecorados esse casos são guas a. Essa suação ão em sedo práco. orao, a < e b < smulaeamee é uma mpossbldade do méodo. A Tabela 5 apresea de forma resumda os lmes de Φ ecorados. Tabela 5 Lmes de Φ para cada combação de valores de a e b. a b Φ Lme Iferor L Lme Superor L 2 > < a > > a < < < > Uma vez ecorados lmes para Φ, deve-se pesar em uma fução que modele Φ em relação a respeado os lmes ecorados. Essa fução pode ser a fução logísca FRIAS, 987. or essa fução, Φ e são relacoados de forma que Φ para de um valor lme prevamee esabelecdo e eda a um ouro valor lme, como descro a Tabela 5. A modelagem pela curva logísca, pode ser descra da segue forma: L L2 L exp{ } 9 5

16 L 2 l L L 2 l L Ode, L é o lme feror e L 2 é o lme feror para Φ. A Fgura 5 apresea uma como sera uma relação logísca ere Φ e. Fgura 5 -Relação logísca ere Φ e. ara a modelagem logísca deve-se, prmeramee, ecorar os valores de a e b defdos pelas equações 3 e 4. A parr dos valores de a e b deerma-se, para cada área meor, quas são os lmes de Φ. Defdos os lmes de Φ, pode-se ecorar a fução logísca de eresse e, a parr dela, deermar Φ para cada período de eresse. O perceual Φ é eão aplcado à projeção da população oal para se esmar o amaho da população de cada subárea o momeo desejado Aplcação do méodo 6

17 or meo do méodo logísco, ambém esmou-se as populações dos 8 mucípos Afoso Bezerra, Agcos, Caçara do Ro do Veo, Ferado edroza, Jardm de Agcos, Lajes, edra rea, edro Avelo que compõem a mcrorregão de Agcos do RN. Usou-se a mesma população oal esmada aerormee Exemplo do AB pela axa de crescmeo expoecal para mcrorregão de Agcos, em 2. Esmação dos coefcees a e b. ara esmar os valores de a e b, ambém recorre-se às equações 3 e 4 do méodo AB. Tas coefcees são apreseados a Tabela 6. Esmação dos lmes ferores e superores para cada área meor. Os lmes devem ser fxados segudo a abela 4, de acordo com os valores de a e b ecorados as abelas 2 e 3. ara o mucípo de Lages, por exemplo, a < e b >. orao, o lme feror L de Φ deve ser e o lme superor L2 deve ser. Já o mucípo de Ferado edroza apresea a > e b <, porao, o lme feror de Φ deve ser e o lme superor deve ser a, coforme a Tabela 5. Os valores de lmes superores e ferores de Φ para os demas mucípos são apreseados a Tabela 6. É mporae desacar que, o lme superor de Φ deve ser o máxmo. ara o mucípo de edro Avelo, segudo a Tabela 5, o lme superor devera ser a. Coudo, a é maor que, esse caso. orao, o lme superor de Φ esse caso deve ser, como mosra a Tabela 6. Esmação dos valores de alfa e bea. Alfa e bea são esmados pelas equações e. ara o mucípo de Lages, L,6 l l L,6 2,63,8 L2 l l,63, 2 99,8 L 7

18 Os valores de alfa e bea para os demas mucípos são apreseados a Tabela 6. Esmação da população das áreas meores a daa desejada. ela equação 9, esmamos de de Φ para Lages: L2 L,63,* e e,845 Como o somaóro de odos os Φ é gual a udade, ão é ecessáro ajusá-los. Os valores dos demas Φ são apreseados a abela 6. orao, para esmar a população oal cada mucípo, ulzamos a equação 2. ara Lages emos: 49.7*, ara as populações dos demas mucípos, o mesmo procedmeo é realzado e os resulados esão apreseados a abela 6. Tabela 6 - Aplcação do Méodo Logísco para a esmação da população por mucípo da mcrorregão de Agcos RN, 2. Regão opulação Receseada 99 2 a b F99 F2 Afoso Bezerra ,6 43,2,2 Agcos ,4 3756,22,23 Caçara do Ro do Veo ,2 8742,5,6 Ferado edroza ,3-46,6,5 Jardm de Agcos , 877,5,5 Lajes , ,6,8 edra rea ,6 654,5,6 edro Avelo , ,22,6 oal ,, Regão Lme Iferor Lme Superor Alfa Bea F2 2 Afoso Bezerra,,,37 -,7, Agcos,,,28 -,6, Caçara do Ro do Veo,, 2,96 -,4, Ferado edroza,,3,35,, Jardm de Agcos,, 3,3 -,4, Lajes,,,63 -,5, edra rea,, 2,92 -,, edro Avelo,,,29,39, oal,

19 Foe dos dados báscos: Alas do Desevolvmeo Humao do Brasl 4. Comparação dos Méodos Com o objevo de avalar a cossêca do méodo AB e o Logísco, comparamos as populações esmadas por ambos os méodos com as populações observadas em 2. Icalmee, comparamos as esmavas por cada méodo com a população observada em 2, aalsado cada mucípo, coforme a Tabela 7 e a Fgura 6 demosram. Os resulados evdecam que os mucípos Afoso Bezerra, Agcos, Caçara do Ro do Veo e Lages, o méodo AB apreseou esmavas mas próxmas das populações observadas, ao passo que para os mucípos Ferado edroza., Jardm Agcos edra era e edro Avelo o méodo logísco fo mas adequado. orao, se compararmos apeas as quadades de mucípos que cada méodo apreseou melhores esmavas, em-se um equlíbro para a mcrorregão de Agcos RN. Tabela 7 - opulação observada de cada mucípo da mcrorregão de Agcos RN em 2, população esmada pelo méodo A B e pelo méodo Logísco, para cada mucípo dessa mcrorregão. Mucípo Observada 2 Esmada por AB Esmada pela Logísca Afoso Bezerra - RN Agcos - RN Caçara do Ro do Veo - RN Ferado edroza - RN Jardm de Agcos - RN Lajes - RN edra rea - RN edro Avelo - RN Toal Foe dos dados báscos: Alas do Desevolvmeo Humao do Brasl e Ceso Demográfco, 2 Fgura 6 Comparação das populações esmadas por mucípo versus populações observadas 2, mcrorregão de Agcos RN 9

20 Afoso Bezerra - RN Agcos - RN Caçara do Ro do Veo - RN Ferado edroza - RN Jardm de Agcos - RN Lajes - RN edra rea - RN edro Avelo - RN Observada 2 Esmada por AB Esmada pela Logísca Foe dos dados báscos: Alas do Desevolvmeo Humao do Brasl e Ceso Demográfco, 2 orém, precsamos de uma medda resumo que possa quafcar o quao um méodo é mas adequado do que o ouro. Nesse sedo, ulzamos uma medda séca de varabldade que resume, em apeas um valor umérco, qual o desvo dos valores esmados em relação aos observados. Essa medda é a soma do quadrado dos erros, como a equação obs 3 SQE Ode 2 represea a população do mucípo observada em 2. obs A Tabela 8 apresea os resulados da Soma do quadrado dos erros. mucípo Esmada por AB dvddo Esmada pela Logísca Afoso Bezerra - RN 376, ,45 Agcos - RN 33272, 465,78 Caçara do Ro do Veo - RN 22579, ,34 Ferado edroza - RN 93346,57 756,83 Jardm de Agcos - RN 9276,62,98 Lajes - RN 24737, ,66 edra rea - RN 72797, ,2 edro Avelo - RN 3822, ,8 Soma do quadrado dos erros , ,3 2

21 Foe dos dados báscos: Alas do Desevolvmeo Humao do Brasl e Ceso Demográfco, 2 Observado a Fgura 7, percebe-se que a soma do quadrado dos erros do méodo AB é,88 vezes maor do que o valor dessa medda séca para o méodo Logísco. De acordo com esses resulados pode-se afrmar que, para a mcrorregão de Agcos RN, o méodo Logísco apreseou melhores resulados. Fgura 7 - Soma do Quadrado dos erros, mcrorregão de Agcos - RN 5, 45, 4, 35, 3, 25, 2, 5,, 5,, ,72 Esmada por AB dvddo 2335,3 Esmada pela Logísca Foe dos dados báscos: Alas do Desevolvmeo Humao do Brasl e Ceso Demográfco, 2 5. Coclusão O presee argo buscou descrever de forma clara e dealhada o méodo da edêca de crescmeo AB e o méodo logísco da parcpação da população da subárea a população regoal. Na aplcação dos méodos, para a população da mcrorregão de Agcos, o Ro Grade do Nore, verfcamos que ambos foram efcees para redsrbur a população da área maor ere as áreas meores. No eao, ao comparar as populações esmadas com as observadas por meo da soma do quadrado dos erros, o méodo Logísco apreseou um melhor resulado. Cabe ressalar que ese é um resulado que pode ão se reper para ouras populações, uma vez que, depededo do comporameo demográfco das pequeas áreas, um modelo maemáco pode ão ser sufcee para a projeção de as populações. O pesqusador deve er cauela e sesbldade ao avalar suas projeções, prcpalmee quado a população é 2

22 cosderavelmee pequea, vso que a aplcação de as méodos maemácos pode produzr resulados adequados. 6. Referêcas: ATLAS DE DESENVOLVIMENTO HUMANO NO BRASIL. Ro de Jaero, NUD, IEA, Fudação João hero, 23. FRIAS, Luz Armado de M. rojeções da população resdee e do úmero de domcílos parculares ocupados por suação urbaa e rural, segudo as udades da Federação o período I: WONG, Laura R; HAKKERT, Ralph; LIMA, RcardoOrg Fuuro da população braslera: projeções, prevsões e éccas Embu, São aulo: ABE, p48-72, 987. IBGE, Ceso Demográfco 2. Dspoível em <hp:// acesso da 3 de juho de 2. WALDVOGEL, B.C. Téccas de projeção populacoal para o plaejameo regoal. Belo Horzoe, CEDELAR,

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625 Capíulo Problema 0 Nº de sucessos 0 4 5 0,0 0, 0,4 0,6 0,8,0 P 0,77 0,4096 0,048 0,05 0,0064 0,000 E 0, p ; 0,0 5 Problema 0 4 0 5 00 400 Lme superor de 0,05 0,0 0,005 0,00065 Lme superor de p^ 0,00 0,05

Leia mais

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO 2-TANSFOMAÇÃO DE COODENADAS: PAÂMETOS DE EPESENTAÇÃO 2.1 Cosseos Dreores e a Mar de oação Seam dos ssemas caresaos um de referêca e ouro fo um corpo rígdo defdos pelos ssemas ( e ( respecvamee que são

Leia mais

Grupo I (Cotação: 0 a 3 valores: uma resposta certa vale 1,5 valores e uma errada 0,50 valores)

Grupo I (Cotação: 0 a 3 valores: uma resposta certa vale 1,5 valores e uma errada 0,50 valores) INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísca II - Lcecaura em Gesão Época de Recurso 5// Pare práca (quesões de escolha múlpla) (6 valores) Nome: Nº Espaço reservado para a classfcação (ão escrever

Leia mais

A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES 1

A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES 1 A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES Resumo. A desgualdade de Chebychev cosu um resulado de grade mporâca a esmação da probabldade de acoecmeos orudos de experêcas aleaóras de que se descohece

Leia mais

Method AiBi and Logistics for the projection of small areas: an application to micro-angicos - RN

Method AiBi and Logistics for the projection of small areas: an application to micro-angicos - RN Mehod AB and Logscs for he projecon of small areas: an applcaon o mcro-angcos - RN Crsane Slva Corrêa CEDELAR/UFMG e UFRN Luana Junquera Das Myrrha CEDELAR/UFMG e UFRN Moema Fígol CEDELAR/UFMG resened

Leia mais

Sistemas Série-Paralelo e

Sistemas Série-Paralelo e Capíulo 5 Cofabldade de semas ére-paralelo e Msos Flávo. Foglao uposções comus a odos os ssemas aalsados Cofabldade de ssemas é avalada um poo o empo; ou seja, compoees apreseam cofabldades esácas em.

Leia mais

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO CAPÍTULO 7 TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO 7.1 INTRODUÇÃO Vaos cosderar o caso de u oor de dução dusral, aleado por esões rfáscas balaceadas. Tal oor e a caracerísca orque-velocdade represeada

Leia mais

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria Recea do Méodo da Aromação olomal Recea do Méodo da Aromação olomal Global Alcado a roblemas Esruura Geral do roblema: Udrecoas sem Smera y y y F y o domío : 0 < < e >0. Suea às codções de cooro: CC: G

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

Leia mais

MOSFET: A Dedução da equação da corrente Aula 2

MOSFET: A Dedução da equação da corrente Aula 2 MOSFET: A edução da equação da corree Aula 31 Aula Maéra Cap./pága 1ª 03/08 Elerôca PS33 Programação para a Prmera Prova Esruura e operação dos rassores de efeo de campo caal, caraceríscas esão-corree.

Leia mais

Curso de Óptica Aplicada

Curso de Óptica Aplicada Curso de Ópca Aplcada Faculdade de Cêcas e Tecologa Uversdade Nova de Lsboa AT 4 Propagação Deparameo Aula Teórca de Físca 5 Ópca Geomérca Curso de Ópca Aplcada Aula Teórca 4 Propagação Curso de Ópca Aplcada

Leia mais

VaR t = valor em risco, em reais, do conjunto das exposições de que trata o caput para o dia "t", obtido de acordo com a seguinte fórmula:

VaR t = valor em risco, em reais, do conjunto das exposições de que trata o caput para o dia t, obtido de acordo com a seguinte fórmula: CIRCULAR Nº 3.568, DE 21 DE DEZEMBRO DE 2011 Documeo ormavo revogado, a parr de 1º/10/2013, pela Crcular º 3.634, de 4/3/2013. Alera dsposvos das Crculares s. 3.361, de 12 de seembro de 2007, 3.388, de

Leia mais

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplcação com um modelo Webull de rês parâmeros DANIELE DA ROCHA FONSECA UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE

Leia mais

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplcação com um modelo Webull de rês parâmeros DANIELE DA ROCHA FONSECA UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE

Leia mais

4 - ANÁLISE DE SÉRIES TEMPORAIS

4 - ANÁLISE DE SÉRIES TEMPORAIS INE 700 Aálse de Séres Temporas 4 - ANÁLISE DE SÉRIES TEMPORAIS Sére Temporal é um cojuo de observações sobre uma varável, ordeado o empo, e regsrado em períodos regulares. Podemos eumerar os segues exemplos

Leia mais

O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes

O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes Modelos de Prevsão Irodução Em omada de decsão é basae comum raar problemas cujas decsões a serem omadas são fuções de faos fuuros Assm, os dados descrevedo a suação de decsão precsam ser represeavos do

Leia mais

Aula 4. Interferência. - Refração e Lei de Snell: frequência e comprimento de onda - Mudança de fase - Experimento de Young

Aula 4. Interferência. - Refração e Lei de Snell: frequência e comprimento de onda - Mudança de fase - Experimento de Young Aula 4 Ierferêca - Refração e e de Sell: frequêca e comprmeo de oda - Mudaça de fase - Expermeo de Youg Refração e e de Sell Já vmos a e de Sell: s s ode c v Frequêca e Comprmeo de Oda a Refração Temos:

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

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

Uruguai, de 23 a 26 de outubro de Faculdade de Economia, Administração, Contabilidade e Atuária da Universidade de São Paulo

Uruguai, de 23 a 26 de outubro de Faculdade de Economia, Administração, Contabilidade e Atuária da Universidade de São Paulo Gasos com saúde por saus de sobrevvêca o Brasl: uma aálse a parr do méodo de decomposção por compoees ere 2000 e 2010 1 Crsa Gumarães Rodrgues 2 Luís Eduardo Afoso 3 Resumo O obevo dese rabalo é aalsar

Leia mais

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de ovembro de 2002, Ro de Jaero/RJ MODELOS E ALGORITMOS PARA ALOCAÇÃO DE TRIPULAÇÃO EM REDES DE TRANSPORTE Geraldo Robso Maeus Jayme Assução Casmro Uversdade

Leia mais

PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004

PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004 PROJEÇÃO DE DOMICÍLIOS PARA OS MUNICÍPIOS BRASILEIROS EM 31/12/2004 SUMÁRIO 1. INRODUÇÃO... 1 2. FONE DE DADOS... 1 3. PROJEÇÃO DO NÚMERO DE DOMICÍLIOS... 2 3.1 Mucípo emacpado em 2001... 5 3.2 População

Leia mais

Cassiano Bragagnolo Vania Di Addario Guimarães Geraldo Sant Ana de Camargo Barros

Cassiano Bragagnolo Vania Di Addario Guimarães Geraldo Sant Ana de Camargo Barros A regra óma de armazeameo de arroz o Brasl Cassao Bragagolo Vaa D Addaro Gumarães Geraldo Sa Aa de Camargo Barros Resumo Ese rabalho preede aplcar um modelo ecoômco dâmco de expecavas racoas para armazeameo

Leia mais

A PROGRAMAÇÃO MATEMÁTICA, A TECNOLOGIA E A MAIS-VALIA

A PROGRAMAÇÃO MATEMÁTICA, A TECNOLOGIA E A MAIS-VALIA A PROGRAMAÇÃO MATEMÁTICA, A TECNOLOGIA E A MAIS-VALIA Sdepa Bogosa Neo Cero de Projeos de Navos Marha do Brasl Ilha das Cobras, Ed. 6, s/o. Cero, Ro de Jaero CEP 2009-000 e-mal: sbogosa@gmal.com RESUMO

Leia mais

Neo-fisherianos e teoria fiscal do nível de preços

Neo-fisherianos e teoria fiscal do nível de preços Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos

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

CONFIABILIDADE EM ENGENHARIA

CONFIABILIDADE EM ENGENHARIA UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA DEPARTAMENTO DE PROJETO MECÂNICO Dscpla: IM 46 CONFIABILIDADE EM ENGENHARIA Auora: Profa. Dra. Kaa Lucches Cavalca Revsão: Zlda de Casro

Leia mais

Análise de Eficiência Energética em Sistemas Industriais de Ventilação

Análise de Eficiência Energética em Sistemas Industriais de Ventilação Aálse de Efcêca Eergéca em Ssemas Idusras de elação Kleber Davd Belovsk, Déco Bspo, Aôo Carlos Delaba, Sérgo Ferrera de aula Slva Faculdade de Egehara Elérca da Uversdade Federal de Uberlâda UFU, Aveda

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

RESUMO. Palavras chave: inflação, estrutura a termo de taxas de juros e política monetária.

RESUMO. Palavras chave: inflação, estrutura a termo de taxas de juros e política monetária. BRASILIA RESUMO A ese em o objevo de verfcar os deermaes do spread o Brasl, ao mesmo empo em que procura esmar os parâmeros esruuras da ecooma, cosderado os efeos ão observáves da curva de juros braslera.

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

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

ENVIESAMENTO DE SUBSTITUIÇÃO NO ÍNDICE DE PREÇOS NO CONSUMIDOR*

ENVIESAMENTO DE SUBSTITUIÇÃO NO ÍNDICE DE PREÇOS NO CONSUMIDOR* ENVIESAMENTO DE SUBSTITUIÇÃO NO ÍNDICE DE PREÇOS NO CONSUMIDOR* Pedro Duare Neves ** Luís Moras Sarmeo**. INTRODUÇÃO O Ídce de Preços o Cosumdor (IPC), produzdo mesalmee pelo Isuo Nacoal de Esaísca, é

Leia mais

Análise de Temperaturas em uma Barra Uniforme de Aço-Carbono com o Método Explícito

Análise de Temperaturas em uma Barra Uniforme de Aço-Carbono com o Método Explícito Aálse de emperauras em uma Barra Uforme de Aço-Carboo com o Méodo Explíco Jorge Corrêa de Araújo Rosa García Márquez 0 de dezembro de 03 Resumo Nesse rabalho é desevolvda uma solução umérca por dfereças

Leia mais

ANÁLISE VISCOELÁSTICA DE PAVIMENTOS ASFÁLTICOS PELO MÉTODO DOS ELEMENTOS FINITOS

ANÁLISE VISCOELÁSTICA DE PAVIMENTOS ASFÁLTICOS PELO MÉTODO DOS ELEMENTOS FINITOS ANÁLISE VISCOELÁSTICA DE PAVIMENTOS ASFÁLTICOS PELO MÉTODO DOS ELEMENTOS FINITOS Eso de Lma Porela Uversdade Federal do Ceará Laboraóro de Mecâca dos Pavmeos - Deparameo de Egehara de Traspores Evadro

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

Modelo econômico para determinação do tempo de reposição na irrigação por sulco

Modelo econômico para determinação do tempo de reposição na irrigação por sulco 7 Revsa Braslera de Egehara Agrícola e Ambeal, v.6,., p.7-, 2002 Campa Grade, PB, DEAg/UFPB - hp://www.agramb.com.br Modelo ecoômco para deermação do empo de reposção a rrgação por sulco Carmello C. Machado,

Leia mais

AGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES

AGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES AGG-3 SÍSMICA I 0 SÍSMICA DE REFLEXÃO AÁLISE DE ELOCIDADES O objevo da análse de velocdades é deermnar as velocdades sísmcas das camadas geológcas em subsuperfíce. As velocdades sísmcas são ulzadas em

Leia mais

Conceitos fundamentais

Conceitos fundamentais CF Coceo fdamea Exem parâmero qe caracerzam o a e qe permem a comparação ere ele. Valor médo Para m al qe e repee com m deermado ervalo peródco a expreão para calclar o valor médo ambém é ea. < < Ex: A

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

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

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

Leia mais

EN3224 Dinâmica de Fluidos Computacional

EN3224 Dinâmica de Fluidos Computacional Uversdade Federal do ABC EN34 Dâmca de Fldos Compacoal Apreseação do Crso EN34 Dâmca de Fldos Compacoal Uversdade Federal do ABC Sod s Shock Tbe Problem Um smples modelo de ma dmesoal de m gás rodzdo por

Leia mais

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira) Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca

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

5 Cálculo Diferencial em IR n

5 Cálculo Diferencial em IR n 5 Cálculo Derecal e IR Irodução Cosdereos a órula que os dá a área de u raulo: b h A b h Coo podeos vercar a área de u râulo depede de duas varáves: base b e alura h. Podeos caracerar esa ução coo sedo

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

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

ESTABILIDADE NA MÉDIA QUADRÁTICA DE SISTEMAS LINEARES COM SALTOS MARKOVIANOS EM TEMPO CONTÍNUO VIA MÉTODO DE PLANOS DE CORTE E ALGORITMO GENÉTICO

ESTABILIDADE NA MÉDIA QUADRÁTICA DE SISTEMAS LINEARES COM SALTOS MARKOVIANOS EM TEMPO CONTÍNUO VIA MÉTODO DE PLANOS DE CORTE E ALGORITMO GENÉTICO ESABILIDADE A MÉDIA QUADRÁICA DE SISEMAS LIEARES COM SALOS MARKOVIAOS EM EMPO COÍUO VIA MÉODO DE PLAOS DE CORE E ALGORIMO GEÉICO VALESKA M. DE SOUZA, AOIO A. M. RAPOSO.. Deparameo de Maemáca, Uversdade

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

EXEMPLO 3 - CONTINUAÇÃO

EXEMPLO 3 - CONTINUAÇÃO AJUSTE A U POLINÔIO Se curv f for jusd um polômo de gru, eremos f * () 0 Segudo o mesmo procedmeo eror, chegremos o segue ssem ler: m L O L L 0 EXEPLO Os ddos bo correspodem o volume do álcool ídrco em

Leia mais

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro

Leia mais

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI) Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas

Leia mais

1. Tensão Uma das repostas do MC ao carregamento

1. Tensão Uma das repostas do MC ao carregamento Dscla RM-LEG, Z. Drovová, DEC/FCT/UNL, 6. Tesão Ua das reosas do MC ao carregaeo. Vecor das esões forças eras ssea ssea core ssea A F F - ssea ssea ssea B Cojuo( ssea + ssea ) esá e equlíbro Cojuo( ssea

Leia mais

CONVERGÊNCIA MICRORREGIONAL NO SETOR AGRÍCOLA USANDO UM MODELO THRESHOLD. Resumo

CONVERGÊNCIA MICRORREGIONAL NO SETOR AGRÍCOLA USANDO UM MODELO THRESHOLD. Resumo CONVERGÊNCIA MICRORREGIONAL NO SETOR AGRÍCOLA USANDO UM MODELO THRESHOLD Resumo José Nlo de Olvera Júor UFPA Iva Caselar DEA/UFC Robero Tawa Ferrera CAEN/UFC Ese argo aalsa o processo de covergêca mcrorregoal

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

AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS

AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS CURVE FITTING AND STOCHASTIC MODELS: ABUSES OF THE LEAST SQUARES METHOD. INTRODUÇÃO Muas vezes dspõe-se de um modelo

Leia mais

Lista de Exponenciais e Logaritmos Extensivo Alfa Professor: Leandro (Pinda)

Lista de Exponenciais e Logaritmos Extensivo Alfa Professor: Leandro (Pinda) Lisa de Expoeciais e Logarimos Exesivo Alfa Professor: Leadro (Pida) 1. (Eem 2017) Para realizar a viagem dos sohos, uma pessoa precisava fazer um emprésimo o valor de R$ 5.000,00. Para pagar as presações,

Leia mais

Contabilometria. Números-Índices

Contabilometria. Números-Índices Coablomera Números-Ídces Foes: Seveso (1981) Esaísca Alcada à Admsração Ca. 15 Foseca, Mars e Toledo (1991) Esaísca Alcada Ca. 5 Números-Ídces Sezam modfcações em varáves ecoômcas durae um eríodo de emo

Leia mais

Simulações Numéricas em Astrofísica. Diego Falceta-Gonçalves EACH Universidade de São Paulo

Simulações Numéricas em Astrofísica. Diego Falceta-Gonçalves EACH Universidade de São Paulo Smlações Nmércas em Asrofísca Dego Falcea-Goçalves EACH Uversdade de São Palo IWCCA São Palo 06/0 Dego Falcea-Goçalves Smlações mércas em Asrofísca Irodção Movação Pracamee odos os processos físcos (qímcos,

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

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

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

Martingalas: Uma ferramenta em Inferência Estatística

Martingalas: Uma ferramenta em Inferência Estatística V Cogresso Aual Socedade Poruguesa de Esaísca Cura, a 4 de Juho de 997 Margalas: Uma ferramea em Iferêca Esaísca Cláuda Nues, Aóo Pacheco Deparameo de Maemáca e Cero de Maemáca Aplcada Isuo Superor Técco,

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Universidade de Brasília

Universidade de Brasília Uversdade de Brasíla Isuo de Cêcas Humaas Deparameo de Ecooma Douorado em Ecooma Luz Albero D Ávla de Araújo A Esruura a ermo de Juros e o Modelo dos Novos Keyesaos: Uma Aplcação o Brasl Brasíla 6 de Seembro

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000 Noa Técnca sobre a rcular nº 2.972, de 23 de março de 2000 Meodologa ulzada no processo de apuração do valor da volaldade padrão e do mulplcador para o da, dvulgados daramene pelo Banco enral do Brasl.

Leia mais

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci leomagesmo II o Semese de 7 Nouo - Pof. Alvao Vaucc 3 a aula /ab/7 Vmos: Odas sfécas (vácuo: = Ψ (modo T e B = ( ψ ω c ' = ω B ' = ψ c ( ψ (modo TM ; ω Ψ + Ψ = sedo que ψ sasfaz: c (equação scala de Helmholz

Leia mais

5 Modelo Teórico Modelagem determinística

5 Modelo Teórico Modelagem determinística 5 Modelo Teórico Nese rabalho será adoada a simulação de Moe Carlo para precificar as opções reais do projeo, uilizado o sofware @Risk. O modelo eórico aplicado é baseado a premissa de que o valor presee

Leia mais

3 Dados e Modelo Econométrico 3.1. A amostra de funcionários públicos

3 Dados e Modelo Econométrico 3.1. A amostra de funcionários públicos 3 Dados e Modelo Economérco 3.1. A amosra de funconáros públcos Os dados usados nese esudo êm como fone a Pesqusa Naconal de Amosra por Domcílo (PNAD, uma pesqusa domclar realzada anualmene no Brasl pelo

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

Algumas considerações em regressão não linear

Algumas considerações em regressão não linear Algumas cosderações em regressão ão lear Josmar Mazuchel e Jorge Albero Achcar Deparameo de Esaísca, Uversdade Esadual de Margá, Av. Colombo, 5790, 8700-900, Margá, Paraá, Brasl. Deparameo de Esaísca,

Leia mais

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

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

Leia mais

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

A Estrutura a Termo da Taxa de Juros: Uma Síntese *

A Estrutura a Termo da Taxa de Juros: Uma Síntese * TEXTO PARA DISCUSSÃO Nº 447 A Esruura a Termo da Taxa de Juros: Uma Síese * José W. Ross ** Ro de Jaero, dezembro de 996 * Esse esudo eve apoo facero do CNPq (Proc. 522436/96-0). ** Da Dreora de Pesqusa

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

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Formulação Conservativa X Não-Conservativa para Sistemas Hiperbólicos. Prof. Diomar Cesar Lobão UFF - Volta Redonda, RJ Nov 2008

Formulação Conservativa X Não-Conservativa para Sistemas Hiperbólicos. Prof. Diomar Cesar Lobão UFF - Volta Redonda, RJ Nov 2008 ormuação Coservava X ãocoservava para Ssemas Hperbócos Prof. omar Cesar Lobão U Voa Redoda, RJ ov 8 ovação: Apcações Ídce éodo ãocoservavo éodo Coservavo efção do Probema de Rema éodo de fereças as para

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

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

UFGD 2015 DANIEL KICHESE

UFGD 2015 DANIEL KICHESE Quesão 59: º) Deermnação dos ponos de nerseção: 5 5 º Pono : B 5 5 º Pono : C 5 5 º Pono : B C C º) Deermnação da Área: B 5 5 5 / e 0 e 5 5 5 5 e 0 5 5/ 5 5 0 0 0 5 5 Resposa: E Quesão 60: Número de blhees

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

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina:

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Deparameno de Informáca Dscplna: Modelagem Analíca do Desempenho de Ssemas de Compuação Fluxos de Enrada Fluxos de Saída Le de Lle Faor de Ulzação rof. Sérgo Colcher colcher@nf.puc-ro.br rocesso de Chegada

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

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

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

Leia mais

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

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton 9 CPÍTUL 4 DINÂMIC D PRTÍCUL: IMPULS E QUNTIDDE DE MVIMENT Nese capíulo será analsada a le de Newon na forma de negral no domíno do empo, aplcada ao momeno de parículas. Defne-se o conceo de mpulso e quandade

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

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

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007)

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007) Méodos saísicos de Previsão MÉTODO TATÍTICO D PRVIÃO 0 08 06 04 0 00 98 96 94 9 90 0 5 0 5 0 Aálise de rros Berardo Almada Lobo Berardo Almada-Lobo (007) Méodos saísicos de Previsão Regressão Liear Múlipla

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS

CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS Economera Semesre 200.0 40 CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS OBJETIVOS Consderar modelos em que uma ou mas varáves explcavas são varáves nomnas (ambém chamadas de ndcadores, varáves

Leia mais

4.1 Definição e interpretação geométrica de integral definido. Somas de Darboux.

4.1 Definição e interpretação geométrica de integral definido. Somas de Darboux. Aálse Memá I - Ao Levo 006/007 4- Cálulo Iegrl emr 4. Defção e erpreção geomér de egrl defdo. Soms de Drou. Def.4.- Sej f() um fução oíu o ervlo [, ]. M e m o mámo e o mímo vlor d fução, respevmee. Se

Leia mais

ANÁLISE DE OTIMIZAÇÃO DE UM PROJETO DE ENGENHARIA RODOVIÁRIA

ANÁLISE DE OTIMIZAÇÃO DE UM PROJETO DE ENGENHARIA RODOVIÁRIA ANÁLISE DE OTIMIZAÇÃO DE UM PROJETO DE ENGENHARIA RODOVIÁRIA Roger Gama Veloso Deparameo de Esradas de Rodagem do Esado de Mas Geras Av. dos Adradas, 20 Belo Horzoe, MG, Brasl E-mal: crg37.der@mg.gov.br

Leia mais

UNIVERSIDADE FEDERAL DO CEARÁ FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA E CONTABILIDADE CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA - CAEN

UNIVERSIDADE FEDERAL DO CEARÁ FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA E CONTABILIDADE CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA - CAEN 0 UNIVERSIDADE FEDERA DO CEARÁ FACUDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA E CONTABIIDADE CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA - CAEN GUIHERME CAVACANTE VIEIRA CUBES DE CONVERGÊNCIA DE RENDA NA AMÉRICA:

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

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

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal.

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal. Grpe: Época de grpe; acvdade grpal; cálculo da lnha de ase e do respecvo nervalo de confança a 95%; e área de acvdade asal. ÉPOCA DE GRPE Para maor facldade de compreensão será desgnado por época de grpe

Leia mais