3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução

Tamanho: px
Começar a partir da página:

Download "3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução"

Transcrição

1 40 3 Relações costtutvas ara fluxo em meos ão saturados 3.1. Itrodução Na atureza, a maora dos rocessos de fluxo ocorre em meos ão saturados. Em um solo calmete seco, or exemlo, sujeto à fltração de água ela sua suerfíce, o gradete hdráulco é mas alto juto à frete de umedecmeto, com uma arcela reoderate do gradete devdo a efetos de sucção. Em geral, os altos valores de gradetes desevolvdos comesam os baxos valores dos coefcetes de ermeabldade de solos ão saturados, ossbltado assm a ocorrêca de fluxo estes materas. O coefcete de ermeabldade vara ortato com o grau de saturação do meo, decrescedo com a reseça de ar os vazos. Com a dmução do grau de saturação, os vazos maores, resosáves em grade arte ela codutvdade hdráulca do meo oroso, são os rmeros a serem dreados, terromedo o caal de fluxo, com o volume de água eles remaescete se cocetrado sob forma de mescos o cotato com as artículas. A maor arte do fluxo se trasfere ara os vazos meores, dmudo assm o coefcete de ermeabldade do meo em até 100 ml vezes em relação ao seu valor a codção saturada. Para baxos teores de umdade ou altas sucções o coefcete de ermeabldade ode ser tão equeo que odem ser ecessáros gradetes hdráulcos elevados ou tervalos de temo muto grades ara que seja ossível detectar a ocorrêca de fluxo o meo. A equação geral que govera o fluxo através de meos ão saturados é aturalmete mas comlexa do que a corresodete equação ara meos saturados em vrtude da terdeedêca etre os valores do coefcete de ermeabldade e da carga de ressão (sucção) or meo da chamada fução de codutvdade hdráulca (fgura 3.1). No caso de fluxo trasete, é ada ecessáro cohecer-se a varação do teor de umdade volumétrco com a

2 41 ororessão (fução do teor de umdade volumétrco ou fução característca de sucção da fgura 3.). Uma aálse geral de rocessos de fluxo através de meos orosos ortato requer o cohecmeto de ambas as fuções com base a realzação dreta de esaos de laboratóro ou or meo dreto através de correlações. A fução do teor de umdade volumétrco ode ser revsta com base a curva de dstrbução graulométrca e a fução de codutvdade hdráulca ode ser obtda utlzadose a fução do teor de umdade volumétrco e o coefcete de ermeabldade a codção saturada. 3.. Determação dreta da fução de codutvdade hdráulca Esta fução ode ser, em rcío, estabelecda dretamete através da execução de esaos de laboratóro, obtedo-se os valores dos coefcetes de ermeabldade da amostra de solo sob város íves de sucção cotrolada. As téccas de esao estão documetadas a lteratura mas há dfculdades a determação exermetal geralmete assocadas com feômeos de dfusão do ar e em vrtude das equeas quatdades de fluxo meddas (Brooks e Corey, 1996). Fgura 3.1 Fução de codutvdade hdráulca (Fredlud e Rahardo, 1993).

3 4 Fgura 3. Fução do teor de umdade volumétrco (Fredlud e Rahardo, 1993) Determação dreta da fução de codutvdade hdráulca Alteratvamete, a fução de codutvdade ode ser obtda or meo de uma fução do teor de umdade volumétrca determada em laboratóro (célula de ressão) ou modeladas através de váras roostas ublcadas a lteratura. O teor de umdade volumétrco (θ) é defdo ela equação 3.1 como o volume de água (V w ) resete o teror do meo oroso em relação ao seu volume total. É deedete dos valores da ororessão, coforme lustra a curva característca de sucção da fgura 3.. Quado o grau de saturação for 100%, o teor de umdade volumétrco é equvalete à defção da orosdade do solo, razão etre o volume de vazos e seu volume total. A clação da curva característca de sucção (m w ) rereseta a taxa de varação da quatdade de água armazeada em resosta à varação da ororessão da água exstete os vazos. θ = V w /V (3.1) A fução do teor de umdade volumétrco ara solos coesvos tem cofguração relatvamete horzotal equato que ara solos graulares ode aresetar-se bastate clada (fgura 3.3) evdecado que além dos valores de

4 43 ororessão (água) a curva característca de sucção deede também das roredades da estrutura sólda (solo). Fgura 3.3 Fuções do teor de umdade volumétrco ara area fa, slte e argla (Ho, 1979) Método de Fredlud, Xg e Huag (1994) Este método ermte calcular o coefcete de ermeabldade k corresodete ao teor de umdade volumétrco θ através da tegração (ou soma) da fução do teor de umdade volumétrco roosta or Fredlud e Xg (1994) o tervalo de sucção etre 0 a 10 6 kpa. Este método roduz, em rcío, melhores resultados ara solos areosos do que ara coesvos. = 1 y ( e ) θ ( ψ ) ' y θ ( e ) N θ y = j e k( ψ ) = ks N y (3.) θ ( e ) θs ' y θ ( e ) y e

5 44 k(ψ) = coefcete de ermeabldade a sucção ψ(m/s); k s = coefcete de ermeabldade a codção saturada (m/s); θ = teor de umdade volumétrco θ s = teor de umdade volumétrco a codção saturada N = úmero de tervalos de tegração ao logo da curva característca de sucção; e = costate,7188 y = logartmo da sucção o meo do tervalo [, +1]; = úmero do tervalo de tegração j = tervalo de tegração corresodete à sucção ψ; ψ = sucção corresodete a j th tervalo θ = dervada da fução θ θ = C ( ψ ) (3.3) s [ e + ( ψ / a ) ] { l } m ode a, = arâmetro da fução de teor de umdade volumétrco relacoado com o valor de etrada de ar (fgura 3.4); = arâmetro da fução de teor de umdade volumétrco que cotrola a clação o oto de flexão da curva; m = arâmetro da fução de teor de umdade volumétrco relacoado com o teor de umdade volumétrco resdual; C(ψ) = fução de correção defda como C ψ l 1 + C l C r ( ψ ) = 1 (3.4) ode Cr = costate relacoada com a sucção mátrca o teor de umdade volumétrco resdual. Um valor tíco é aroxmadamete 1500 kpa. r

6 45 Fgura 3.4 Curva de adsorção e dessorção ara um solo de slte (Fredlud, Xg e Huag, 1994) Método de Gree e Corey ( 1971) Um método ara calcular a fução de codutvdade hdráulca ara solos ão saturados com base a fução característca de sucção fo também roosto or Gree e Corey (1971), roduzdo resultados com recsão sufcete ara a maora das alcações (Elzeftawy e Cartwrght, 1981). k s T k( θ 30 ζ ) =... ( j + 1 ) k µ gη (3.5) sc m [ h ] j= ode k(θ) = coefcete de ermeabldade corresodete ao teor de umdade volumétrco θ ; k s / k sc = razão etre o coefcete de ermeabldade saturado meddo (k s ) e calculado (k sc ); = úmero de tervalos de sucção cosderados; h = carga de sucção (cm); m = máxmo tervalo de tegração (soma), corresodete ao teor de umdade volumétrco a codção saturada;

7 46 = úmero total de tervalos etre e m T = tesão suerfcal da água (dy/cm) ξ = orosdade a codção saturada; η = vscosdade da água g = aceleração da gravdade µ = massa esecífca da água (g/cm 3 ) = arâmetro cujo valor, de acordo a lteratura, está o tervalo [1-]. 30T ξ O termo. é costate e ode ser feto gual a 1 o rocesso de µ gη obteção da forma da fução de codutvdade hdráulca desejada. A forma geométrca é fudametalmete cotrolada elo termo o teror do somatóro da equação (3.5). Uma vez cohecda a forma da curva, sua osção fal é obtda ela restrção de que deve assar elo valor cohecdo k s a codção saturada Método de va Geuchte (1980) Va Geuchte, roôs a segute equação aalítca ara determação do coefcete de ermeabldade ão saturado k ψ de um solo em fução da sucção mátrca ψ: k ψ = k ( 1) m [ 1 ( aψ )* ( 1+ ( aψ ) ) ] s. m [( 1+ aψ ) ] k s = coefcete de ermeabldade a codção saturada; a,,m = arâmetros ara ajuste da curva com (m = 1-1/), >1 (3.6) Da equação (3.6) observa-se que a fução de codutvdade hdráulca ode ser estabelecda cohecedo-se o coefcete de ermeabldade a codção saturada e dos arâmetros de ajuste da curva (a, ou a,m). De acordo com va Geuchte (1980) estes arâmetros odem ser estmados da fução de teor de umdade volumétrco cosderado-se um oto P eqüdstate do teor de umdade volumétrco as codções saturada e resdual.

8 47 Se θ for o teor de umdade volumétrco este oto e ψ o corresodete valor da sucção mátrca, etão a clação S da tagete à fução este oto ode ser calculada como: S =. ( θ θ ) d( logψ ) s 1 r dθ (3.7) Va Geuchte (o.ct.) sugeru o segute rocedmeto ara estmatva dos arâmetros a e m aós a avalação de S ela equação (3.7): m = ex( 0.8S ) ara 0 < S < 1 (3.8a) m = ara S > 1 (3.8b) S S S 3 1 a = ψ P 1 m 1 ( 1 m) (3.8c) Alteratvamete, e rcalmete os casos em que o teor de umdade volumétrco resdual ão é claramete detfcado, o método dos mímos quadrados cosderado-se ajustes ão-leares (va Geutche, 1978) ode ser emregado ara determação smultâea dos arâmetros a, m e θ r Determação dreta da fução de teor de umdade volumétrco Ada que ão seja artcularmete dfícl a obteção da fução de teor de umdade volumétrco através de esaos de laboratóro, város métodos dretos foram roostos a lteratura. A segur, são brevemete escrtos algus deles:

9 Método de Arya e Pars (1981) Arya e Pars (1981) rouseram um método emírco ara relacoar a fução de teor de umdade volumétrco com base a curva de dstrbução graulométrca do solo e em sua massa esecífca. A curva de dstrbução graulométrca é dvdda em um úmero de segmetos. Admtdo-se que a fução de teor de umdade volumétrco é fudametalmete uma fução da dstrbução do tamaho de oros, calcula-se ara cada segmeto o volume de oros V or V W = e (3.9) γ. W é o eso das artículas sóldas do segmeto, γ o eso esecífco do solo, e o ídce de vazos. Os volumes de oros assm calculados, ara cada segmeto da curva graulométrca, odem ser somados rogressvamete ara forecer o valor do teor de umdade volumétrco do segmeto através da relação: θ = ( γ ) (3.10) V = 1 Assumdo-se que em cada segmeto o eso das artículas W é equvalete ao eso de mutas artículas esfércas de mesmo rao R, etão o úmero de artículas ode ser determado como 3W 4πR 3 γ = (3.11) Arya & Pars (1981) roõem que o rao do oro r em cada segmeto seja estmado or

10 49 4 r = R 6 (1 α ) e 1 (3.1) α é uma costate de forma da artícula emrcamete estmada gual a 1,38. Uma vez obtdo rao dos oros o segmeto, a sucção mátrca ψ é calculada com base a equação de calardade como T = tesão suerfcal da água, ρ w = massa esecífca da água, e β = âgulo de cotato. T cosβ ψ = (3.13) ρ gr Na temeratura de 5 C, assume-se T = 7,8 dy/cm e β β 0. w O método de Arya & Pars (1981) é geralmete alcado ara materas graulares ode toda a curva de dstrbução graulométrca é bem defda. Nestes casos a fução de teor de umdade volumétrca assm revsta areseta boa cocordâca com curvas determadas exermetalmete em laboratóro Método Modfcado de Kovacs (001) Aubert, Mboma, Bussere e Chaus (001) sugerram uma modfcação do método aresetado or Kovacs (1981) ara determação da fução do teor de umdade volumétrco, exressado-a em termos de roredades báscas do materal, o que o rocedmeto bastate útl ara emrego em aálses relmares. A fução é calmete obtda como uma fução do grau de saturação e osterormete covertda ara uma fução de teor de umdade volumétrco. A fução é desevolvda defdo-se duas comoetes do grau de saturação: a rmera cotrbudo ara o armazeameto de água ela ação de forças de calardade (S c ), sob ororessões egatvas relatvamete equeas, e a seguda comoete atuado sob ororessões egatvas bastate grades ode a água que exste o solo é rcalmete sob forma de adesão (S a ). Ambas comoetes (S c

11 50 e S a ) odem ser avaladas da ressão egatva os oros e de formações das roredades do mo oroso tal como tamaho e forma das artículas, orosdade. O grau de saturação S r com base as comoetes S c e S a ode ser exresso or: θ w = teor de umdade volumétrco = orosdade * Sa S * a S r w * = θ = Sc + Sa (1 Sc ) (3.14) = valor lmte da comoete S a do grau de saturação, defdo or = (1 Sa ) + 1 A comoete de adesão deve ser lmtada orque ara valores baxos de sucção sera ossível obter-se valores de S a >1. Assm, ara S a < 1 mõe-se * 1 e ara valores de S a <1 etão cosdera-se S =. a S a * S a = A comoete S a é assocada com a fa elícula de água que recobre a suerfíce de grãos do solo e deede de roredades como valor da sucção, orosdade, tamaho e forma das artículas, sedo aroxmadamete determada or: S a = ac w e h co ψ 1/ 3 a = arâmetro de ajuste da curva; ψ = sucção; / 3 ψ ψ 1/ 6 (3.15) ψ = termo de sucção ara garatr termos admesoas a equação (3.15); e = ídce de vazos h co = elevação méda or calardade estmada elas equações: b( cm ) h co ( cm) =, ara solos graulares (3.16a) ed ( cm) 10

12 51 h co, P 1.45 ξwl =, ara solos coesvos (3.16b) e 0.75 b ( cm ) = (3.17) 1.17log( ) + 1 C u D 10 = dâmetro efetvo (cm); C u = coefcete de uformdade W L = Lmte de lqudez (%) ξ = costate aroxmadamete gual a 40, cm C ψ = coefcete de correção que ermte um decréscmo rogressvo do teor de umdade volumétrco sob altas sucções, forçado os valores da fução θ w = 0 ara ψ o = 10 6 kpa, como roosto or Fredlud e Xg (1994). C ψ ψ l 1 + ψ r = 1 (3.18) ψ + o l 1 ψ r ψ r = sucção o teor de umdade volumétrco resdual, θ r = reresetado o valor além do qual um cremeto de sucção ão é sufcete ara remover mas água do solo ζ 1.74 r ( cm) = 0.86hco = 0.86 WL ψ (3.19) e A saturação or calardade, que deede bascamete do dâmetro dos oros e de sua dstrbução é determada or: m h co hco S c = ex m (3.0) ψ ψ

13 5 m = arâmetro de ajuste que leva em cota a dstrbução do tamaho dos oros e cotrola a forma e osção da fução de teor de umdade volumétrco a zoa de calardade Para solos coesvos os arâmetros m e a odem assumr valores costates m = 3x10-5 e a = 7x10-4 as alcações comutacoas com o rograma SEEP/W. Para solos graulares, os arâmetros de saturação or calardade odem ser também cosderados como m = 1, a = 0, Método de Fredlud e Xg (1994) O método cosste de uma solução aalítca que ode ser usada ara obteção da fução de teor de umdade volumétrco θ ψ caso sejam cohecdos os valores de um cojuto de arâmetros de ajuste da curva (a,, m). θ ψ θs θr = θr + ψ l e + a Ou, se a fução é revstas o tervalo comleto 0 < θ w < 10 6 kpa, θ ψ θs = ψ l e + a θ r = teor de umdade volumétrco resdual θ s = teor de umdade volumétrco saturado m m (3.1) (3.) O arâmetro a, que tem udades de kpa, é o oto de flexão da fução de teor de umdade volumétrco, sedo lgeramete maor do que o valor de etrada de ar. O arâmetro cotrola a clação da fução de teor de umdade volumétrco e o arâmetro m o teor de umdade resdual. a = ψ (3.3) θ s m = 3.67l (3.4) θ

14 53 m = 3.7sψ (3.5) mθ s ψ = sucção corresodete ao teor de umdade volumétrco θ ode ocorre o oto de flexão da curva característca de sucção; s = clação da tagete à fução de teor de umdade volumétrco o oto de flexão da curva. s θ ψ ψ = (3.6) ode ψ é o terceto da tagete com o exo das sucções Método de va Geuchte (1980) Va Geutche (1980) sugeru a segute equação aalítca ara obteção da fução de teor de umdade volumétrca: θ ψ = θr + 1 θs θr ψ a + Ode: a,, m são arâmetros de ajuste da curva. m (3.7) O arâmetro a ode ser exresso como uma fução de outros dos arâmetros b, c coforme: = ψ 50 a / 1/ c 1 ( 1) b (3.8) cosderado θ s + θ ψ r 50 = (3.9)

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

Métodos tipo quadratura de Gauss

Métodos tipo quadratura de Gauss COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível

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

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

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

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

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos oderados (MRP) tora-se dsesável um estudo mesmo que

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

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

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

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

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

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

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I MÉTOO OSS Seja agora uma estrutura de ós fxos duas vezes hergeométrca,.e. tal que os ós ão sofrem qualquer deslocameto de traslação e cotem ós com cógtas de rotação.. cos. cos etermemos os esforços mometos

Leia mais

As seguintes variáveis são propriedades extensivas e funções do estado: (2.4) Já vimos que para um sistema fechado, da equação (1.1) podemos escrever

As seguintes variáveis são propriedades extensivas e funções do estado: (2.4) Já vimos que para um sistema fechado, da equação (1.1) podemos escrever 2. Fuções Auxlares e odções de Equlíbro As segutes varáves são roredades extesvas e fuções do estado: Etala: H (2.) Eerga lvre de Helmholtz: A (2.2) Eerga lvre de Gbbs: G G H (2.3) G A Proredades da Etala

Leia mais

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

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem

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

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

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 - 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

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

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

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

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

Leia mais

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

5 Algoritmo para integração da relação tensão deformação

5 Algoritmo para integração da relação tensão deformação 5 Algortmo ara tegração da relação tesão deformação A aálse de materas com comortameto elastolástco or elemetos ftos é feta de forma cremetal e teratva. A cada estágo do rocesso de solução, cremetos de

Leia mais

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

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

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

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

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

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS

CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS Ca. 1 1 Problea SH1 Cosderar ua resstêca de gerâo de to co 1 de secção e 1 c de coreto que a 300 K areseta ua resstêca de 0 Ω. a) Calcular o valor da desdade de urezas,

Leia mais

DISPOSITIVOS ELECTRÓNICOS. Problemas Resolvidos

DISPOSITIVOS ELECTRÓNICOS. Problemas Resolvidos DISPOSITIVOS ELECTRÓNICOS Probleas Resolvdos CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS Ca. 1 1 Problea SH1 Cosderar ua resstêca de gerâo de to co 1 de secção e 1 c de coreto que a 300 K areseta ua resstêca

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

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

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

Teoria das Comunicações

Teoria das Comunicações Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de

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

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s O oder da matemátca tca ou A matemátca tca como metáfora Ru Vlela Medes CMAF, ICC, CFN Soluções dos TPC s Curso o Mestrado de Comlexdade,, ISCTE, Ivero 007 07-03 03-007 TPC Dados ( I(I(,,, N ( I(/N, /N,,,

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

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

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

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

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

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

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

Leia mais

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1 NOTA BREVE SOBRE O CONCEITO DE MÉDIA O coceto de méda surge de modo abudate a dscla de Métodos Estatístcos, resete em mutos cursos de lcecatura de sttuções de eso sueror. Surge, de gual modo, em domíos

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

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

Leia mais

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo. CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura

Leia mais

Estabilidade no Domínio da Freqüência

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

Leia mais

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

3 Procedimento Experimental

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

Leia mais

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

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas UNIVERSIDADE FEDERAL DE OURO PRETO Isttuto de Cêcas Eatas e Bológcas Departameto de Computação José Álvaro Tadeu Ferrera Cálculo Numérco Notas de aulas Iterpolação Polomal Ouro Preto 3 (Últma revsão em

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

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

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

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

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

Leia mais

5 Critérios para Análise dos Resultados

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

Leia mais

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA PMR 40 Mecâca Coputacoal CAPÍTULO III MÉTODOS DE RUNGE-KUTTA São étodos de passo sples requere apeas dervadas de prera orde e pode forecer aproxações precsas co erros de trucaeto da orde de, 3, 4, etc.

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

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

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

Capítulo 8. Método de Rayleigh-Ritz

Capítulo 8. Método de Rayleigh-Ritz Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para

Leia mais

3 Análises Probabilísticas de Estabilidade

3 Análises Probabilísticas de Estabilidade 3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

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

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS 1/15 1. CAMPO DE APLICAÇÃO 1.1. Este procedmeto se aplca aos laboratóros de cotrole de qualdade.. OBJETIVO.1. Defr a capacdade de medção para cada método aalítco.. DOCUMENTOS COMPLEMENTARES.1. Valdação

Leia mais

Condutos livres Escoamento uniforme em canais

Condutos livres Escoamento uniforme em canais J. Gabrel F. Smões Pro. Egehero Codutos lres Escoameto uorme em caas O escoameto uorme em caas obedece as segutes codções: prouddade da água, a área da seção trasersal, a dstrbução das elocdades em todas

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

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

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

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

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

VI - Integração Numérica

VI - Integração Numérica V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas

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

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

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

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

? 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

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

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

TEORIA DE SISTEMAS LINEARES

TEORIA DE SISTEMAS LINEARES Ageda. Algebra Liear (Parte I). Ativadades IV Profa. Dra. Letícia Maria Bolzai Poehls /0/00 Potifícia Uiversidade Católica do Rio Grade do Sul PUCRS Faculdade de Egeharia FENG Programa de Pós-Graduação

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

Regressão e Correlação

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

Leia mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

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

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

Leia mais

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

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

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

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

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

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

Leia mais

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