MÉTODO DE ALTERAÇÃO DE INTERVALOS ENTRE CALIBRAÇÕES

Tamanho: px
Começar a partir da página:

Download "MÉTODO DE ALTERAÇÃO DE INTERVALOS ENTRE CALIBRAÇÕES"

Transcrição

1 ENQUALAB-2008 Cogresso da Qualidade em Metrologia Rede Metrológica do Estado de São Paulo - REMESP 09 a 12 de juho de 2008, São Paulo, Brasil MÉTODO DE ALTERAÇÃO DE INTERVALOS ENTRE CALIBRAÇÕES Paulo Cézar da Costa Lio Duham 1,Marcio Machado 2 1 Petrobras/UM-AM, Maaus,Brasil, pduham@petrobras.com.br,paulo.duham@gmail.com 2 Aua, Rio de Jaeiro, Brasil, Marcio@aua.com.br Resumo: A qualidade de um istrumeto de medição cosiste em apresetar resultados com a cofiabilidade metrológica requerida, em fução do processo de medição que esta sedo realizado; dessa forma, os dispositivos de medição devem possuir características metrológicas que atedam aos requisitos metrológicos dos processos os quais estão iseridos, tais como: erro máximo, icerteza, resolução, estabilidade, robustez, etc. Todo istrumeto, por melhor que seja, apreseta perda de suas características metrológicas ao logo do tempo, o que requer a determiação de sua periodicidade de calibração e o coseqüete ajuste da mesma, sejam baseados em critérios bem estabelecidos, que possam garatir a cofiabilidade metrológica dos resultados as medições desse istrumeto, miimizado o ivestimeto com calibrações. Este trabalho, visa descrever um método para ajuste de itervalos de calibração de istrumetos, baseado o seu comportameto ao logo do tempo e aálise de suas tedêcia ao logo de diversas calibrações, alterado o itervalo etre as calibrações, ates que possa ocorrer ão coformidade, devido a medições com o dispositivo fora de suas especificações, buscado, com isso, garatir a cofiabilidade metrológica, maximização da periodicidade de calibração e aumeto da produtividade devido a elevação da qualidade o cotrole dos processos. Palavras chave: Cofiabilidade metrológica, ciclos de calibração, periodicidade de calibração, metrologia. 1. INTRODUÇÃO Os processos de estabelecimeto e ajuste de itervalos etre calibrações, é um elemeto de capital importâcia os sistemas de gestão de medições e ecessários para obteção da cofiabilidade metrológica. Varias ormas e especificações, estabelecem como requisito a calibração dos dispositivos de medição em itervalos adequados, porém, ão defiem claramete o que seja itervalo adequado. No etato, ão é difícil cocluir, que os dispositivos de medição, devem ser matidos em uma codição cofiável, detro do período etre calibrações, ou seja, que seu erro máximo ão alcace um valor que leve o dispositivo a uma codição de falha, e por coseguite, realizar medições com erros demasiados. Algumas técicas para ajuste de itervalos etre calibrações estão dispoíveis em literatura, e trabalhos apresetados em evetos acioais ou iteracioais, porém, em sua grade maioria, são baseadas a técica dos atributos, ou seja, a codição de coforme ou ão coforme por ocasião do recebimeto do istrumeto para calibração periódica. Apreseta-se esse trabalho, uma metodologia que pode ser utilizada para ajuste dos itervalos etre calibrações, que busca prever a codição futura do dispositivo, tedo como base o seu histórico ao logo dos diversos ciclos realizados. 2. MÉTODOS PESQUISADOS A seguir, trata-se resumidamete de algus métodos práticos existetes, utilizados para ajuste dos itervalos etre calibrações Método A1 Esse método propõe o ajuste do itervalo atual, em fução do resultado do estado de coformidade do dispositivo; o itervalo pode ser estedido em 10%, caso os desvios estejam detro das tolerâcias e reduzir em 45%, caso o dispositivo seja ecotrado fora de suas tolerâcias Método A2 Esse método também é baseado o estado de coformidade do istrumeto, porém iclui o coceito de amplitude do desvio, com relação à tolerâcia previamete estabelecida. As ações recomedadas em fução da situação do estado do istrumeto o recebimeto, ecotram-se a tabela [1] abaixo. Tabela 01: Ações recomedadas pelo método A2. Dv sigifica desvio e Tol tolerâcia do dispositivo. Cod Situação Ação 0 Dv Tol Esteder 1,81% 1 Tol < Dv <2.Tol Dimiuir 12,94% 2 Dv > 2.Tol Dimiuir 20,63% 2.3. Método A3 O ajuste do itervalo é realizado baseado, os resultados apresetados a última e as duas calibrações ateriores, cosiderado, por coseguite, o histórico do istrumeto. Através do estado da coformidade obtido com relação às tolerâcias estabelecidas, o dispositivo recebe a classificação detro ou fora. Em fução desses resultados, o itervalo pode ser estedido, matido ou reduzido. A tabela [2] apreseta algus exemplos de ações a serem tomadas,

2 em fução de algus resultados ecotrados as três iterveções cosideradas. Tabela 02: Ações para estabelecimeto de ajuste segudo o método A3. Ação Atual Última Aterior Permaecer Detro Novo - Pode ser verificada a tabela [2], a existêcia de uma ação de redução drástica; a mesma é ecessária, quado se observa a ecessidade de tomar ações prevetivas e coservativas, cotra futuras ão-coformidades. A tabela [3] apreseta algus exemplos de ajustes em fução dos itervalos atuais. Tabela 03: Ajustes sugeridos pelo método A3 (dias). Aalisado a tabela [3], verifica-se que os percetuais de ajustes são variáveis em fução da atual periodicidade. Com o itervalo atual de 175 dias o aumeto desse itervalo será de 40%, a redução ormal de 20% e a redução drástica de 40%; já com a freqüêcia atual de 350 dias o aumeto será de 50%, a redução ormal de 10% e a redução drástica de 50% Método A4 Detro Fora Novo Detro Fora Detro Detro Detro Fora Detro Fora Fora Fora Novo - Fora Detro Novo Fora Detro Detro Esteder Detro Detro Novo Detro Detro Detro Reduzir Fora Detro Fora Redução drástica Fora Fora Novo Fora Fora Detro Fora Fora Fora Itervalo atual Esteder Reduzir Esse método, embora também utilize o coceito do estado de coformidade com que o dispositivo é ecotrado a calibração, cosidera também o ível de cofiaça desejado e o úmero de ciclos de calibração já executados, de acordo com as equação [1], [2] e [3], abaixo. Im 1 Im[ 1 am1( Ym R)] (1) Reduzir drasticamete c a m (2) m 5 I0 c (3) Rl( r) Ode: Im=Periodicidade atual; I m+1 =Periodicidade ajustada; m=número de ciclos de calibração R=Nível de cofiaça Ym=1 para coforme ou Ym=0 para ão coforme Método Schumaker Esse método é semelhate ao método A3, porém acresceta o coceito de istrumeto avariado. Além disso, para esteder os itervalos etre calibrações, são ecessárias pelo meos quatro ciclos. As tabelas [4] e [5] apresetam exemplos desse método, ode tem-se os seguites códigos: C-detro da coformidade, F-Fora da coformidade, A- Avariado, P-Permaecer, E-Esteder, D-Dimuuir e M- Máxima dimiuição. Tabela 04: Ações para o estabelecimeto de ajuste segudo o método de Schumaker Ciclos ateriores Codição o recebimeto A F C CCC P D E NCC P D E ACC P D P CN M M P CA M M P NC P M P NN M M P NA M M P AC P D P NA M M P AA M M P Tabela 05: Ajustes sugeridos pelo método Schumaker Itervalo atual Esteder Reduzir Máxima redução No método Schumaker também se verifica a existêcia de uma ação de máxima redução, semelhate a redução drástica do método A3. Aalisado a tabela [5] verifica-se que os percetuais são variáveis em fução da atual periodicidade. Com o itervalo atual de 175 dias o aumeto desse itervalo será 16%, a redução ormal de 8% e a redução drástica de 36%;

3 já com a freqüêcia atual de 350 dias o aumeto será de 4%, a redução ormal de 10% e a redução drástica de 46% Método do Gráfico de Cotrole O gráfico de cotrole permite idetificar o mometo em que um processo esta saido do cotrole, detectado as causas atribuídas. Nesse método, são defiidos os potos de calibração que serão avaliados em todas as demais iterveções. A partir dos resultados obtidos da tedêcia cetral e dispersão, em comparação com critérios estabelecidos, toma-se a decisão de alterar ou ão a periodicidade Método do Histórico Os istrumetos são agrupados por similaridade e de mesmo ível de cofiabilidade. A aálise para ajuste do itervalo etre calibrações é realizada para todo o grupo, baseado-se a taxa de ão coformidade ecotrada o mesmo. 3. MÉTODO PROPOSTO O ajuste da freqüêcia etre calibrações é realizado levado-se em cosideração o histórico, a tedêcia e o comportameto do istrumeto ao logo de sua vida. Podem ser cosiderados, por sua vez, dois aspectos em cojuto para a tomada de decisão, a respeito da mauteção ou ajuste da atual freqüêcia etre calibrações. Através dos desvios ecotrados os resultados das ultimas calibrações, utiliza-se a ferrameta estatística de regressão, para estimar o tempo previsto para falha do dispositivo de medição, relacioado-o com o período previsto para a próxima calibração, e defiir o ajuste a ser aplicado o itervalo etre calibrações. Através do recurso gráfico, visualiza-se o comportameto do istrumeto ao logo do tempo, de forma a ter uma idicação visual de sua estabilidade temporal. Jutado essas duas iformações, o gestor pode estabelecer a ova de freqüêcia de calibração, cosiderado também os fatores coseqüêcia e risco para falha Potos de avaliação O primeiro passo para utilização da metodologia, cosiste em estabelecer os potos da escala do istrumeto, ode as avaliações serão realizadas, pois ão é recomedado comparar resultados históricos em potos diferetes, pois os erros e a tedêcia podem variar em fução desses potos, quer seja por características ieretes ao istrumeto, ou devido a uso difereciado ao logo da escala. Nessa seleção, devem ser levados em cosideração a liearidade, a faixa de utilização do istrumeto, a região mais utilizada, dados históricos, caso existetes, etre outros requisitos. Resumidamete, esses potos devem estar detro da faixa de utilização do istrumeto e apresetar à maior criticidade a utilização do mesmo. Caberá ao gestor do sistema metrológico, defiir tais potos. É importate, que se obteham iformações operacioais dos usuários dos istrumetos, ates da defiição de tais potos. Em algumas situações, o processo pode ser iiciado quado já existirem históricos de calibração dos respectivos istrumetos. É provável que as calibrações passadas, teham sido realizadas em potos diferetes daqueles que foram selecioados. Nessas situações, devem ser determiados os erros os potos escolhidos cosiderado a curva de calibração do istrumeto, costruída a partir de uma regressão, ou utilizado-se do recurso de iterpolação etre os potos imediatamete superior e imediatamete iferior ao poto de iteresse Limite de Erro Aceitável (Ema) Para cada poto selecioado, tora-se ecessário a determiação dos respectivos limites de erro máximo aceitável. Esses limites podem ser estabelecidos, cosiderado requisitos de regulametos, ormas técicas, orietações de fabricates, características do processo, requisitos do cliete, etc. Quado for utiliza a tolerâcia do processo, como requisito para o estabelecimeto do erro máximo aceitável, pode-se utilizar a equação [1], abaixo: Tp Ema (1) Fc Ode, Tp=Tolerâcia do processo; Fc=Fator de cofiabilidade (Valor etre 3-10) Limites de ajuste Os limites de ajuste cosistem em valores que determiam as iterfaces etre as regiões esteder/permaecer e permaecer/reduzir. Esses limites são determiados, com base em fatores relativos aos erros máximos aceitáveis, de cada poto previamete selecioado, e serão chamados de Nep para o fator que defie o limite esteder/permaecer e Npr para o limite permaecer/reduzir. Para exemplificar, seja Nep=0,5 e Npr=0,8, idica: a) A periodicidade pode ser estedida se o tempo previsto para a próxima calibração ficar abaixo de 50% do tempo estimado para falha; b) A periodicidade pode ser matida se o tempo previsto para a próxima calibração ficar etre 50% a 80% do tempo estimado para falha; c) A periodicidade deve ser reduzida se o tempo previsto para a próxima calibração ficar acima de 80% do tempo previsto para falha. 100%.Tpf 80%.Tpf 50%.Tpf 0% Área Reduzir Área permaecer Área esteder Figura 01 Iterfaces esteder/permaecer e permaecer/reduzir, ode Tpf sigifica tempo para falha. Para avaliar o istrumeto, deve-se estimar o tempo previsto para falha, cosiderado a sua curva de regressão, baseada os dados históricos, obtidos as calibrações até o mometo realizadas. O próximo passo cosiste em dividir as regiões esteder e reduzir em sub-áreas. O úmero e valor de cada sub-área pode variar em fução de aálises e estudos realizados pelo resposável do sistema de gestão de medição. Também deve ser estabelecido, o limite da relação etre tempo previsto para a próxima calibração e tempo estimado para falha, acima do qual o istrumeto deve ser retirado de operação e substituído.

4 3.4.Fatores de alteração Esses fatores, cosistem em valores uméricos que serão multiplicados pela periodicidade atual, para determiar o ovo itervalo etre calibrações. Os valores desses fatores devem ser determiados pelo gestor do processo, tedo como base estudos e aálises realizadas. A figura [2] abaixo, apreseta o resultado do estudo de um istrumeto, que teve a área esteder e reduzir divididas em quatro sub-íveis. A área esteder esta formada pelos sub-íveis E1 a E4, a área reduzir pelos sub-íveis R1 a R4 e a área permaecer represetada pelo código P. Verifica-se a figura [2], que o sub-ível E4 represeta uma relação tempo previsto para a próxima calibração por tempo estimado para falha de o máximo 20%, sugerido um fator de alteração igual a 3 ; ou seja, a periodicidade pode ser triplicada. Caso essa relação fique etre 40% a 50%, a periodicidade pode ser estedida 1,5 vezes a atual; caso a relação esteja etre 50% e 80% deve ser matida, etre 90% e 100% deve ser reduzida para 0,8 do atual. Nos sub-íveis R2 e R1 verifica-se que a periodicidade prevista para a próxima calibração é superior ao tempo previsto para falha, idicado que o istrumeto deverá falhar ates da próxima calibração caso seja matido a periodicidade atual. Nesse caso, verifica-se uma redução sigificativa do atual itervalo etre calibrações. Observa-se em R1 o limite de 150%, ou seja, caso a relação tempo previsto para a próxima calibração por tempo estimado para falha seja superior a esse valor, o istrumeto ão seve ter seu itervalo ajustado e deve ser substituído por um outro de melhor cofiabilidade. Sub-ível RTF FA E4 20% 3.0 E3 30% 2,5 E2 40% 2.0 E1 50% 1,5 P 80% 1,0 R4 90% 0,8 R3 100% 0,5 R2 130% 0,3 R1 150% 0,1 Figura 02 Tabela correlacioado a relação tempo previsto para próxima calibração e tempo estimado para falha cotra fator de altearão do itervalo atual Acompahameto histórico O acompahameto histórico é realizado com base os resultados das calibrações passadas. É ecessário obter a data de realização da calibração, para calcular o tempo etre calibrações e tempo acumulado desde o iício do processo de avaliação. Para facilitar o acompahameto, é recomedado costruir uma tabela semelhado a da figura [3], abaixo, para cada poto avaliado. Ciclo Data T T(ac) Dv Ic Ica Aj Dvr R 1 13/08/ ,050 0,000 0,000 0,040 0,010 X 2 12/12/ ,040 0,030 0,030 0,000 0,010 1, /04/ ,060 0,050 0,080 0,000 0,030 0,99 Figura 03 Tabela de acompahameto do histórico de calibração Legeda: Data: Data de realização da calibração. T: Espaço de tempo medido etre as duas ultimas calibrações, calculado pela difereça etre as datas as quais foram realizadas. T(ac): Tempo acumulado, calculado pelo somatório do valores da colua T. Dv: Desvio ou erro ecotrado o poto cosiderado. Ic: Crescimeto do desvio atual em relação ao aterior. Ica: Crescimeto acumulado até o mometo desde o iício do processo. Aj: Ajuste realizado o istrumeto para corrigir ou dimiuir o desvio ecotrado. Dvr: Desvio remaescete após a aplicação do ajuste. R: Coeficiete de correlação A tabela da figura [3], correspode a um calibrador de pressão, ode o processo foi iiciado o dia quado o istrumeto apresetou o erro de 0,050psi 1. O istrumeto foi submetido a ajuste, ficado com um erro remaescete de 0,010psi. No dia , 486 dias após a calibração aterior, o istrumeto foi submetido à ova calibração, apresetado um erro de 0,040psi e icremeto de 0,030psi com relação ao erro remaescete a calibração aterior. Novamete o istrumeto foi submetido a ajuste, ficado desta feitam com um erro remaescete de 0,010psi. O istrumeto foi ovamete submetido à calibração o dia , 491 dias após a calibração aterior e 977 dias a partir da primeira calibração. Nessa ova campaha, o istrumeto apresetou um erro de 0,060psi ou seja, um icremeto de 0,050psi com relação a calibração passada. Após o ajuste, o istrumeto ficou com um erro remaescete de 0,030psi. Verifica-se também o icremeto acumulado de 0,080 psi. Esses dados serão utilizados para a determiação da vida residual estimada para o istrumeto, em cojuto com o icremeto ecessário para alcaçar o erro máximo aceitável. A colua R correspode ao fator de correlação, que idica o grau de correlação etre o tempo e o icremeto do erro. Quato mais próximo de ±1, mais forte a correlação, sedo crescete se R for positivo e decrescete se R for egativo Tempo previsto para falha Para determiar a estimativa da vida residual do istrumeto, costrói-se uma equação relacioado-se o icremeto com o tempo, baseado-se os dados levatados, de acordo com a equação [2] abaixo: Tpf a. Icf b (02) Ode Tpf é o tempo para falha Icf o icremeto ecessário para alcaçar o erro máximo aceitável, a e b os coeficietes agular e liear determiados pela ferrameta estatística de regressão. O valor de Icf pode ser determiado pela equação [3] : Icf Ema Dvr (03) Os coeficietes agular e liear podem ser calculados pelas equações [04] e [5]:. T i Ici Ti. Ici i1 i1 i1 a (04) 2 2. Ici Ici i1 i1 Ti a Ici i i b 1 1 (05) 1 1psi=6,89476kPa

5 Pelas equações acima, verifica-se que tedo como base os tempos (T i ) etre calibrações e os respectivos icremetos (Ic i ) esses períodos, defie-se os coeficietes liear (b) e agular (a). Determiado o valor do icremeto ecessário para falha (Icf), calcula-se o tempo estimado para falha, isto é, para alcaçar o erro máximo aceitável. O icremeto em cada período deve ser calculado, subtraidose o desvio atual do desvio remaescete da calibração aterior. O desvio remaescete, por sua vez, é calculado após a aplicação de ajuste o istrumeto, quado ocorreer. Podem existir situações, ode o icremeto do erro e o tempo ão seguem uma relação perfeita; para verificar o grau dessa correlação, utiliza-se o valor de R. A figura 04 mostra uma tabela apresetado a iterpretação do grau de correlação em fução do valor de R. R Iterpretação 0,19 Correlação bem fraca 0,39 Correlação fraca 0,69 Correlação moderada 0,89 Correlação forte 1,00 Correlação muito forte Figura 04 Iterpretação dos valores de R 3.7. Ajuste do ovo itervalo Cosiderado os limites de ajuste, seus sub-íveis e o fator de alteração, pode ser determiado o ovo itervalo etre calibrações, bastado para isso calcular a relação RTF, etre o tempo atual previsto para a próxima calibração e o tempo estimado para falha, de acordo com a equação [6]. Tpc RTF.100 (06) Tpf Ode: Tpc=Tempo previsto para a próxima calibração. Tpf=Tempo estimado para falha. Exemplificado, um dispositivo que tem seu atual itervalo etre calibração estabelecido em 540 dias, teve o tempo previsto para falha estimado em 1517 dias, ou seja, um RTF de 36%, Cosiderado a tabela da figura 2, ficaria o sub-ível E2, ode sugere-se que o atual itervalo seja duplicado, sedo estabelecido o valor de 1040 dias, que correspode a 71,2% do tempo previsto para falha Acompahameto gráfico Esse recurso de aálise cosiste a avaliação gráfica do comportameto histórico do istrumeto, de forma a forecer uma ferrameta visual para auxiliar auxiliar o gestor do processo metrológico. Verifica-se pelos gráficos das figuras [05] e [06], que o comportameto do erro e seu icremeto vêm crescedo liearmete ao logo do tempo, e dessa forma pode-se estimar o erro futuro com boa margem de seguraça. Figura 06 Gráfico apresetado o icremeto do erro de um istrumeto ao logo do tempo 3.9.Icerteza medição Evidetemete a icerteza de medição deve ser cosiderada esse estudo, levado em cosideração que é um parâmetro de importâcia fudametal a cofiabilidade metrológica dos istrumetos. No etato, sua abordagem deve ser criteriosamete avaliada, pois a metodologia, determia o tempo estimado para falha (Tpf), baseado-se fudametalmete os erros apresetados pelos istrumetos e o tempos etre calibrações. Todo resultado de uma medição esta associado a sua respectiva icerteza. Nas calibrações realizadas os istrumetos de medição, as icertezas devem ser apresetadas em seus certificados; por coseguite, se coclui, que é possível obter facilmete as icertezas dos desvios verificados as calibrações realizadas os istrumetos. É importate ressaltar, que a escolha dos laboratórios de calibração é muito importate esse processo, pois laboratórios diferetes podem trasferir icertezas muito variadas. As icertezas trasferidas pelos laboratórios, depededo da sua magitude, podem ter uma ifluêcia sigificativa a icerteza expadida e dessa forma alterar a curva de tedêcia do istrumeto, levado a coclusões com meor cofiabilidade. Assim sedo, a escolha do laboratório que vai executar a calibração do istrumeto deve ser realizada com bastate critério, de forma que a icerteza trasferida pelo mesmo, teha a meor ifluêcia possível a icerteza total do processo de calibração. Uma alterativa que é possível utilizar a metodologia, cosiste em calcular a icerteza do Tpf, cosiderado esse parâmetro como uma gradeza de saída, a, b e Icf como gradeza de etrada, sedo a e b gradezas correlacioadas, coforme equação 7. 0, Tpr Tpr Tpr u( a) u( b) ( ) u Icf a b Icf ( Tpr) 2. u( a). u( b). r( a, b) 2u( b). u( Icf ). r( b. icf ) 2. u( c). u( Icf ). r( c, Icf ) u (7) Essa alterativa, ão obstate, deve ser testada com situações práticas para verificar a sua aplicabilidade. Em algus cálculos que já foram realizados pelos autores, foi cotatou-se que essas variam sigificativamete com relação a icerteza de Ic e por coseguite a icerteza de Dvr. Figura 05 Gráfico apresetado a tedêcia do erro de um istrumeto ao logo do tempo 4. EXEMPLOS DE APLICAÇÃO A seguir é realizada uma simulação para o ajuste do itervalo de calibração de um calibrador digital de pressão e de um torquímetro de estalo Calibrador de pressão

6 Faixa de operação: 5000 psi; Potos selecioados: P1=1000psi/P2=3000Psi/P3=4500 psi. Erros máximos aceitáveis: Ema 1 =5psi/Ema 2 =15psi/ Ema 3 =22,5psi Periodicidade iicial: 360 dias, sedo este o itervalo atual. Limites de ajuste coforme a tabela [06] abaixo: Tabela 06 Sub-íveis do calibrador de pressão Sub-ível RTF FA E4 20% 3.0 E3 30% 2,5 E2 40% 2.0 E1 50% 1,5 P 80% 1,0 R4 90% 0,8 R3 100% 0,5 R2 130% 0,3 O acompahameto histórico dos três potos selecioados, ecotram-se resumidos as tabelas [7], [8] e [9] abaixo: Tabela 07 Acompahameto de poto P1 Ciclo Data T Tac Dv Ic Ica Aj Dvr R ,60 0,00 0,00 0,00 1, ,20 0,60 0,60 0,00 2,20 1, ,90 0,70 1,30 0,00 2,90 1, ,90 1,00 2,30 0,00 3,90 0,96 Tabela 08 Acompahameto de poto P2 Ciclo Data T Tac Dv Ic Ica Aj Dvr R ,00 0,00 0,00 0,00 3, ,00 2,00 2,00 0,00 5,00 1,00 optar por um itervalo de 180 dias para facilitar a gestão, correspodedo a 37% do tempo para falha Torquímetro de estalo Faixa de operação: 2000 N.m; Potos selecioados: P1=1000Nm; P2=1400Nm e P3=1800Nm Erros máximos aceitáveis: Ema 1 =40Nm, Ema 2 =56Nm e Ema 3 =72Nm Periodicidade iicial: 360 dias, sedo este o itervalo atual. Limites de ajuste coforme a tabela [10] abaixo: Tabela 010 Sub-íveis do torquímetro R1 150% 0,1 Sub-ível RTF FA E4 20% 3.0 E3 30% 2,5 E2 40% 2.0 E1 50% 1,5 P 80% 1,0 R4 90% 0,8 R3 100% 0,5 R2 130% 0,3 R1 150% 0,1 O acompahameto histórico dos três potos selecioados ecotram-se as tabelas [11], [12] e [13] abaixo: Tabela 11 Acompahameto de poto P1 Ciclo Data T T(ac) Dv Ic Ica Aj Dvr R , , , ,00 3,00 5,00 0,00 8,00 0, ,00 4,00 9,00 0,00 12,00 0,99 Tabela 09 Acompahameto de poto P3 Ciclo Data T Tac Dv Ic Ica Aj Dvr R ,00 0,00 0,00 0,00 9, ,00 2,00 2,00 0,00 11,00 1, ,00 4,00 6,00 0,00 15,00 1, ,00 4,00 10,00 0,00 19,00 0,95 Através dos dados apresetados as tabelas acima, calcula-se os tempos estimados para falha em cada poto, ecotrado-se dos seguites valores: Tpf 1 =695 dias; Tpf 2 =492 dias e Tpf 3 =511 dias. Verifica-se, etretato, que os potos P2 e P3 tem seus respectivos tempos para falha, iferiores ao itervalo previsto para a próxima calibração, de ode se coclui que os desvios esses potos estarão superiores aos respectivos erros máximos aceitáveis, caso seja matida a mesma periodicidade de calibração. Verificase, aida, que o poto P2 é o poto crítico e será utilizado para determiação do ovo itervalo de calibração. Calculado o Rtf desse poto, ecotra-se o valor de 110% e selecioa-se o sub-ível R2 a tabela 06, o qual recomeda o fator de alteração FA=0,3. O ovo itervalo fica etão estabelecido em 162 dias, coforme abaixo: Niv=FA.Tpc; Niv=0,3.540; Niv=162 dias, Esse itervalo etre calibração correspoderá a 33% do tempo para falha. O gestor do processo, porém, poderá Tabela 12 Acompahameto de poto P2 Ciclo Data T T(ac) Dv Ic Ica Aj Dvr R , , ,00 Tabela 13 Acompahameto de poto P3 Ciclo Data T T(ac) Dv Ic Ica Aj Dvr R , , ,83 Com os dados das tabelas acima, ecotramos os seguites tempos estimados para falha: Tpf 1 =1691 dias; Tpf 2 =1957 dias; Tpf 3 =2347 dias, verificado os existe um folga cosiderável etre o atual itervalo de calibração e os tempos estimados para falha do istrumeto, idicado a possibilidade de esteder o atual itervalo de calibração Verifica-se aida que o poto P1 é o poto crítico e será utilizado para determiação do ovo itervalo etre calibrações. Determiado o Rtf desse poto, ecotra-se o valor de 21,3% selecioado o sub-ível E3 que recomeda o fator de alteração FA=2,5. O ovo itervalo fica etão estabelecido em 900 dias, coforme abaixo: Niv=FA.Tpc Niv=2,5.360 Niv=900 dias

7 O ovo itervalo etre calibração correspoderá a 53,2% do tempo para falha. 4.3.Aálise dos resultados Pelos estudos realizados, verifica-se o primeiro caso, que o tempo estimado para falha é iferior ao itervalo previsto para a próxima calibração, idicado que o erro do istrumeto poderá ficar acima do erro máximo aceitável, se for matida a mesma periodicidade de calibração. Além disso, as metodologias tradicioais aprotariam para um aumeto desse itervalo. A metodologia apresetada recomedou a redução do itervalo de calibração, preveido uma possível falha do processo. No segudo caso, a metodologia recomedou o aumeto do itervalo de etre calibrações, dimiuido os custos com as mesmas e matedo boa margem de seguraça. 5. CONCLUSÃO A maioria dos métodos tradicioais baseia-se o estado de coformidade do istrumeto o mometo da calibração, sem cosiderar o o comportameto do istrumeto ao logo de sua vida. Esses métodos apeas prevêem a redução dos itervalos de calibração quado o istrumeto ecotra-se o estado de ão coformidade, desta forma, podedo trazer problemas relacioados com erros de medições. O método proposto, utilizado a ferrameta estatística de regressão, cosidera parâmetros tais como: estabilidade, liearidade, tedêcia, icerteza de medição, etc., e pode ser classificado como um método prevetivo/preditivo, pois as ações de ajuste são tomadas previamete, ates que possíveis erros de medição possam ocorrer. Além disso, pode esteder os itervalos de calibração com boa margem de seguraça, miimizado as possibilidades de falha durate o período estabelecido e dimiuido os custos com calibração.

8 REFERÊNCIAS [1] BIPM, IEC, IFCC, ISSO, IUPAC, OIML, Guia para Expressão de iceteza de Medição. 2.ed Rio de Jaeiro, [2] C. P. Saraiva, "Ferrametas para ajustar a periodicidade de calibração", Rede Metrológica de São Paulo, ENQUALAB- 2005, São Paulo, [3] O. Novaski, S. M. Fraco, I. L. Martis "Metodologia para estabelecimeto e ajuste etre itervalos de calibração, Sociedade Brasileira de Metrologia, METROLOGIA-2003, Recife, [4] W. Portella, "Ajuste da frequêcia de calibração de istrumetos de processo Foco a idustria farmacêutica, Sociedade Brasileira de Metrologia, METROLOGIA-2003, Recife, [5] O. Novaski, S. M. Fraco, "Os métodos para ajustar os itervalos de calibração. [6] L. V. B. Callil, "Uso de ferrametas estatísticas a avaliação do itervalo de calibração de sistemas de medição ; Uiversidade Federal de Itajubá. [7] E. M. Ferades, "Estatística aplicada ; Uiversidade do Miho. Braga,1999. [8] A. Medes, P. P. Rosário, Metrologia & Icerteza de Medição, Epse Editore, São Paulo, [9] C. A. Flesh, Metrologia, Uiversidade Federal de Sata Cataria, Floriaópolis, 1999

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

Leia mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA

UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA ISBN 978-85-7846-516-2 UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA Resumo Alisso Herique dos Satos UEL Email: alisso_hs612@hotmail.com Ferada Felix Silva UEL Email: ferada.f.matematica@gmail.com

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) uma amostra aleatória da variável aleatória X. - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa

Leia mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico

Leia mais

Como a dimensão da amostra é , o número de inquiridos correspondente é

Como a dimensão da amostra é , o número de inquiridos correspondente é 41. p ˆ 0, 5 e z 1, 960 Se a amplitude é 0,, etão a margem de erro é 0,1. 0,5 0,48 1,960 0,1 0,496 96 0,0510 0,496 0,0510 0,496 0,0510 Tema 5 71) 1.1 4 11 6% Como a dimesão da amostra é 15 800, o úmero

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 006 -. a Fase Proposta de resolução 1. 1.1. 1.1.1. Utilizado a iformação da tabela dada e idetificado o úmero de votos de cada partido com a

Leia mais

O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO

O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO Sérgio Ferado Mayerle, Dr. UFSC / CTC / EPS - mayerle@eps.ufsc.br - Floriaópolis - SC Thiago Dedavid de Almeida Bastos

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

1 Amintas engenharia

1 Amintas engenharia 1 Amitas egeharia 2 Cálculo Numérico 1. Itrodução Amitas Paiva Afoso 3 1. Itrodução O que é o Cálculo Numérico? 4 1. Itrodução O Cálculo Numérico correspode a um cojuto de ferrametas ou métodos usados

Leia mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? 1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de

Leia mais

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ 1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma

Leia mais

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação

Leia mais

Estimadores de Momentos

Estimadores de Momentos Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo

Leia mais

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia

Leia mais

2.2. Séries de potências

2.2. Séries de potências Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para

Leia mais

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

O termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2

O termo linear significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2 MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

Leia mais

Medidas de Posição. É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores.

Medidas de Posição. É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores. Medidas de Posição São as estatísticas que represetam uma série de dados orietado-os quato à posição da distribuição em relação ao eixo horizotal do gráfico da curva de freqüêcia As medidas de posições

Leia mais

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Teorema do limite central e es/mação da proporção populacional p

Teorema do limite central e es/mação da proporção populacional p Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos

Leia mais

PREVISÃO DE PRECIPITAÇÃO

PREVISÃO DE PRECIPITAÇÃO 4 PREVISÃO DE PRECIPITAÇÃO PROBABILIDADE NOS PROJETOS Em Egeharia o cohecimeto das magitudes das precipitações apreseta grade iteresse prático por sua freqüete aplicação os projetos hidráulicos. Nos projetos

Leia mais

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a): Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Critérios de correção e orientações de resposta p-fólio

Critérios de correção e orientações de resposta p-fólio Miistério da Ciêcia, Tecologia e Esio Superior U.C. 037 Elemetos de Probabilidade e Estatística de Juho de 0 Critérios de correção e orietações de resposta p-fólio Neste relatório apresetam-se os critérios

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma

Leia mais

Estimação de Parâmetros. 1. Introdução

Estimação de Parâmetros. 1. Introdução Estimação de Parâmetros. Itrodução O objetivo da Estatística é a realização de iferêcia acerca de uma população, baseadas as iformações amostrais. Como as populações são caracterizados por medidas uméricas

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

MATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho

MATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho MATEMÁTICA Professor Haroldo Filho MÓDULO 6 ESTATÍSTICA 1.1 ESTATÍSTICA É a ciêcia que utiliza a coleta de dados, sua classificação, sua apresetação, sua aálise e sua iterpretação para se tomar algum tipo

Leia mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma

Leia mais

Descrição da cinética de secagem de frutos de banana Prata e D Água por modelos de regressão não linear

Descrição da cinética de secagem de frutos de banana Prata e D Água por modelos de regressão não linear Descrição da ciética de secagem de frutos de baaa Prata e D Água por modelos de regressão ão liear 1 Itrodução Thaís Destéfai Ribeiro 1 Ricardo Wager Pacopahyba de Mattos 1 Joel Augusto Muiz 1 Soraia Vilela

Leia mais

CE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo

CE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo CE07 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo LISTA - EXERCÍCIOS ) Para o modelo de regressão liear simples ormal, ecotre os estimadores de máxima verossimilhaça dos parâmetros β 0, β e σ

Leia mais

CARACTERIZAÇÃO DO CONJUNTO EQUILIBRADOR PARA GRAFOS COM GAP NULO

CARACTERIZAÇÃO DO CONJUNTO EQUILIBRADOR PARA GRAFOS COM GAP NULO CARACTERIZAÇÃO DO CONJUNTO EQUILIBRADOR PARA GRAFOS COM GAP NULO Maximiliao Pito Damas Programa de Egeharia de Produção Uiversidade Federal do Rio de Jaeiro e-mail: maxdamas@hotmailcom Lilia Markezo Núcleo

Leia mais

DERIVADAS DE FUNÇÕES11

DERIVADAS DE FUNÇÕES11 DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos

Leia mais

IMPLANTAÇÃO DE PROCEDIMENTO PARA CALIBRAÇÃO DE PAQUÍMETROS E MICRÔMETROS UTILIZADOS NA MONTAGEM E INTEGRAÇÃO DE SATÉLITES DO INPE/LIT

IMPLANTAÇÃO DE PROCEDIMENTO PARA CALIBRAÇÃO DE PAQUÍMETROS E MICRÔMETROS UTILIZADOS NA MONTAGEM E INTEGRAÇÃO DE SATÉLITES DO INPE/LIT IMPLANTAÇÃO DE PROCEDIMENTO PARA CALIBRAÇÃO DE PAQUÍMETROS E MICRÔMETROS UTILIZADOS NA MONTAGEM E INTEGRAÇÃO DE SATÉLITES DO INPE/LIT RELATÓRIO FINAL DE PROJETO DE INICIAÇÃO CIENTÍFICA (PIBIC/CNPq/INPE)

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

Teoria da Estimação 1

Teoria da Estimação 1 Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,

Leia mais

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS INTRODUÇÃO O desevolvimeto do homem deve-se ao fato de que ele procurou observar os acotecimetos ao seu redor. Ao ver os resultados dos diversos evetos, ele

Leia mais

KRIGAGEM UNIVERSAL (Metodologia geoestatística para dados não estacionários)

KRIGAGEM UNIVERSAL (Metodologia geoestatística para dados não estacionários) KRIGAGEM UNIVERSAL (Metodologia geoestatística para dados ão estacioários) Para a obteção de um variograma é suposto que a variável regioalizada teha um comportameto fracamete estacioário, ode os valores

Leia mais

OTIMIZAÇÃO IRRESTRITA: UM ESTUDO SOBRE O MÉTODO DE CAUCHY. PALAVRAS-CHAVE: Otimização irrestrita; Método de Cauchy; Método da seção áurea.

OTIMIZAÇÃO IRRESTRITA: UM ESTUDO SOBRE O MÉTODO DE CAUCHY. PALAVRAS-CHAVE: Otimização irrestrita; Método de Cauchy; Método da seção áurea. OTIMIZAÇÃO IRRESTRITA: UM ESTUDO SOBRE O MÉTODO DE CAUCHY Eoque da Silva Sobral, (UNESPAR/FECILCAM), eoqur@hotmail.com.br Gislaie Aparecida Periçaro (OR), (UNESPAR/FECILCAM), gapericaro@fecilcam.br Solage

Leia mais

Estatística Descritiva. 3. Estatísticas Medidas de posição Medidas de dispersão

Estatística Descritiva. 3. Estatísticas Medidas de posição Medidas de dispersão Estatística Descritiva 3. Estatísticas 3.1. Medidas de posição 3.. Medidas de dispersão 1 Exemplo 1: Compare as 4 colheitadeiras quato às porcetages de quebra de semetes de milho. Tabela 1. Porcetagem

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 04 -. a Fase Proposta de resolução... Aplicado o método de Hodt a distribuição dos madatos, temos: Partido A B C D E Número de votos 4 4 Divisão

Leia mais

TÍTULO: EVOLUÇÃO DA VARIABILIDADE E DETECÇÃO DE TENDÊNCIA EM PARÂMETROS CLIMÁTICOS DE MUNICÍPIOS DO ESTADO DE SÃO PAULO

TÍTULO: EVOLUÇÃO DA VARIABILIDADE E DETECÇÃO DE TENDÊNCIA EM PARÂMETROS CLIMÁTICOS DE MUNICÍPIOS DO ESTADO DE SÃO PAULO Aais do Coic-Semesp. Volume 1, 2013 - Faculdade Ahaguera de Campias - Uidade 3. ISSN 2357-8904 TÍTULO: EVOLUÇÃO DA VARIABILIDADE E DETECÇÃO DE TENDÊNCIA EM PARÂMETROS CLIMÁTICOS DE MUNICÍPIOS DO ESTADO

Leia mais

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza

Leia mais

CARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR

CARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. CARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR Ruth Pereira Loureço (USP) ruth.p.loureco@gmail.com Lida Lee Ho

Leia mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais Capítulo 3: Gestão de stoques Curso de Admiistração de mpresas 2º Semestre 09 Disciplia: Admiistração da Logística e Patrimôio Capítulo 03: Gestão de estoques (Partes 3 e 4) Parte : Itrodução Parte 2:

Leia mais

A medição do som proveniente dos sistemas de transportes

A medição do som proveniente dos sistemas de transportes A medição do som proveiete dos sistemas de trasportes Um dos problemas causados pelos sistemas de trasportes são os ruídos gerados com a sua itesificação. Os íveis de pressão soora são as pricipais fotes

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

d) A partir do item c) encontre um estimador não viciado para σ 2.

d) A partir do item c) encontre um estimador não viciado para σ 2. Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre

Leia mais

Número-índice: Conceito, amostragem e construção de estimadores

Número-índice: Conceito, amostragem e construção de estimadores Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela

Leia mais

FICHA DE TRABALHO 11º ANO. Sucessões

FICHA DE TRABALHO 11º ANO. Sucessões . Observe a sequêcia das seguites figuras: FICHA DE TRABALHO º ANO Sucessões Vão-se costruido, sucessivamete, triâgulos equiláteros os vértices dos triâgulos equiláteros já existetes, prologado-se os seus

Leia mais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal. biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa

Leia mais

Redes Neurais. Redes de uma única camada O Perceptron elementar. Prof. Paulo Martins Engel. Classificação de padrões por um perceptron

Redes Neurais. Redes de uma única camada O Perceptron elementar. Prof. Paulo Martins Engel. Classificação de padrões por um perceptron Redes Neurais Redes de uma úica camada O Perceptro elemetar Classificação de padrões por um perceptro A tarefa de classificação cosiste em apreder a atribuir rótulos a dados que podem pertecer a uma etre

Leia mais

Capítulo I Séries Numéricas

Capítulo I Séries Numéricas Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...

Leia mais

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma

Leia mais

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco Taxas e Ídices Aa Maria Lima de Farias Dirce Uesu esco Itrodução Nesse texto apresetaremos coceitos básicos sobre ídices e taxas. Embora existam aplicações em diversos cotextos, essas otas utilizaremos

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

Sistematização de dados quantitativos

Sistematização de dados quantitativos Oficia de Textos, 005, pp.175-186 Prof. Dr. Emerso Galvai Sistematização de dados quatitativos 1. Apresetação É possível metir usado estatísticas, mas se mete mais, e melhor, sem estatísticas. É preciso

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

Sobre a unicidade de taxas internas de retorno positivas *

Sobre a unicidade de taxas internas de retorno positivas * Sobre a uicidade de taxas iteras de retoro positivas * Clóvis de Faro ** 1. Itrodução; 2. A fução valor futuro; 3. Codição de suficiêcia baseada em uma propriedade da fução k(i); 4. Cofroto com as codições

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,

Leia mais

Estatística II Licenciatura em Gestão TESTE I

Estatística II Licenciatura em Gestão TESTE I Estatística II Liceciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circustâcia, é motivo suficiete para a aulação

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão Nome: N.º Turma: Professor: Classificação: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as ustificações

Leia mais

Lista IC, tamanho de amostra e TH

Lista IC, tamanho de amostra e TH Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o

Leia mais

OMBRO-CABEÇA-OMBRO : TESTANDO A LUCRATIVIDADE DO PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO

OMBRO-CABEÇA-OMBRO : TESTANDO A LUCRATIVIDADE DO PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO Caro parecerista, Agradecemos as sugestões e críticas ao osso artigo, as quais procuramos observar a revisão do artigo. A seguir você ecotrará um relatório descrevedo todos os ajustes realizados, a ordem

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003)

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003) UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA -ESTATÍSTICA II (CE003) Prof. Beito Olivares Aguilera o Sem./6. Usado os dados da Tabela o Aexo (Seção Orçameto da MB),

Leia mais

Sumário. 2 Índice Remissivo 17

Sumário. 2 Índice Remissivo 17 i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................

Leia mais

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

Leia mais

Quantificando os Fenômenos Biológicos

Quantificando os Fenômenos Biológicos 1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que

Leia mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

S E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números

S E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim

Leia mais

Secção 1. Introdução às equações diferenciais

Secção 1. Introdução às equações diferenciais Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Nacioal de Matemática Aplicada às Ciêcias Sociais 2013-1. a Fase Proposta de resolução 1. 1.1. Aplicado o método descrito, icluido o tema Festas, temos: Potuação do tema Bullig: 3 415 + 1 370 + 2

Leia mais

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

TRANSPORTES. Sessão Prática 4 Amostragem de escalares Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas

Leia mais

CORRELAÇÃO Aqui me tens de regresso

CORRELAÇÃO Aqui me tens de regresso CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.

Leia mais

ESTATÍSTICA E PROBABILIDADES

ESTATÍSTICA E PROBABILIDADES ESTATÍSTICA E PROBABILIDADES Aluo(a): Turma: Professores: Data: Edu/Vicete Noções de Estatística Podemos eteder a Estatística como sedo o método de estudo de comportameto coletivo, cujas coclusões são

Leia mais