SlideShare uma empresa Scribd logo
1 de 22
Baixar para ler offline
Modelagem
Matemática
Diâmetro x Peso e o Volume de
suco em uma laranja
O que é Modelagem Matemática
A modelagem matemática, de
uma forma simples, resume-se
à criação de um modelo
matemático (um padrão ou
fórmula matemática) para
explicação ou compreensão de
um fenômeno natural
2
Técnicas de análise do
experimento
Gráfico, média, desvio padrão
1
Média e Desvio Padrão
● Para realizar a análise estatística usaremos a média e o
desvio padrão, para validarmos os dados coletados e
sua confiabilidade.
● Para representarmos os valores obtidos e tendência
encontra utilizaremos os gráficos, que possuem a
melhor aplicabilidade quando valores tabelados são o
ponto de partida.
4
Gráficos de Dispersão
Linear
2
Gráfico de dispersão
O gráfico de dispersão grava pares de informações
numéricas, com um fator em cada eixo, para procurar uma
conexão entre eles. Se os fatores estiverem conectados, os
pontos cairão em uma curva ou linha. Quanto maior o
significado, mais apertados os pontos irão se concentrar ao
redor da linha.
6
Linha de Tendência
As linhas de tendência são usadas para exibir graficamente
tendências em dados e para ajudar a analisar problemas de
previsão. Usando elas podemos esticar uma linha de
tendência para além dos dados reais para prever valores
futuros.
Com o uso da linha de tendência podemos traçar uma
tendência entre os 10 valores coletados e achar uma
equação matemática válida que vincule o peso e o diâmetro
da laranja a sua quantidade de suco.
7
Linha de Tendência Linear
● Uma linha de tendência linear é uma linha reta de melhor ajuste
usada com conjuntos de dados lineares simples. Seus dados
serão lineares se o padrão nos pontos de dados se parecer com
uma linha. Uma linha de tendência linear geralmente mostra que
algo está aumentando ou diminuindo com uma taxa constante.
● A regressão linear simples estabelece uma equação matemática
linear que descreve o relacionamento entre duas variáveis, uma
dependente e outra independente, com a finalidade de estimar
valores para uma variável, com base em valores conhecidos da
outra. Sua resultante é a equação de uma reta.
8
Linha de Tendência Linear
Como estamos trabalhando com duas variáveis por vez e o
objetivo final do estudo é encontrar uma equação matemática
válida para os dados coletados , a linha de tendência linear
simples, dentro da linha de tendência linear, será a ferramenta
utilizada em nosso estudo.
9
R-quadrado (R²)
● R-quadrado representa a %de variação na resposta que é
explicada pelo modelo. Ele é calculado como 1 menos a razão
da soma dos quadrados dos erros (que é a variação que não é
explicada pelo modelo) para a soma total dos quadrados (que é
a variação total no modelo).
● O R-quadrado é apenas uma medida de o quão bem o modelo
ajusta os dados. Quanto maior o número da amostra, mais exato
é o R-quadrado.
10
Experimento
Objetivo, Método, Instrumentos, Medição
3
EXPERIMENTO
● Medir o diâmetro, peso e volume de suco em cada laranja
Objetivo
● Estudar a relação entre peso e diâmetro de uma laranja e o
volume (em mililitros) de seu suco extraído. Buscar uma relação
matemática.
12
MÉTODO
● As laranjas foram numeradas de 1 a 10 e foi verificado seu peso,
diâmetro e volume de suco foram medidos e coletados,
utilizando a tabela abaixo.
13
Balança de alimentos
(precisão de 1 grama)
Fita métrica
(precisão de 1 cm)
Copo de receitas
(precisão de 1 mililitro)
LARANJA PESO (G) DIÂMETRO (CM) SUCO (ML)
1
2
3
4
5
6
7
8
9
10
Análise dos dados
Gráficos e cálculo da relação matemática
4
COLETA DE DADOS E GRÁFICO DE DISPERSÃO
Foi-se observado uma relação de proporcionalidade entre o
diâmetro, peso e volume de suco das laranjas, onde quanto maior
seu peso e diâmetro, maior o volume contido.
15
LARANJA PESO (G) DIÂMETRO (CM)
SUCO
(ML)
1 275 25,5 127
2 263 25 115
3 260 25 120
4 254 25,5 110
5 235 24,5 116
6 230 24,5 100
7 222 24 98
8 217 24 92
9 275 25,5 127
10 217 24 92
80
90
100
110
120
130
200 220 240 260 280
PESO/SUCO (ML)
80
90
100
110
120
130
23,5 24 24,5 25 25,5 26
DIÂMETRO/SUCO (ML)
LINHA DE TENDÊNCIA LINEAR
16
y = 18,276x - 342,63
R² = 0,7428
85
90
95
100
105
110
115
120
125
130
23,5 24 24,5 25 25,5 26
DIÂMETRO/SUCO (ML)
y = 0,5428x - 23,175
R² = 0,8769
84
88
92
96
100
104
108
112
116
120
124
128
132
209 229 249 269 289
PESO/SUCO (ML)
Y=18,276X – 342,63 Y=0,5428X – 23,175
O R² varia de 0 a 1. Quanto maior o R², mais explicativo é o
modelo, melhor ele se ajusta à amostra
COMPROVAÇÃO DAS EQUAÇÕES (DIÂMETRO/VOLUME)
Para validarmos as equações encontradas, aplicamos as fórmulas substituindo o “X” pelas suas
variáveis (diâmetro e peso) já coletadas para compararmos com o volume tabelado, comparando
assim volume teórico x volume tabelado.
17
DIÂMETRO (CM) Y=18,276*X-342,63 SUCO (ML) DESVIO DESVIO
25,5 123,408 127 2,8283 2,8283
25 114,27 115 0,6348 0,6348
25 114,27 120 4,7750 4,7750
25,5 123,408 110 -12,1891 12,1891
24,5 105,132 116 9,3690 9,3690
24,5 105,132 100 -5,1320 5,1320
24 95,994 98 2,0469 2,0469
24 95,994 92 -4,3413 4,3413
25,5 123,408 127 2,8283 2,8283
24 95,994 92 -4,3413 4,3413
4,8486
X = DIÂMETRO
“Y=18,276*X-342,63” = FÓRMULA ENCONTRADA PARA O VOLUME/DIÂMETRO
DESVIO = DESVIO PADRÃO EM PORCENTAGEM (MÉDIA DE 4,85%)
Desvio Padrão: (Volume tabelado – Volume Teórico ) x 100
Volume tabelado
COMPROVAÇÃO DAS EQUAÇÕES (PESO/VOLUME)
Para validarmos as equações encontradas, aplicamos as fórmulas substituindo o “X” pelas suas
variáveis (diâmetro e peso) já coletadas para compararmos com o volume tabelado, comparando
assim volume teórico x volume tabelado.
18
X = PESO
“Y=0,5428*X-23,175” = FÓRMULA ENCONTRADA PARA O VOLUME/DIÂMETRO
DESVIO = DESVIO PADRÃO EM PORCENTAGEM (MÉDIA DE 2,94%)
PESO (G) Y=0,5428*X-23,175 SUCO (ML) DESVIO DESVIO
275 126,095 127 0,7126 0,7126
263 119,5814 115 -3,9838 3,9838
260 117,953 120 1,7058 1,7058
254 114,6962 110 -4,2693 4,2693
235 104,383 116 10,0147 10,0147
230 101,669 100 -1,6690 1,6690
222 97,3266 98 0,6871 0,6871
217 94,6126 92 -2,8398 2,8398
275 126,095 127 0,7126 0,7126
217 94,6126 92 -2,8398 2,8398
2,9434
Desvio Padrão: (Volume tabelado – Volume Teórico ) x 100
Volume tabelado
Conclusão
Modelagem matemática é legal!
5
CONCLUSÃO
Concluímos que a modelagem matemática auxilia em
trazer um problema para uma abordagem matemática
clara, prever eventos futuros e traçar padrões para
acontecimentos ou variáveis repetitivas.
Quanto maior a quantidade de amostras, mais a
assertividade dos dados e menor o desvio padrão.
20
21
Obrigado!
Alguma pergunta?
Créditos
● EDUARDO MALAFAIA
● BRUNO PEREIRA
● GABRIEL PUGLIESI
● IGOR RODRIGUES
● DHIONY DE OLIVEIRA
● ANDERSON MARÇAL
PROFESSOR ORIENTADOR: RICARDO ARANTES
22

Mais conteúdo relacionado

Mais procurados

Cap4 - Parte 7 - Distribuição Normal
Cap4 - Parte 7 - Distribuição NormalCap4 - Parte 7 - Distribuição Normal
Cap4 - Parte 7 - Distribuição NormalRegis Andrade
 
Probabilidade e Estatística - Aula 03
Probabilidade e Estatística - Aula 03Probabilidade e Estatística - Aula 03
Probabilidade e Estatística - Aula 03Augusto Junior
 
Análise de correlação
Análise de correlaçãoAnálise de correlação
Análise de correlaçãoEconomia Silva
 
Função de densidade normal bom
Função de densidade normal   bomFunção de densidade normal   bom
Função de densidade normal bomjon024
 
A distribuição normal
A distribuição normalA distribuição normal
A distribuição normalLiliane Ennes
 
Distribuicaonormal
DistribuicaonormalDistribuicaonormal
Distribuicaonormalthiagoufal
 
Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais Rodrigo Rodrigues
 
Conceitos de estatística espacial
Conceitos de estatística espacialConceitos de estatística espacial
Conceitos de estatística espacialunesp
 
Apostila de metodos_quantitativos_-_prof._joao_furtado
Apostila de metodos_quantitativos_-_prof._joao_furtadoApostila de metodos_quantitativos_-_prof._joao_furtado
Apostila de metodos_quantitativos_-_prof._joao_furtadoWannessa Souza
 

Mais procurados (20)

Cap4 - Parte 7 - Distribuição Normal
Cap4 - Parte 7 - Distribuição NormalCap4 - Parte 7 - Distribuição Normal
Cap4 - Parte 7 - Distribuição Normal
 
econometria
 econometria econometria
econometria
 
Conceitos Básicos de Estatística II
Conceitos Básicos de Estatística IIConceitos Básicos de Estatística II
Conceitos Básicos de Estatística II
 
Regressão Linear Múltipla
Regressão Linear MúltiplaRegressão Linear Múltipla
Regressão Linear Múltipla
 
02 tópico 1 - regressão linear simples 02 - Econometria - Graduação - UFPA
02   tópico 1 - regressão linear simples 02 - Econometria - Graduação - UFPA02   tópico 1 - regressão linear simples 02 - Econometria - Graduação - UFPA
02 tópico 1 - regressão linear simples 02 - Econometria - Graduação - UFPA
 
Probabilidade e Estatística - Aula 03
Probabilidade e Estatística - Aula 03Probabilidade e Estatística - Aula 03
Probabilidade e Estatística - Aula 03
 
Correlação
CorrelaçãoCorrelação
Correlação
 
Análise de correlação
Análise de correlaçãoAnálise de correlação
Análise de correlação
 
Função de densidade normal bom
Função de densidade normal   bomFunção de densidade normal   bom
Função de densidade normal bom
 
Regressão Espacial
Regressão EspacialRegressão Espacial
Regressão Espacial
 
Tópico 4 regressão linear simples 02
Tópico 4   regressão linear simples 02Tópico 4   regressão linear simples 02
Tópico 4 regressão linear simples 02
 
A distribuição normal
A distribuição normalA distribuição normal
A distribuição normal
 
Distribuicaonormal
DistribuicaonormalDistribuicaonormal
Distribuicaonormal
 
Regressão Linear I
Regressão Linear IRegressão Linear I
Regressão Linear I
 
Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais
 
distribuição-t-student
distribuição-t-studentdistribuição-t-student
distribuição-t-student
 
Distribuição Normal
Distribuição NormalDistribuição Normal
Distribuição Normal
 
Conceitos de estatística espacial
Conceitos de estatística espacialConceitos de estatística espacial
Conceitos de estatística espacial
 
Unidade 5 - estastitica
Unidade 5 - estastiticaUnidade 5 - estastitica
Unidade 5 - estastitica
 
Apostila de metodos_quantitativos_-_prof._joao_furtado
Apostila de metodos_quantitativos_-_prof._joao_furtadoApostila de metodos_quantitativos_-_prof._joao_furtado
Apostila de metodos_quantitativos_-_prof._joao_furtado
 

Semelhante a Atividade Prática Supervisionada - Engenharia Básica - Modelagem Matemática (peso, diâmetro e volume de uma laranja)

Semelhante a Atividade Prática Supervisionada - Engenharia Básica - Modelagem Matemática (peso, diâmetro e volume de uma laranja) (20)

Aula 2 mat ef
Aula 2   mat efAula 2   mat ef
Aula 2 mat ef
 
Organização tratamento de_dados
Organização tratamento de_dadosOrganização tratamento de_dados
Organização tratamento de_dados
 
Analise fatorial spss
Analise fatorial spssAnalise fatorial spss
Analise fatorial spss
 
Estatisitica
EstatisiticaEstatisitica
Estatisitica
 
Apresentação de Estatística - 10º ano -Mat A
Apresentação de Estatística - 10º ano -Mat AApresentação de Estatística - 10º ano -Mat A
Apresentação de Estatística - 10º ano -Mat A
 
Estatística completa
Estatística completaEstatística completa
Estatística completa
 
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.pptCurso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
 
1.0_aula_ Medidas SI.ppt jjjjjjjjjjjjjjjj
1.0_aula_ Medidas SI.ppt jjjjjjjjjjjjjjjj1.0_aula_ Medidas SI.ppt jjjjjjjjjjjjjjjj
1.0_aula_ Medidas SI.ppt jjjjjjjjjjjjjjjj
 
Regressao linear
Regressao linearRegressao linear
Regressao linear
 
GráFico De Setores
GráFico De SetoresGráFico De Setores
GráFico De Setores
 
Estdescr
EstdescrEstdescr
Estdescr
 
Estatística Descritiva
Estatística DescritivaEstatística Descritiva
Estatística Descritiva
 
Introdução à Estatística
Introdução à EstatísticaIntrodução à Estatística
Introdução à Estatística
 
Estatística 8.º ano
Estatística 8.º anoEstatística 8.º ano
Estatística 8.º ano
 
Estatística 8.º ano
Estatística 8.º anoEstatística 8.º ano
Estatística 8.º ano
 
Análise exploratória de dados no SPSS
Análise exploratória de dados no SPSSAnálise exploratória de dados no SPSS
Análise exploratória de dados no SPSS
 
Estatistica resumo
Estatistica   resumoEstatistica   resumo
Estatistica resumo
 
Raciocinio logico.pptx
Raciocinio logico.pptxRaciocinio logico.pptx
Raciocinio logico.pptx
 
4426477 matematica-e-realidade-aula-08-551
4426477 matematica-e-realidade-aula-08-5514426477 matematica-e-realidade-aula-08-551
4426477 matematica-e-realidade-aula-08-551
 
Material estatística
Material estatísticaMaterial estatística
Material estatística
 

Último

07 - MICRÔMETRO EXTERNO SISTEMA MÉTRICO.pptx
07 - MICRÔMETRO EXTERNO SISTEMA MÉTRICO.pptx07 - MICRÔMETRO EXTERNO SISTEMA MÉTRICO.pptx
07 - MICRÔMETRO EXTERNO SISTEMA MÉTRICO.pptxVagner Soares da Costa
 
Lista de presença treinamento de EPI NR-06
Lista de presença treinamento de EPI NR-06Lista de presença treinamento de EPI NR-06
Lista de presença treinamento de EPI NR-06AndressaTenreiro
 
apresentação de Bancos de Capacitores aula
apresentação de Bancos de Capacitores aulaapresentação de Bancos de Capacitores aula
apresentação de Bancos de Capacitores aulaWilliamCruz402522
 
Apresentação Manutenção Total Produtiva - TPM
Apresentação Manutenção Total Produtiva - TPMApresentação Manutenção Total Produtiva - TPM
Apresentação Manutenção Total Produtiva - TPMdiminutcasamentos
 
TRABALHO INSTALACAO ELETRICA EM EDIFICIO FINAL.docx
TRABALHO INSTALACAO ELETRICA EM EDIFICIO FINAL.docxTRABALHO INSTALACAO ELETRICA EM EDIFICIO FINAL.docx
TRABALHO INSTALACAO ELETRICA EM EDIFICIO FINAL.docxFlvioDadinhoNNhamizi
 
10 - RELOGIO COMPARADOR - OPERAÇÃO E LEITURA.pptx
10 - RELOGIO COMPARADOR - OPERAÇÃO E LEITURA.pptx10 - RELOGIO COMPARADOR - OPERAÇÃO E LEITURA.pptx
10 - RELOGIO COMPARADOR - OPERAÇÃO E LEITURA.pptxVagner Soares da Costa
 
NR10 - Treinamento LOTO - 2023.pp tx
NR10 - Treinamento LOTO - 2023.pp     txNR10 - Treinamento LOTO - 2023.pp     tx
NR10 - Treinamento LOTO - 2023.pp txrafaelacushman21
 

Último (7)

07 - MICRÔMETRO EXTERNO SISTEMA MÉTRICO.pptx
07 - MICRÔMETRO EXTERNO SISTEMA MÉTRICO.pptx07 - MICRÔMETRO EXTERNO SISTEMA MÉTRICO.pptx
07 - MICRÔMETRO EXTERNO SISTEMA MÉTRICO.pptx
 
Lista de presença treinamento de EPI NR-06
Lista de presença treinamento de EPI NR-06Lista de presença treinamento de EPI NR-06
Lista de presença treinamento de EPI NR-06
 
apresentação de Bancos de Capacitores aula
apresentação de Bancos de Capacitores aulaapresentação de Bancos de Capacitores aula
apresentação de Bancos de Capacitores aula
 
Apresentação Manutenção Total Produtiva - TPM
Apresentação Manutenção Total Produtiva - TPMApresentação Manutenção Total Produtiva - TPM
Apresentação Manutenção Total Produtiva - TPM
 
TRABALHO INSTALACAO ELETRICA EM EDIFICIO FINAL.docx
TRABALHO INSTALACAO ELETRICA EM EDIFICIO FINAL.docxTRABALHO INSTALACAO ELETRICA EM EDIFICIO FINAL.docx
TRABALHO INSTALACAO ELETRICA EM EDIFICIO FINAL.docx
 
10 - RELOGIO COMPARADOR - OPERAÇÃO E LEITURA.pptx
10 - RELOGIO COMPARADOR - OPERAÇÃO E LEITURA.pptx10 - RELOGIO COMPARADOR - OPERAÇÃO E LEITURA.pptx
10 - RELOGIO COMPARADOR - OPERAÇÃO E LEITURA.pptx
 
NR10 - Treinamento LOTO - 2023.pp tx
NR10 - Treinamento LOTO - 2023.pp     txNR10 - Treinamento LOTO - 2023.pp     tx
NR10 - Treinamento LOTO - 2023.pp tx
 

Atividade Prática Supervisionada - Engenharia Básica - Modelagem Matemática (peso, diâmetro e volume de uma laranja)

  • 1. Modelagem Matemática Diâmetro x Peso e o Volume de suco em uma laranja
  • 2. O que é Modelagem Matemática A modelagem matemática, de uma forma simples, resume-se à criação de um modelo matemático (um padrão ou fórmula matemática) para explicação ou compreensão de um fenômeno natural 2
  • 3. Técnicas de análise do experimento Gráfico, média, desvio padrão 1
  • 4. Média e Desvio Padrão ● Para realizar a análise estatística usaremos a média e o desvio padrão, para validarmos os dados coletados e sua confiabilidade. ● Para representarmos os valores obtidos e tendência encontra utilizaremos os gráficos, que possuem a melhor aplicabilidade quando valores tabelados são o ponto de partida. 4
  • 6. Gráfico de dispersão O gráfico de dispersão grava pares de informações numéricas, com um fator em cada eixo, para procurar uma conexão entre eles. Se os fatores estiverem conectados, os pontos cairão em uma curva ou linha. Quanto maior o significado, mais apertados os pontos irão se concentrar ao redor da linha. 6
  • 7. Linha de Tendência As linhas de tendência são usadas para exibir graficamente tendências em dados e para ajudar a analisar problemas de previsão. Usando elas podemos esticar uma linha de tendência para além dos dados reais para prever valores futuros. Com o uso da linha de tendência podemos traçar uma tendência entre os 10 valores coletados e achar uma equação matemática válida que vincule o peso e o diâmetro da laranja a sua quantidade de suco. 7
  • 8. Linha de Tendência Linear ● Uma linha de tendência linear é uma linha reta de melhor ajuste usada com conjuntos de dados lineares simples. Seus dados serão lineares se o padrão nos pontos de dados se parecer com uma linha. Uma linha de tendência linear geralmente mostra que algo está aumentando ou diminuindo com uma taxa constante. ● A regressão linear simples estabelece uma equação matemática linear que descreve o relacionamento entre duas variáveis, uma dependente e outra independente, com a finalidade de estimar valores para uma variável, com base em valores conhecidos da outra. Sua resultante é a equação de uma reta. 8
  • 9. Linha de Tendência Linear Como estamos trabalhando com duas variáveis por vez e o objetivo final do estudo é encontrar uma equação matemática válida para os dados coletados , a linha de tendência linear simples, dentro da linha de tendência linear, será a ferramenta utilizada em nosso estudo. 9
  • 10. R-quadrado (R²) ● R-quadrado representa a %de variação na resposta que é explicada pelo modelo. Ele é calculado como 1 menos a razão da soma dos quadrados dos erros (que é a variação que não é explicada pelo modelo) para a soma total dos quadrados (que é a variação total no modelo). ● O R-quadrado é apenas uma medida de o quão bem o modelo ajusta os dados. Quanto maior o número da amostra, mais exato é o R-quadrado. 10
  • 12. EXPERIMENTO ● Medir o diâmetro, peso e volume de suco em cada laranja Objetivo ● Estudar a relação entre peso e diâmetro de uma laranja e o volume (em mililitros) de seu suco extraído. Buscar uma relação matemática. 12
  • 13. MÉTODO ● As laranjas foram numeradas de 1 a 10 e foi verificado seu peso, diâmetro e volume de suco foram medidos e coletados, utilizando a tabela abaixo. 13 Balança de alimentos (precisão de 1 grama) Fita métrica (precisão de 1 cm) Copo de receitas (precisão de 1 mililitro) LARANJA PESO (G) DIÂMETRO (CM) SUCO (ML) 1 2 3 4 5 6 7 8 9 10
  • 14. Análise dos dados Gráficos e cálculo da relação matemática 4
  • 15. COLETA DE DADOS E GRÁFICO DE DISPERSÃO Foi-se observado uma relação de proporcionalidade entre o diâmetro, peso e volume de suco das laranjas, onde quanto maior seu peso e diâmetro, maior o volume contido. 15 LARANJA PESO (G) DIÂMETRO (CM) SUCO (ML) 1 275 25,5 127 2 263 25 115 3 260 25 120 4 254 25,5 110 5 235 24,5 116 6 230 24,5 100 7 222 24 98 8 217 24 92 9 275 25,5 127 10 217 24 92 80 90 100 110 120 130 200 220 240 260 280 PESO/SUCO (ML) 80 90 100 110 120 130 23,5 24 24,5 25 25,5 26 DIÂMETRO/SUCO (ML)
  • 16. LINHA DE TENDÊNCIA LINEAR 16 y = 18,276x - 342,63 R² = 0,7428 85 90 95 100 105 110 115 120 125 130 23,5 24 24,5 25 25,5 26 DIÂMETRO/SUCO (ML) y = 0,5428x - 23,175 R² = 0,8769 84 88 92 96 100 104 108 112 116 120 124 128 132 209 229 249 269 289 PESO/SUCO (ML) Y=18,276X – 342,63 Y=0,5428X – 23,175 O R² varia de 0 a 1. Quanto maior o R², mais explicativo é o modelo, melhor ele se ajusta à amostra
  • 17. COMPROVAÇÃO DAS EQUAÇÕES (DIÂMETRO/VOLUME) Para validarmos as equações encontradas, aplicamos as fórmulas substituindo o “X” pelas suas variáveis (diâmetro e peso) já coletadas para compararmos com o volume tabelado, comparando assim volume teórico x volume tabelado. 17 DIÂMETRO (CM) Y=18,276*X-342,63 SUCO (ML) DESVIO DESVIO 25,5 123,408 127 2,8283 2,8283 25 114,27 115 0,6348 0,6348 25 114,27 120 4,7750 4,7750 25,5 123,408 110 -12,1891 12,1891 24,5 105,132 116 9,3690 9,3690 24,5 105,132 100 -5,1320 5,1320 24 95,994 98 2,0469 2,0469 24 95,994 92 -4,3413 4,3413 25,5 123,408 127 2,8283 2,8283 24 95,994 92 -4,3413 4,3413 4,8486 X = DIÂMETRO “Y=18,276*X-342,63” = FÓRMULA ENCONTRADA PARA O VOLUME/DIÂMETRO DESVIO = DESVIO PADRÃO EM PORCENTAGEM (MÉDIA DE 4,85%) Desvio Padrão: (Volume tabelado – Volume Teórico ) x 100 Volume tabelado
  • 18. COMPROVAÇÃO DAS EQUAÇÕES (PESO/VOLUME) Para validarmos as equações encontradas, aplicamos as fórmulas substituindo o “X” pelas suas variáveis (diâmetro e peso) já coletadas para compararmos com o volume tabelado, comparando assim volume teórico x volume tabelado. 18 X = PESO “Y=0,5428*X-23,175” = FÓRMULA ENCONTRADA PARA O VOLUME/DIÂMETRO DESVIO = DESVIO PADRÃO EM PORCENTAGEM (MÉDIA DE 2,94%) PESO (G) Y=0,5428*X-23,175 SUCO (ML) DESVIO DESVIO 275 126,095 127 0,7126 0,7126 263 119,5814 115 -3,9838 3,9838 260 117,953 120 1,7058 1,7058 254 114,6962 110 -4,2693 4,2693 235 104,383 116 10,0147 10,0147 230 101,669 100 -1,6690 1,6690 222 97,3266 98 0,6871 0,6871 217 94,6126 92 -2,8398 2,8398 275 126,095 127 0,7126 0,7126 217 94,6126 92 -2,8398 2,8398 2,9434 Desvio Padrão: (Volume tabelado – Volume Teórico ) x 100 Volume tabelado
  • 20. CONCLUSÃO Concluímos que a modelagem matemática auxilia em trazer um problema para uma abordagem matemática clara, prever eventos futuros e traçar padrões para acontecimentos ou variáveis repetitivas. Quanto maior a quantidade de amostras, mais a assertividade dos dados e menor o desvio padrão. 20
  • 22. Créditos ● EDUARDO MALAFAIA ● BRUNO PEREIRA ● GABRIEL PUGLIESI ● IGOR RODRIGUES ● DHIONY DE OLIVEIRA ● ANDERSON MARÇAL PROFESSOR ORIENTADOR: RICARDO ARANTES 22