Questão 1

De acordo com o projeto a ser aplicado, segue abaixo as variáveis a serem determinadas:

A abundância em duas estações e em dois tipos de ambiente diferentes: Chuvosa e Seca; ambiente degradado e preservado  - quantidade de indivíduos de uma espécie (entomofauna).
A riqueza em duas estações e em dois tipos de ambiente diferentes: Chuvosa e Seca; ambiente degradado e preservado - quantidade de espécies. 
A diversidade de cada ambiente a ser selecionado nas duas estações.
A similaridade dos ambientes.

Questão 2

Agência Reguladora de Serviços de Abastecimento de Água e de Esgotamento Sanitário do Estado de Minas Gerais ARSAE-MG

RESOLUÇÃO ARSAE-MG 015, de 24 de janeiro de 2012.

Homologa a Norma Técnica T.187/4 – Lançamento de Efluentes não Domésticos no Sistema de Esgotamento Sanitário da Companhia de Saneamento de Minas Gerais – COPASA MG.

3 DEFINIÇÕES Para efeitos desta Norma são adotadas as definições de 3.1 a 3.23: 3.1 Automonitoramento Procedimentos de controle periódico das características dos efluentes líquidos, a serem executados pelo usuário, conforme plano de automonitoramento aprovado pela Unidade Técnica da COPASA.

3.7 Fator de Carga Poluidora K É o fator utilizado para calcular a carga poluidora decorrente do despejo de efluentes não domésticos no sistema de esgotamento sanitário da COPASA, utilizando os parâmetros: demanda química de oxigênio (DQO) e sólidos em suspensão totais (SST).

3.11 Medidor de vazão Equipamento destinado a quantificação da vazão e totalização do volume do efluente líquido, a ser lançado no sistema público de esgotamento sanitário, instalado em local de fácil acesso, no limite interno da unidade usuária e/ou economia.

3.13 Pontos de amostragem e controle Locais, de fácil acesso, destinados à coleta de amostras de efluentes brutos ou após pré-tratamento, localizados nos limites internos do estabelecimento, devidamente definidos, detalhados, e posicionados no projeto técnico do sistema de efluentes. 3.14 Projeto técnico do sistema de efluentes líquidos do estabelecimento Conjunto de estudos e detalhamento técnico do sistema de efluentes líquidos do estabelecimento, elaborado pelo usuário e apresentados à COPASA, conforme Termo de Referência.

Tabela 1 - Parâmetros e limites para lançamento de efluentes não domésticos no sistema de esgotamento sanitário

PARÂMETRO UNIDADE DE MEDIDA LIMITE PERMITIDO

pH Mínimo: 6,0

Máximo: 10,0

Temperatura º C < 40

Sólidos sedimentáveis ml/ L 20

Gorduras, óleos e graxas mg/ L 150

Substâncias explosivas, inflamáveis ou orgânicas tóxicas mg/ L VMP(1)

Alumínio total mg/ L 3,0

Arsênio total mg/ L 3,0

Bário total mg/ L 5,0

Boro total mg/ L 5,0

Cádmio total mg/ L 5,0

Chumbo total mg/ L 10,0

Cobalto total mg/ L 1,0

Cobre total mg/ L 10,0

Cromo hexavalente mg/ L 1,5

Cromo total mg/ L 10,0

Estanho total mg/ L 5,0

Ferro solúvel mg/ L 15,0

Mercúrio total mg/ L 1,5

Níquel total mg/ L 5,0

Prata total mg/ L 5,0

Selênio total mg/ L 5,0

Vanádio total mg/ L 4,0

Zinco total mg/ L 5,0

Amônia mg/ L 500

Cianetos totais mg/ L 5,0

Índice de fenóis mg/ L 5,0

Fluoreto total mg/ L 10,0

Sulfeto total mg/ L 1,0

Sulfatos mg/ L 1.000

Substâncias tensoativas – ATA mg/ L 5,0

VMP(1) = Valor Máximo Permitido, a ser definido pela COPASA, exige análise laboratorial para especificação das substâncias orgânicas, ou não orgânicas, para a posterior determinação do teor daquelas de interesse.

Para o pleno atendimento às condições e critérios para o lançamento de efluentes líquidos, estabelecidos nesta Norma, devem ser observados: a) as leis, resoluções, deliberações normativas e demais procedimentos de licenciamento ambiental, bem como as orientações específicas dos Órgãos Estaduais e Municipais de Meio Ambiente; Notas: 1- A opção pelo lançamento de efluentes líquidos no sistema de esgotamento sanitário da COPASA não exime o usuário da apresentação ao órgão ambiental da documentação de licenciamento pertinente. 2- A COPASA somente aceitará os boletins de análise de laboratórios cadastrados, conforme DN89, DN120 e DN140, do COPAM. b) o Contrato de prestação de serviços entre a COPASA e o Usuário para o lançamento dos efluentes líquidos do estabelecimento; c) os procedimentos, as condições e orientações estabelecidas em convênios e demais instrumentos de cooperação celebrados entre a COPASA e os órgãos estaduais e municipais de meio ambiente, envolvidos. 5 CONDIÇOES ESPECÍFICAS 5.1 Fator de Carga Poluidora K 5.1.1 O fator “K” incide no cálculo da fatura mensal de esgoto da unidade usuária ou economia, e é consubstanciado no princípio poluidor pagador: quem polui mais paga mais. 5.1.2 O fator é definido em função dos resultados das análises dos parâmetros: Demanda Química de Oxigênio - DQO e Sólidos em Suspensão Totais – SST cuja matriz é apresentada no Anexo desta Norma. 5.1.3 Nos casos em que os lançamentos ocorram na rede coletora de esgotos da COPASA e os resultados dos parâmetros DQO e SST ultrapassem os limites superiores das últimas faixas constantes no Anexo, o cálculo do fator é realizado conforme segue: K = 0,63 + 0,19 x (DQO/450) + 0,18 x (SST/300) 5.1.4 Nos casos em que os efluentes não domésticos forem transportados por meio de caminhões ou outros, em pontos definidos pela COPASA, utiliza-se apenas a fórmula a seguir: K = 0,26 + 0,38 x (DQO/450) + 0,36 x (SST/300) 5.1.5 Os valores mínimos admitidos para cálculo do fator de carga poluidora K, aplicados nas fórmulas dos itens 5.1.3 e 5.1.4, são DQO igual a 450 mg/L e SST igual a 300 mg/L. Nota: Quando utilizados esses valores mínimos o fator de carga poluidora K é igual a 1 e corresponde às características da carga poluidora de um esgoto doméstico. 6 DISPOSIÇÕES FINAIS 6.1 Essa Norma poderá ser revisada pela COPASA e homologada pela ARSAE MG, que estabelecerá ao gerador de END’s o prazo para adequação às alterações. 6.2 Cabem às áreas de Operação e Manutenção de esgoto da COPASA e às demais áreas de apoio, a aplicação dessa Norma. 6.3 Essa Norma entra em vigor a partir desta data, revogadas as disposições em contrário. ______________________________________________________________________

RESOLUÇÃO No 432, DE 13 DE JULHO DE 2011. Publicada no DOU N° 134, em 14/07/2011, pág. 69

Correlações: • Complementa a Resolução nº 297, de 2002

Estabelece novas fases de controle de emissões de gases poluentes por ciclomotores, motociclos e veículos similares novos, e dá outras providências.

CAPÍTULO II DOS FATORES DE DETERIORAÇÃO DAS EMISSÕES

Art. 10. A partir de 1o de janeiro de 2014, nos processos de homologação, os fabricantes e importadores de ciclomotores, motociclos, triciclos e quadriciclos devem aplicar os fatores de deterioração (FD) obtidos conforme Norma ABNT NBR 14008, ou norma sucedânea, às emissões dos veículos de mesma configuração de motor e transmissão que tenham previsão de vendas anuais maiores do que 10.000 unidades, conforme se segue: a) para ciclomotores a distância a ser percorrida para a determinação do FD é de 10.000km e os ensaios de emissão devem ser realizados nos intervalos de manutenção do veículo, conforme o plano de manutenção recomendado pelo seu fabricante; b) para motociclos, triciclos e quadriciclos com velocidade máxima menor que 130km/h a distância a ser percorrida para a determinação do FD é de 18.000km e os ensaios de emissão devem ser realizados nos intervalos de manutenção do veículo, conforme o plano de manutenção recomendado pelo seu fabricante; e c) para motociclos, triciclos e quadriciclos com velocidade máxima maior ou igual a 130km/h a distância a ser percorrida para a determinação do FD é de 30.000km e os ensaios de emissão devem ser realizados nos intervalos de manutenção do veículo, conforme o plano de manutenção recomendado pelo seu fabricante. § 1o Para produções ou importações inferiores a 10.000 unidades ano de veículos de mesma configuração de motor e transmissão será aplicado fator de deterioração pré-determinado de 20% para CO, HC e NOx, sendo facultado ao fabricante ou importador a determinação de FDs para uma configuração específica. § 2o O acúmulo de quilometragem será realizado conforme Norma ABNT NBR 14008, no ciclo AMA, com combustível comercial e os ensaios comprobatórios com combustível padrão. § 3o Para os agrupamentos de motores que apresentarem um aumento na previsão do volume de vendas, no momento da revalidação da licença para uso da configuração de ciclomotores, motociclos e similares - LCM para o ano seguinte, superando o limite de dez mil unidades por ano, admitir-se-á, em razão da duração dos ensaios para determinação dos fatores de deterioração, que estes sejam declarados num prazo máximo de um ano, fora o ano corrente, contado a partir da data de emissão da revalidação da LCM.

CAPÍTULO III DO CONTROLE DE PRODUÇÃO

Art. 11. É instituído, a partir de 1o de julho de 2011, com periodicidade semestral, o Relatório de Valores de Emissão da Produção-RVEP, para as configurações de ciclomotores, motociclos, triciclos e quadriciclos novos, com produção ou importação para comercialização no território nacional superiores a 1.000 unidades por semestre, incluindo-se suas extensões. § 1o A cada início de semestre, o fabricante ou importador representante deverá fornecer ao IBAMA, num prazo de trinta dias, o RVEP relativo ao semestre imediatamente anterior. § 2o Os relatórios deverão conter a identificação do laboratório e unidade executante e, por configuração de veículo ensaiado, data e número dos respectivos ensaios, com os seus valores de emissão obtidos, assim como a média e desvio padrão, sendo que, para cada configuração de veículo ou motor, deverá ser fornecido o respectivo valor de referência, conforme definido no Anexo desta Resolução. Art. 12. Os ensaios de emissões para o controle de produção feito no Brasil ou no exterior deverão ser realizados em laboratórios acreditados pelo INMETRO ou aceitos pelo IBAMA. Art. 13. Para cada configuração de ciclomotores, motociclos, triciclos e quadriciclos sujeita ao RVEP, serão ensaiadas três unidades por semestre, e estando os resultados médios abaixo dos respectivos limites de poluentes estabelecidos para a fase em que o veículo foi homologado, a produção será considerada conforme. § 1o Não havendo conformidade, segundo a condição definida no caput deste artigo, poderão ser acrescentada até duas unidades à amostra, sempre comparando os resultados médios obtidos com os limites de poluentes. § 2o Não atendido o limite para qualquer dos poluentes, utilizando-se até cinco unidades na amostra, a produção será considerada não conforme.

tabelas disponíveis em: [http://www.mma.gov.br/port/conama/legiabre.cfm?codlegi=653]

Questão 3

a) população é o conjunto de elementos ou resultados nos quais serão analisados.

b) amostragem é o processo para se obter amostras de uma determinada população, por tanto a amostragem aleatória é aquela em que as amostras tem a mesma chance de ser selecionada aleatoriamente.

c) a normalidade ou dados amostrais normal é a média das amostras juntamente com os seu respectivo desvio padrão. A proximidade normal, são valores que estão próximo dos valores normais, mas fora da curva norma.

Questão 4

P => 1.8, 2.2, 2.1, 2.3, 2.1, 2.2, 2.1, 2.1, 1.8, 1.9, 2.4, 2.0, 1.9, 1.9, 2.2, 2.3, 2.2, 2.3, 2.1, 2.2

P <- c(1.8, 2.2, 2.1, 2.3, 2.1, 2.2, 2.1, 2.1, 1.8, 1.9, 2.4, 2.0, 1.9, 1.9, 2.2, 2.3, 2.2, 2.3, 2.1, 2.2)
summary(P)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.800   1.975   2.100   2.105   2.200   2.400
stem(sort(P))
## 
##   The decimal point is 1 digit(s) to the left of the |
## 
##   18 | 00000
##   20 | 000000
##   22 | 00000000
##   24 | 0

Boxplot da amostragem:

boxplot(P, col = "gray", main ="NÍVEIS DE P")

a) Inicialmente podemos obsevar, no gráfico acima, que a amostragem apresenta assimetria.

median(P)
## [1] 2.1
#tirando o viés:
2.1 - 2
## [1] 0.1

Podemos obter sim um viés, já que o valor da mediana é superior à média da população.

b) i Calculando o desvio padrão e o t-teste

sd(P)
## [1] 0.1731291

O Desvio-padrão da amostra é de 0.1731 mg/l.

ii Calculando o erro-padrão

sd(P)/sqrt(20)
## [1] 0.03871284

iii Calculando o t-teste e o teste de Wicox:

t.test(P,alternative=c("two.sided"),mu=2,conf.level=0.95)
## 
##  One Sample t-test
## 
## data:  P
## t = 2.7123, df = 19, p-value = 0.01382
## alternative hypothesis: true mean is not equal to 2
## 95 percent confidence interval:
##  2.023973 2.186027
## sample estimates:
## mean of x 
##     2.105
wilcox.test(P, mu=2, conf.int = TRUE)
## 
##  Wilcoxon signed rank test with continuity correction
## 
## data:  P
## V = 157.5, p-value = 0.01164
## alternative hypothesis: true location is not equal to 2
## 95 percent confidence interval:
##  2.000049 2.200015
## sample estimates:
## (pseudo)median 
##       2.100042

Podemos observar um intervalo de confiança entre 2 a 2.2, mostrando que este indice está dentro do valor indicado pelo problema e que pode ser considerado válido.

Questão 5

dados TCCB (n=47) => 0.60, 0.50, 0.39, 0.84, 0.46, 0.39, 0.62, 0.67, 0.69, 0.81, 0.38, 0.79, 0.43, 0.57, 0.74, 0.27, 0.51, 0.35, 0.28, 0.45, 0.42, 1.14, 0.23, 0.72, 0.63, 0.50, 0.29, 0.82, 0.54, 1.13, 0.56, 1.33, 0.56, 1.11, 0.57, 0.89, 0.28, 1.20, 0.76, 0.26, 0.34, 0.52, 0.42, 0.22, 0.33, 1.14, 0.48

a) Primeiramente devemos nomeá-los(tccb), depois inserimos eles como dados pelo comando: nome <- c(dados). Observe abaixo como inserir os dados acima:

tccb  <- c(0.60, 0.50, 0.39, 0.84, 0.46, 0.39, 0.62, 0.67, 0.69, 0.81, 0.38, 0.79, 0.43, 0.57, 0.74, 0.27, 0.51, 0.35, 0.28, 0.45, 0.42, 1.14, 0.23, 0.72, 0.63, 0.50, 0.29, 0.82, 0.54, 1.13, 0.56, 1.33, 0.56, 1.11, 0.57, 0.89, 0.28, 1.20, 0.76, 0.26, 0.34, 0.52, 0.42, 0.22, 0.33, 1.14, 0.48)

b)

summary(tccb)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.2200  0.3900  0.5400  0.5985  0.7500  1.3300

Ao inserirmos o comando summary(tccb), podemos observar os seguintes valores:

máximo => 1.3300;

mínimo => 0.2200;

média => 0.5985;

mediana => 0.5400;

c) Ainda utilizando o comando summary(tccb), podemos observar os valores dos seguintes quartis:

1º quartil => 0.3900

3º quartil => 0.7500

Para calcular os quartis, inicialmente precisamos ordenar de forma crescente os dados da amostra e determinar sua mediana. O primeiro quartil é a mediana do novo conjunto de dados da amostra a esquerda da mediana e o terceiro quartil é a mediana do outro conjunto de dados formado a direita da mediana da amostra.

#ordenando os dados amostrais
sort(tccb)
##  [1] 0.22 0.23 0.26 0.27 0.28 0.28 0.29 0.33 0.34 0.35 0.38 0.39 0.39 0.42
## [15] 0.42 0.43 0.45 0.46 0.48 0.50 0.50 0.51 0.52 0.54 0.56 0.56 0.57 0.57
## [29] 0.60 0.62 0.63 0.67 0.69 0.72 0.74 0.76 0.79 0.81 0.82 0.84 0.89 1.11
## [43] 1.13 1.14 1.14 1.20 1.33
#Indicando os quertis
summary(tccb)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.2200  0.3900  0.5400  0.5985  0.7500  1.3300

d)

hist(tccb, breaks=47, density = 40, main="Concentração de tetraclorobenzeno-1,2,3,4 com curva de densidade", xlab ="tetraclorobenzeno-1,2,3,4", ylab = "Densidade" ) 
lines(density(tccb), col="red", lwd=2)

O histograma em questão indica, com a curva de densidade, um maior número de valores menores que 1 concentrando-os nos valores entre 0,4 a aproximadamente 0,6.

e) Idem ao item “d”.

f) A mediana, pois ela pode nos indicar melhor as variáveis qualitativas e quantitativas dos dados. Ela é mais eficaz no que se diz respeito a localização, pois esta é menos sensível aos dados muito discrepantes, chamados de outliers (valores muito maiores, ou valores muito menores da amostra).

g)

IQR(tccb)
## [1] 0.36
sd(tccb)
## [1] 0.2836408

Ao analisar os cauculos das questões anteriores, pode-se observar uma maior representatividade para os itervalos inter-quartis para a medida da variabilidade.

h)

boxplot(tccb, col = "blue")

Pode-se observar um ponto acima do gráfico indicando o outlier.

Questão 6

a) Hipótese:

Hipótese nula: mi=0.5 mg/L

Hipótese alternativa: mi1>0.5mg/L

b)

stem(tccb)
## 
##   The decimal point is 1 digit(s) to the left of the |
## 
##    2 | 2367889345899
##    4 | 223568001246677
##    6 | 023792469
##    8 | 1249
##   10 | 1344
##   12 | 03
boxplot(tccb, col = "gray")

t.test(tccb,alternative=c("greater"),mu=0.5,conf.level=0.95)
## 
##  One Sample t-test
## 
## data:  tccb
## t = 2.381, df = 46, p-value = 0.01073
## alternative hypothesis: true mean is greater than 0.5
## 95 percent confidence interval:
##  0.529059      Inf
## sample estimates:
## mean of x 
## 0.5985106
wilcox.test(tccb,alternative=c("greater"),mu=0.5,conf.int=TRUE)
## 
##  Wilcoxon signed rank test with continuity correction
## 
## data:  tccb
## V = 669.5, p-value = 0.04361
## alternative hypothesis: true location is greater than 0.5
## 95 percent confidence interval:
##  0.5049733       Inf
## sample estimates:
## (pseudo)median 
##      0.5700434

De acordo com os testes feitos acima, podemos acitar que a hipótes é válida.

c)

hist(tccb, xlab="TCCB", col="grey")

boxplot(tccb,xlab="TCCB",col="grey")

Analisando os dois gráficos não podemos afirmar que a distribuição é normal ja que estes apresentam assimetria dos valores.

d)

os erros são: Quando a hipotese nula é verdadeira e a rejeitamos e quando a hipótese nula é falsa e não a rejeitamos.

e) i

t.test(tccb, alternative = c("two.sided"),mu=0.5, conf.level= 0.95)
## 
##  One Sample t-test
## 
## data:  tccb
## t = 2.381, df = 46, p-value = 0.02146
## alternative hypothesis: true mean is not equal to 0.5
## 95 percent confidence interval:
##  0.5152306 0.6817907
## sample estimates:
## mean of x 
## 0.5985106

De cordo com o calculo feito acima, valores maiores que 0,5 podem ser aceitos.

ii por ser menor que o nível de significância, podemos acreditar que o p-value está abaixo 5%.

f)

Usaria o teste de wilcox com um um nível de significãncia menor que 5%, este teste reafirma o test-t ou o suplementa quando os dados não são suficientes.

t.test(tccb, alternative = c("two.sided"),mu=0.5, conf.level= 0.97)
## 
##  One Sample t-test
## 
## data:  tccb
## t = 2.381, df = 46, p-value = 0.02146
## alternative hypothesis: true mean is not equal to 0.5
## 97 percent confidence interval:
##  0.5058555 0.6911658
## sample estimates:
## mean of x 
## 0.5985106

Este resultado só reforça a hipótese alternativa.

g)

t.test(tccb,alternative=c("greater"),mu=0.5,conf.level=0.95)
## 
##  One Sample t-test
## 
## data:  tccb
## t = 2.381, df = 46, p-value = 0.01073
## alternative hypothesis: true mean is greater than 0.5
## 95 percent confidence interval:
##  0.529059      Inf
## sample estimates:
## mean of x 
## 0.5985106

h)

wilcox.test(tccb, mu=0,5, conf.int = TRUE)
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  tccb and 5
## W = 0, p-value = 0.0968
## alternative hypothesis: true location shift is not equal to 0
## 95 percent confidence interval:
##  -4.78 -3.67
## sample estimates:
## difference in location 
##              -4.459969

i) A partir dos calculos acima, acredito que o teste de hipótese seja o mais adequado, já que este apresenta valores mais consistentes para as amostras.

Questão 7

a)

library(pwr)
pwr.t.test(power=0.80,d=0.1,sig.level=.05,alternative="two.sided")
## 
##      Two-sample t test power calculation 
## 
##               n = 1570.733
##               d = 0.1
##       sig.level = 0.05
##           power = 0.8
##     alternative = two.sided
## 
## NOTE: n is number in *each* group

Será preciso uma amostragem de 1570 elementos

b)

pwr.t.test(n=20,d=0.1,sig.level=.05,alternative="two.sided")
## 
##      Two-sample t test power calculation 
## 
##               n = 20
##               d = 0.1
##       sig.level = 0.05
##           power = 0.06095912
##     alternative = two.sided
## 
## NOTE: n is number in *each* group

O poder do teste mostra uma baixa confiabilidade já que 20 é um valor extremamente baixo comparado ao valor anteriormente previsto no item “a”.