Navegando por Autor "Cintra, Cristiane Costa Da Fonseca"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    ItemAcesso aberto (Open Access)
    Isoterma de adsorção de Langmuir com estruturas de erros autorregressivos regulares e irregulares
    (Universidade Federal de Alfenas, 2016-02-29) Cintra, Cristiane Costa Da Fonseca; Nogueira, Denismar Alves; Dias, Adriana; Schrodem, Quintiliano Siqueira
    A adsorção é uma operação de transferência de massa do tipo sólido-fluido na qual ocorre o acúmulo químico ou físico de uma substância ou material por mecanismos químicos, na interface entre a superfície sólida chamada de adsorvente, e a solução chamada de adsorvato, amplamente utilizada para a remoção de poluentes em efluentes industriais. Em muitos estudos, em que a adsorção é modelada pela isoterma de Langmuir, os erros são correlacionados e a coleta de dados nem sempre é feita de forma regular (equidistante). A autocorrelação dos erros e irregularidade nas medições da variável independente podem influenciar a estimação dos parâmetros do modelo. Uma forma de modelar os erros dependentes em um modelo de regressão é utilizar um processo autorregressivo que, por sua vez, supõe que as observações sejam realizadas em intervalos equidistantes. Entretanto, a definição da variável independente muitas vezes é realizada em intervalos irregulares, ocasionando a redução de informações obtidas do conjunto de dados. Uma possível melhoria da qualidade do ajuste destes modelos, considerando a irregularidade, é o uso do processo autorregressivo irregular. Este trabalho teve como objetivo comparar o impacto na estimação dos parâmetros da isoterma de adsorção de Langmuir com diferentes estruturas de erros autorregressivos, regulares e irregulares, considerando a autocorrelação positiva. Avaliou-se, também, a estimação para diferentes tamanhos amostrais, diferentes valores de autocorrelação do erro e diferentes posicionamentos das observações não equidistantes. Verificou-se que há a necessidade de se respeitar as pressuposições do modelo e, portanto, ignorar a autocorrelação, produz viés nas estimativas dos parâmetros e que o modelo autorregressivo irregular foi mais preciso e acurado na maioria dos cenários analisados.