Comparação entre Gráficos de Controle para Resíduos de Modelos
|
|
- Iago Alcaide
- 5 Há anos
- Visualizações:
Transcrição
1 Comparação ntr Gráfcos d Control para Rsíduos d Modlos Danlo Cuzzuol Pdrn (PPGEP/UFRGS) danlo@producao.ufrgs.br Carla Schwngbr tn Catn (PPGEP/UFRGS) tncatn@producao.ufrgs.br Rsumo: Os gráfcos d control stão ntr as técncas statístcas mas utlzadas plas ndústras, para sua mplmntação, é ncssáro assumr qu os dados sjam () ndpndnts () dntcamnt dstrbuídos. Quando os dados do procsso são autocorrlaconados, vola-s a prmra suposção, o qu gra um alto númro d alarms falsos. A sgunda suposção pod não sr vrdadra quando as varávs d rsposta form dpndnts das varávs d control stas vararm durant a xcução do procsso, sto faz com qu o modlo d rfrênca do procsso não sja o msmo para todas as amostras provnnts do procsso. No prmro caso, a prátca usual é o ajustamnto d um modlo d sérs tmporas o postror montoramnto dos rsíduos do modlo. No sgundo caso, ajusta-s um modlo d rgrssão tndo as varávs d control como rgrssors da varávl rsposta, a sgur, montora-s os rsíduos do modlo. Dant do qu fo xposto, o prsnt artgo tm como objtvo comparar o dsmpnho dstas abordagns m um msmo conjunto d dados. D forma a orntar a aplcação dstas abordagns, aprsnta-s um fluxograma orntatvo. Palavras-chav: Gráfcos d Control; Rsíduos; Rgrssão; ARIMA. 1. Introdução Os gráfcos d control, sgundo Woodall Montgomry (1999), são o prncpal dstaqu dntr as frramntas do CEP, dvdo prncpalmnt à sua smplcdad opraconal à sua ftvdad na dtcção d problmas no procsso, sndo utlzadas com sucsso no montoramnto do dsmpnho dos mas dvrsos procssos ndustras. Montgomry (2004) rssalta qu, para a utlzação das cartas d control, é ncssáro assumr qu os dados do procsso sjam ndpndnts dntcamnt dstrbuídos. Em mutos casos prátcos stas suposçõs não podm sr consdradas vrdadras, o qu compromt a ftvdad das cartas d control. Por xmplo, a suposção d qu as obsrvaçõs são ndpndnts é volada m procssos autocorrlaconados. A suposção d qu os dados sjam dntcamnt dstrbuídos pod sr volada quando ocorrm altraçõs no ajust das varávs d control do procsso, pos, xstndo dpndênca ntr a caractrístca d qualdad as varávs d control, o modlo assumdo não srá vrdadro para todos os dados provnnts do procsso. Em ambas as stuaçõs dscrtas antrormnt, podm ocorrr o aumnto do númro d alarms falsos, qu são conclusõs rrônas quanto à stabldad do procsso. D acordo com Ca t al. (2002), modlos d rgrssão ou d sérs tmporas podm sr utlzados para modlar procssos qu aprsntm tndêncas, para postrormnt utlzar-s gráfcos d control para os rsíduos dos modlos. D acordo com Montgomry (2004) Lordo at al. (2003), s o conjunto aproprado d varávs d control for nsrdo no modlo d rgrssão, os rsíduos srão não-corrlaconados, msmo qu a varávl rsposta sja corrlaconada. Quando o procsso é autocorrlaconado, a prátca usual, sgundo Woodall Montgomry (1999), é a abordagm basada m modlos, qu consst no ajust d um 1
2 modlo d sérs tmporas, por xmplo um modlo ARIMA, o montoramnto dos rsíduos do modlo através d um gráfco d control, como o gráfco para mddas ndvduas, somas cumulatvas (CUSUM) o gráfco para médas móvs xponncalmnt pondradas (EWMA). Dntro dssa lnha, Alwan Robrts (1988) propusram um gráfco d control para os rsíduos padronzados do modlo. Mandl (1969) Jacob t al. (2002) studaram o gráfco d control d rgrssão, qu consst no ajust d um modlo d rgrssão lnar smpls construção d lmts d control para a rta d rgrssão stmada, utlzando o dsvo-padrão dos rros do modlo como stmatva para o dsvo-padrão do procsso. Para o caso m qu é ncssáro ajustar a varávl d qualdad a mas d uma varávl d control, é ncssára a utlzação d modlos d rgrssão lnar múltpla (MRLM), o qu torna nvávl a utlzação da abordagm proposta por Mandl (1969). Para ssa stuação, Haworth (1996) propõ o gráfco d control d rgrssão múltpla, qu consst na construção d um gráfco d control para os rsíduos padronzados do modlo. Dant dos problmas xpostos antrormnt, o prsnt trabalho tm como objtvos comparar o dsmpnho dssas duas abordagns quando utlzadas sobr um msmo conjunto d dados smulados, qu aprsntam uma strutura d autocorrlação os valors das varávs d control são conhcdos para todas amostras. D forma a facltar a aplcação dssas abordagns m procssos ndustras, o prsnt trabalho também aprsnta um método orntatvo para a laboração dos gráfcos d control para duas stuaçõs: () quando o procsso é autocorrlaconado a varávl d rsposta pod sr ajustada por um modlo ARIMA; () quando a varávl rsposta é dpndnt das varávs d control do procsso pod sr ajustada por um MRLM. 2. Rvsão Bblográfca 2.1 Modlos para Dados Autocorrlaconados Ants da modlagm dos dados, é ncssáro dtctar a strutura d autocorrlação dos dados, qu prmt scolhr o modlo a sr utlzado. Uma altrnatva smpls, sgundo Tolo Mottn (2000) é a utlzação do corrlograma, qu consst na construção dos gráfcos para as funçõs d autocorrlação (ACF) d autocorrlação parcal (PACF). S os valors aprsntarm um comportamnto alatóro dntro dsss ntrvalos, ntão os dados podm sr consdrados ndpndnts, caso contráro, há ndícos d autocorrlação. Box t al. (1994) subdvdm os modlos ARIMA m quatro catgoras: () modlos auto-rgrssvos, dntfcados como modlos AR(p), qu modlam as struturas d autocorrlação da varávl m rlação a valors passados; () modlos d médas móvs, chamados d modlos MA(q), qu nglobam a strutura d autocorrlação rlaconada aos rros d prvsão antrors; () modlos auto-rgrssvos d médas móvs, smbolzados por ARMA(p,q) (v) modlos auto-rgrssvos ntgrados d méda móvl, chamados d modlos ARIMA(p,d,q), qu usam dfrncaçõs para tornar a sér staconára. A rprsntação típca d um modlo ARIMA(p,d,q) é aprsntada quação (1): Φ p (B) d X t = Θ q (B)ε t (1) Ond: Φ p (B) = (1- φ 1 B- φ 2 B φ p B p ) é o oprador autorgrssvo d ordm p; Θ q (B) = (1 θ 1 B- θ 2 B θ q B q ) é o oprador d médas móvs d ordm q; d é o oprador d dfrncação d ordm d; B é o oprador backshft; ε t é o rro alatóro. A scolha dos parâmtros p q dv sr fta com bas na análs dos gráfcos ACF 2
3 PACF, para maors dtalhs rcomnda-s Box t al. (1994) Tolo Mottn (2000). O valor d d ndca quantas vzs a sér tv qu sr dfrncada, para s obtr staconardad da méda varânca dos dados. A scolha do modlo adquado também lva m consdração a mnmzação da soma dos quadrados dos rros (SQR) das statístcas Akak Informaton Crtra (AIC) o Baysan Informaton Crtra (BIC) a sgnfcânca da constant dos cofcnts da quação ajustada. Após o ajust d um modlo ARIMA adquado aos dados, dv-s vrfcar s os rsíduos do modlo são ndpnts, também chamados d ruído branco. 2.2 Dtalhs da formatação O MRLM com k varávs controlávs é rprsntado pla sgunt quação (MONTGOMERY t al., 2001): y = β + β x + β x β x + ε k k = 1, 2,..., n (2) Os cofcnts β 0, β 1,..., β k, chamados d cofcnts d rgrssão, são usualmnt ntrprtados da sgunt forma (MONTGOMERY t al., 2001): a) β 0 é chamado d cofcnt d ntrcpto, sndo ntrprtado como a méda d y quando todas as varávs controlávs são guas a zro; b) β 1,..., β k são a drvada parcal d y m rlação a x k, ou sja, é varação d y causada por uma varação untára m x k dado qu as outras varávs controlávs foram mantdas constants. É mas prátco trabalhar com MRLM quando a quação (2) é xprssa m notação matrcal, já qu ssa notação prmt uma aprsntação mas compacta do modlo, dados rsultados para qualqur númro d varávs (MONTGOMERY t al., 2001): y = Xβ + ε (3) Quando o númro d obsrvaçõs (n) for maor qu o númro d varávs controlávs (k), o método utlzado para stmar a quação d rgrssão é o método d mínmos quadrados ordnáros (MQO), qu vsa mnmzar as somas quadrátcas dos rsíduos da rgrssão. O stmador d mínmos quadrados ordnáros d β é obtdo pla rsolução da quação (4) (MONTGOMERY t al., 2001; NETER t al., 2005): ˆ 1 β = ( X ' X ) X ' y Para utlzar o MQO, é ncssáro supor qu os rsíduos sjam normalmnt dstrbuídos com méda gual a zro com dsvo-padrão dsconhcdo constant. Essa suposção dv sr vrfcada postrormnt, para a valdação do modlo stmado. D poss da stmatva d mínmos quadrados ordnáros dos cofcnts d rgrssão, a stmatva para uma obsrvação m função das varávs d control do procsso é dada pla quação (5). 2.3 Gráfcos d Control para Rsíduos d Modlos (4) ˆ Xβˆ y = (5) Para as duas stuaçõs dscrtas antrormnt, o ajust d um modlo ARIMA ou d um MRLM tm como prncpal objtvo, rspctvamnt, d rmovr a strutura d autocorrlação dos dados ou rmovr a nfluênca das varávs d control do procsso. 3
4 Para procssos autocorrlaconados, a altrnatva mas utlzada é a aplcação dos gráfcos CUSUM para montorar as obsrvaçõs autocorrlaconadas. Dntro dsta abordagm, dstacam-s: Yashchn (1993), VanBrackl Rynolds (1997), Wrnga (1999), Lu Rynolds (2001) Atnza t al. (2002). O montoramnto dos rsíduos d um MRLM através d um gráfco CUSUM também é possívl, mbora não foram ncontrados trabalhos qu fzssm sta aplcação. Outra abordagm comum é o uso dos gráfcos EWMA para o montoramnto dos rsíduos dos modlos. Lu Rynolds (1999) studaram o dsmpnho dos gráfcos EWMA para montorar a méda a varânca d procssos autocorrlaconados. Wrnga (1999), Englsh t al. (2000) Kohlr t al. (2001) studaram o comportamnto dos gráfcos EWMA para rsíduos para obsrvaçõs autocorrlaconadas. Txra (1997) Shu t al. (2004) aplcaram o gráfco EWMA para os rsíduos d um MRLM. Rothshld Roth (1986) aprsntaram o gráfco d control para mddas ndvduas para os valors obsrvados da varávl rsposta, com o dsvo-padrão do procsso sndo stmado pla ampltud móvl dos rsíduos da rgrssão. Outra altrnatva para o montoramnto dos rsíduos padronzados dos modlos ARIMA MRLM é aprsntada por Alwan Robrts (1988) Haworth (1996), rspctvamnt. Dfnndo-s o rsíduo d um modlo como sndo a dfrnça ntr o valor obsrvado da varávl rsposta o valor ajustado plo modlo, conform a quação (6). = y O dsvo-padrão dos rsíduos do modlo é stmado pla raz quadrada do quadrado médo dos rros (QMR), conform a quação (7). ˆ σ Ond: k é o númro d parâmtros do modlo. = yˆ QMR = n =1 2 n k O rsíduo padronzado do modlo é obtdo através da dvsão dos rsíduos plo dsvo padrão dos rsíduos do modlo: z (6) (7) = (8) σˆ É mportant dstacar qu os rsíduos padronzados dos modlos ARIMA MRLM dvm sr normalmnt dstrbuídos, com méda gual a zro dsvo-padrão gual a 1. Dsta forma, os lmts d control aprsntados por Alwan Robrt (1988) Haworth (1996) são: LSC = + k LC = 0 LIC = k Morra (2005) aprsntou uma modfcação no gráfco d control proposto por Alwan Robrts (1988), d forma a montorar as obsrvaçõs orgnas, ao nvés dos rsíduos. Pdrn t al. (2008) ralzaram sta msma modfcação para o gráfco d control d rgrssão múltpla. (9) (10) (11) 4
5 3. Método Proposto O método proposto no prsnt trabalho é aplcávl m duas stuaçõs: () quando o procsso é autocorrlaconado, caso m qu é ncssáro supor qu a sqüênca d obsrvaçõs da varávl rsposta possa sr ajustada por um modlo ARIMA qualqur () quando a varávl rsposta é dpndnt das varávs d control do procsso, ond s supõ qu os dados possam sr ajustados por um MRLM. O squma gral do método proposto é aprsntado na Fgura 1. Fgura 1 Fluxograma do método proposto. O prmro passo do método consst m dtrmnar s há nformação d varávs controlávs dsponívs no banco d dados. S stvrm dsponívs nformaçõs d varávs d control para todas as amostras, dv-s analsar s há rlação d causa--fto ntr as varávs d control a varávl rsposta do procsso. Dssa forma, é possívl stmar um modlo d rgrssão MRLM qu ajust a varávl rsposta às varávs d control. Caso não xsta rlação d causa--fto, dv-s vrfcar a autocorrlação dos dados. Caso stas varávs não stjam dsponívs ou não xsta rlação d causa--fto, é ncssáro analsar os gráfcos ACF PACF dos dados, a fm d dtctar a prsnça d autocorrlação. S a análs da ACF da PACF não rvlar a prsnça d autocorrlação, 5
6 dvm-s construr gráfcos d control clásscos. Caso contráro, é ncssáro stmar o mlhor modlo ARIMA qu modl os dados. Uma vz stmado o modlo qu mlhor ajust os dados, dv-s stmar o dsvopadrão do procsso através do dsvo-padrão dos rsíduos do modlo. Caso s dsj montorar os rsíduos do modlos, ao nvés dos rsíduos padronzados, é possívl modfcar os lmts d control aprsntados nas quaçõs (9) (11). LSC = + k ˆ σ LC = 0 LIC = k ˆ σ Após a stmação dos lmts d control, utlzando as quaçõs (12) (14), dv-s construr o gráfco d control para os rsíduos do modlo. Por fm, após a construção do gráfco d control para os rsíduos dv-s vrfcar s há pontos fora d control. Caso xstam pontos fora d control, dv-s stmar o modlo novamnt, dsconsdrando-s as amostras fora d control. S não xstrm pontos fora d control, os lmts d control calculados podm sr utlzados para o montoramnto do procsso. 4. Aplcação dos Gráfcos d Control 4.1 Aplcação d Gráfcos d Control Clásscos Os dados utlzados para a comparação ntr os gráfcos d control d rsíduos d modlos ARIMA ou d rgrssão lnar são provnnts d Montgomry (2004, p. 337). O banco d dados utlzado para st studo é composto por 80 amostras ndvduas, sndo 40 amostras provnnts d Montgomry (2004) 40 amostras smuladas. Os procsso a sr montorado é composto por uma varávl rsposta nov varávs controlávs (x 1, x 2,... x 9 ). Ants do níco do método, plota-s um gráfco d control para as mddas ndvduas d y, qu é aprsntado na Fgura 2. (12) (13) (14) Fgura 2 Gráfco d Mddas Indvduas para a varávl y. Através da análs da fgura 2, obsrva-s qunz pontos fora d control (ndcados m vrmlho). Dsta forma, utlzando o gráfco d control d mddas ndvduas o procsso sra consdrado como stando fora d control. A sgur, srá aplcado o ajust d um modlo d rgrssão postrormnt um ajust d um modlo ARIMA. 6
7 4.2 Gráfco d Control d Rgrssão Múltpla Como há nformaçõs d varávs d control para todos os dados, srá utlzado um MRLM para a modlagm da varávl d rsposta m função das varávs controlávs. Nst modlo, as varávs d control x 2, x 5, x 6 x 7 as ntraçõs ntr varávs não foram ncluídas no modlo, já qu stas varávs aprsntaram valors-p mnors qu o nívl d sgnfcânca adotado (5%). O modlo stmado é aprsntado na quação (15). y ˆ = ,480x + 1 0,190 x3 0,0732x4 + 3,15 x8 131 O modlo aprsntou um cofcnt d dtrmnação d 87,2% um cofcnt d dtrmnação ajustado d 86,4%. Para valdação do modlo, aprsnta-s na Fgura 3 o gráfco d normaldad dos rsíduos o gráfco d rsíduos vrsus valors stmados do modlo. x 9 (15) Fgura 3 Gráfcos dos Rsíduos. Como é possívl obsrvar na Fgura 3, os rsíduos podm sr consdrados como sndo normalmnt dstrbuídos, já qu aproxmam-s razoavlmnt da rta. O valor-p para o tst d normaldad d Kolmogorov-Smrnov fo d 0,15, qu é maor qu o nívl d sgnfcânca adotado. Através da análs da fgura 3, também é possívl prcbr qu a varânca dos rsíduos pod sr consdrada como constant. Dsta forma, o modlo proposto é váldo a quação (15) pod sr utlzada para stmar a rsposta méda da varávl rsposta dados os valors d todas as varávs d control, assm os rsíduos podm sr stmados através da quação (6). O dsvo-padrão dos rsíduos do modlo, stmado pla quação (7), fo d 0,83. Adotando k = 3, para lmts com 99,73% d confança, os lmts d control para o gráfco d control d rgrssão múltpla são: LSC = + 2,49 LC = 0 LIC = 2,49 D poss dos rsíduos do modlo d rgrssão dos lmts d control, aprsnta-s na Fgura 4 o gráfco d control d rsíduos da rgrssão múltpla. Analsando a Fgura 4, obsrva-s qu a amostra d númro 14 fcou acma do lmt d control supror, logo, o procsso não stá sob control statístco. Esta amostra não hava sdo dtctada gráfco d control para mddas ndvduas da Fgura 3, sndo consdrada uma falha dst gráfco. Os outros qunz pontos fora d control dtctados no gráfco d mddas ndvduas da Fgura 2 não foram dtctados no gráfco d control d rsíduos da rgrssão múltpla, podndo sr (16) (17) (18) 7
8 consdrados como sndo alarms falsos. Fgura 4 Gráfco d Control d Rsíduos da Rgrssão Múltpla. Como o gráfco d control proposto dtctou um ponto fora d control, é ncssáro stmar um novo modlo d rgrssão, dsconsdrando-s a amostra 14, qu stava fora d control. O novo modlo d rgrssão é aprsntado na quação 18. yˆ = ,481x + 1 0,101 x3 0,0794x4 + 3,09x8 133 Os rsíduos do modlo aprsntado na quação 26 aprsntaram um dsvo-padrão d 0,76. Dssa forma, adotando k=3, os lmts d control para a carta d control srão: LSC = + 2,28 LC = 0 LIC = 2, Gráfco d Control para Procssos Autocorrlaconados Embora xstam nformaçõs das varávs d control, também srão utlzados modlos ARIMA. O prmro passo do método proposto consst m construr os gráfcos para o ACF o PACF, d forma a dtctar a strutura d autocorrlação dos dados. Os gráfcos são aprsntados na Fgura 5. x 9 (19) (20) (21) (22) Fgura 5 Gráfcos d corrlograma ACF PACF para a varávl rsposta Y. Através da análs dos corrlogramas ACF PACF da Fgura 6, é possívl notar a 8
9 possbldad d uso d város modlos ARIMA para modlar a varávl rsposta Y. Como a sér não é staconára quanto à méda, é ncssáro utlzar uma dfrncação para stablzar a sér. Os modlos qu aprsntaram trmos d mas alta ordm sgnfcatvos rsíduos brancos são aprsntados na Tabla 1. Tabla 1 Modlos ARIMA crtéros d scolha. Analsando os crtéros d scolha dos modlos aprsntados na Tabla 1, dcd-s por utlzar um modlo ARIMA(2,1,0), qu mnmzou as statístcas AIC QMR, aprsntando também um valor para a statístca BIC muto próxmo ao do modlo qu aprsntou o mnor valor para sta statístca. Na Fgura 6, aprsnta-s os corrlogramas para os rsíduos do modlo ARIMA(2,1,0). Fgura 6 Gráfcos d corrlograma ACF PACF para os rsíduos do modlo ARIMA(2,1,0). Como os rsíduos do modlo scolhdos são do tpo rsíduo branco, o modlo é consdrado adquado para modlar o conjunto d dados. O modlo scolhdo aprsntou uma stmatva d dsvo-padrão d 1,45, adotando um k = 3, os lmts d control para os rsíduos do modlo são: LSC = + 4,35 LC = 0 LIC = 4,35 Tndo as stmatvas dos rsíduos do modlo ARIMA os lmts d control, aprsnta-s na Fgura 7 o gráfco d control para os rsíduos d um procsso autocorrlaconado. Analsando st gráfco, o procsso pod sr consdrado como stando sob control, já qu o gráfco não aprsntou pontos fora d control. (23) (24) (25) 9
10 Fgura 7 Gráfco d control para os rsíduos d um modlo ARIMA(2,1,0). 5. Comparação d Rsultados O procsso smulado aprsntou tndêncas d aumnto dcréscmo da varávl d rsposta analsada. Como é possívl obsrvar na Fgura 2, os gráfcos d control clásscos, como o gráfco d control para mddas ndvduas, não podm sr utlzados nsta stuação, já qu aprsntaram um númro xcssvo d alarms falsos. Dssa forma, conform Ca t al. (2002) Montgomry (2004), o uso modlos ARIMA ou MRLM para modlar dos dados é ncssára. Dntr as abordagns dsponívs, utlzou-s as propostas d Alwan Robrts (1988) d Haworth (1996), qu dfndm o uso do dsvo-padrão dos rsíduos para a stmar o dsvo-padrão do procsso. O gráfco d control para os rsíduos da rgrssão múltpla, aprsntado na Fgura 4, mostrou qu o procsso não stava sob control statístco, já qu a amostra 14 fcou acma do LSC. Esta amostra ralmnt tratava-s d uma causa spcal, fcando crca d 3,5 dsvospadrão acma da méda dos dmas rsíduos. O gráfco d control para os rsíduos do modlo ARIMA, aprsntado na Fgura 7, não aprsntou nnhum ponto fora d control. A amostra 14, qu no gráfco d control dos rsíduos da rgrssão stava fora d control, fcou próxma do LSC o gráfco d control para os rsíduos do modlo ARIMA. Possvlmnt, sto ocorru dvdo à dfrnça na stmatva do dsvo-padrão dos rros, qu fo d 0,83 para o MRLM d 1,45 para o modlo ARIMA. Uma outra dsvantagm provnnt do uso do uso dos modlos ARIMA é a prda d d nformaçõs, rfrnts ao númro d dfrncaçõs ncssáras para stablzar a sér d dados. Caso alguma das d prmras nformaçõs stvrm fora d control as dmas amostras stvrm sob control, sta abordagm pod lvar a conclusõs rrônas sobr o procsso. Por s tratar d um studo com dados smulados, m qu s conhc a dstrbução ral dos dados, a amostra 14 tratava-s ralmnt d um ponto fora d control nduzda durant a smulação dos dados. Dssa forma, o prsnt trabalho aprsntou um xmplo m qu o uso d um MRLM fo mas ftvo para o CEP do qu o uso d modlos ARIMA. 10
11 Rssalta-s qu o modlo d rgrssão prsntou um bom ajust, com um cofcnt d dtrmnação d 87,2%, o qu fz com qu o gráfco d control d rgrssão múltpla aprsnta-s um bom rsultado. É possívl qu ocorra um caso m qu o ajust por modlo d rgrssão sja por qu um ajust por um modlo ARIMA, o qu fara com qu o gráfco d control d rgrssão aprsntass dsmpnho nfror ao do gráfco d control para os rsíduos d um modlo ARIMA. 6. Conclusõs O prsnt trabalho tv como objtvo comparar o dsmpnho do uso d gráfcos d control para rsíduos m duas abordagns, a prmra utlzando MLRM a sgunda utlzando modlos ARIMA. D forma a facltar a aplcação dssas abordagns m procssos ndustras, o prsnt trabalho também aprsnta um método orntatvo para a laboração d gráfcos d control para duas stuaçõs: () quando o procsso é autocorrlaconado () quando quando a varávl rsposta é dpndnt das varávs d control do procsso. Aprsntou-s um fluxograma orntatvo, qu ngloba o uso d MRLM modlos ARIMA, dpndndo da dsponbldad d valors para as varávs d control ou da strutura d autocorrlação dos dados. O fluxograma aprsntado prmt dfnr o tpo d modlagm a sr utlzado, auxlando na stmatva dos lmts d control tntatvos do procsso. Para a comparação dos rsultados, utlzou-s um conjunto d dados smulados a partr d um xmplo d ltratura. O prsnt trabalho aprsntou um xmplo m qu o gráfco d control d rsíduos d rgrssão fo mas ftvo qu os gráfcos d control para rsíduos d modlos ARIMA, já qu st não fo capaz d dtctar uma causa spcal qu fo dtctada no gráfco d control d rgrssão. O uso d modlos ARIMA rsultou m uma stmatva d dsvo-padrão supror à stmatva utlzando o MRLM, o qu pod prjudcar o dsmpnho dos gráfcos d control para rsíduos d modlos ARIMA. Outra dsvantagm do uso d modlos ARIMA é qu caso sja ncssáro dfrncar a sér para sta s tornar staconára, há prda das d prmras nformaçõs da sér d dados, rfrnts às d dfrncaçõs utlzadas. Para st caso, s alguma das nformaçõs prddas stvr fora d control, não há como stmar os rsíduos para o modlo, o qu lvara a conclusõs rrônas sobr a stabldad do procsso. Como sugstõs para trabalhos futuros, rcomnda-s o dsnvolvmnto d métodos qu prmtam o control acompanhamnto da varabldad para os procssos com amostras untáras, com o uso das duas abordagns aprsntadas. Outra rcomndação é a comparação da snsbldad dstas duas abordagns, com o uso d comprmntos médos d sqüênca. Rfrêncas ALWAN, L. C.; ROBERTS, H. V. Tm-Srs Modlng for Statstcal Procss Control. Journal of Busnss & Economc Statstcs, v. 6, n. 1, p , ATIENZA, O. O.; TANG, L. C.; ANG, B. W. A CUSUM Schm for Autocorrlatd Obsrvatons. Journal of Qualty Tchnology, v. 34, n. 2, p , BOX, G.E.P.; JENKINS, G.M. & REINSEL, G.C. (1994). Tm srs analyss forcastng and control, 3ª d. Prntc Hall: Nw Jrsy. CAI, D. Q.; XIE, M.; GOH, T. N.; TANG, X. Y. Economc Dsgn of Control chart for Trndd Procss. Intrnatonal Journal of Producton Economcs, v. 79, p , ENGLISH, J. R.; LEE, S.-C.; MARTIN, T. W.; TILMON, C. Dtctng changs n autorgrssv procsss wth X-bar and EWMA charts. IIE Transactons, v. 32, p ,
12 FALTIN, F. W.; MASTRANGELO, C. M.; RUNGER, G. C.; RYN, T. P. Consdratons n th Montorng of Autocorrlatd and Indpndnt Data. Journal of Qualty Tchnology, v. 29, n. 2, p , HAWORTH, D. A. Rgrsson control chart to manag softwar mantnanc. Softwar Mantnanc: Rsarch and Practc, v. 8, n. 1, p 35-48, JACOBI, L. F.; SOUZA, A. M.; PEREIRA, J. E. S. Gráfco d Control d Rgrssão Aplcado na Montoração d Procssos. Rvsta Produção, v. 12, n. 1, pág , KOEHLER, A. B.; MARKS, N. B.; OCONNELL, R. T. EWMA control charts for autorgrssv procsss. Journal of th Opratonal Rsarch Socty, v. 52, p , LU, C-W.; REYNOLDS, M. R. JR. Cusum Charts for Montorng an Autocorrlatd Procss. Journal of Qualty Tchnology, v. 33, n. 3, p , LU, C-W.; REYNOLDS, M. R. JR., EWMA Control Charts for Montorng th Man of Autocorrlatd Procsss. Journal of Qualty Tchnology, v. 31, n. 1, p , MANDEL, B. J. Th Rgrsson control chart. Journal of Qualty Tchnology, v. 1, n. 1, p. 1-9, LOREDO, E. N.; JERKPAPORN, D.; BORROR, C. M. Modl-basd Control Chart for Autorgrssv and Corrlatd Data. Qualty and Rlablty Engnrng Intrnatonal, v. 18, n. 6, p , MONTGOMERY, D. C. Introdução ao Control Estatístco da Qualdad. 4. Ed. Ro d Janro: Edtora LTC, 2004, 513 p. MONTGOMERY, D. C.; VINING, G. G.; PECK, E. A. Introducton to lnar rgrsson analyss. 3. Ed., Nw York: John Wly & Sons, 2001, 641 p. MOREIRA Jr., F. J. Proposta d um Método para o Control Estatístco d Procsso para Obsrvaçõs Autocorrlaconadas. UFRGS (2005). Dssrtação d mstrado m ngnhara d produção. Unvrsdad Fdral do Ro Grand do Sul, NETER, J. ; KUTNER, M H.; NACHTSHEIM, C. J.; LI, W. Appld Lnar Statstcal Modls. 5. Ed. Nw York: Mc Graw-Hll/Irwn, 2005, 1396 p. PEDRINI, D. C.; CATEN, C. S. Tn; MOREIRA Jr, F. J. Proposal of a Modfcaton of th Control Charts Basd on Rsduals. In: 4 th Intrnatonal Symposum on Busnss and Industral Engnrng, 2008, Praga (Rpúblca Tchca). Book of Abstracts, p. 42, ROTHSCHILD, B. F.; ROTH, S. R. Statstcal Procss Control of Platng Solutons wth Rgrsson Control Charts. Th SAMPE Journal, v. 22, n. 5, p , SHU, L; TSUNG, F; TSUI, K. L. Run-lngth Prfomanc of Rgrsson Control Charts wth Estmatd Paramtrs. Journal of Qualty Tchnology, v. 36, n. 3, p , TEIXEIRA, J. M. G. Análs d Rgrssão Aplcada ao Control Estatístco d Procssos. UFSM: Dssrtação d mstrado m Métodos Quanttatvos. Unvrsdad Fdral d Santa Mara, TOLOI, C. M: C.; MORETTIN, P. A. Prvsão d Sérs Tmporas. São Paulo: Atual Edtora, VANBRACKLE, L. N.; REYNOLDS, M. R. EWMA and CUSUM Charts n th Prsnc of Corrlaton. Communcatons n Statstcs Smulaton and Computaton, v. 26, p , WIERINGA, J. E. Statstcal Procss Control for Srally Corrlatd Data. Zoutkamp, Ts d Doutorado m Economa, Rjksunvrstt Gronngn. WOODAL, W. H.; MONTGOMERY, D.C. Rsarch Issus and Idas n Statstcal Procss Control. Journal of Qualty Tchnology, v. 31, n. 4, p , YASHCHIN, E. Prformanc of CUSUM Control Schms for Srally Corrlatd Obsrvatons. Tchnomtrcs, v. 35, n. 1, p ,
Análise de regressão
Análs d rgrssão Slvana Lags Rbro Garca FDV Hlo Garca Lt UFV Um dos usos da análs d rgrssão é vrfcar s, como, uma ou mas varávs ndpndnts nfluncam o comportamnto d outra varávl dpndnt Y. As varávs ndpndnts
Leia maisMODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson
MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM O modlo log-lnar d Posson Intrss m modlar a dstrbução d uma varávl rfrnt a algum tpo d contagm m função d covarávs. A stratéga mas comum para modlagm nssas stuaçõs
Leia mais30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas
Dstrbuçõs Dscrtas Dstrbuçõs 30/09/05 Contínuas DISTRIBUIÇÃO DE PROBABILIDADE Dscrtas DISTRIBUIÇÃO BIOMIAL Bnomal Posson Consdramos n tntatvas ndpndnts, d um msmo prmnto alatóro. Cada tntatva admt dos rsultados:
Leia maisComparação entre gráficos de controle para resíduos de modelos
Comparação entre gráficos de controle para resíduos de modelos Danilo Cuzzuol Pedrini (UFRGS/PPGEP, RS, Brasil) danilo@producao.ufrgs.br UFRGS R. Osvaldo Aranha, 99, 5º andar, CEP: 90035-190, Porto Alegre-RS
Leia mais1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Ára d uma Suprfíc
Leia maisMODELOS DE REGRESSÃO PARA DADOS BINÁRIOS
MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS Introdução Intrss m modlar algum fnômno alatóro com dos dsfchos possívs ( sucsso ou fracasso ) m função d uma ou mas covarávs. Assoca-s ao rsultado do fnômno uma
Leia maissendo classificado como modelo de primeira ordem com (p) variáveis independentes.
RGRSSAO MULTIPLA - comlmtação Itrodução O modlo lar d rgrssão múltla é da forma: sdo classfcado como modlo d rmra ordm com () varávs ddts. od: é a varávl d studo (ddt, xlcada, rsosta ou dóga); é o cofct
Leia maisAnálise de dados industriais
Análs d dados ndustras Escola Poltécnca Dpartamnto d Engnhara Químca Robrto Guardan 014 ANÁLISE DE COMPONENES PRINCIPAIS 3.1. Introdução Componnts prncpas são combnaçõs lnars das varávs orgnas d procsso,
Leia mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 0 Varávl alatóra Ω é o spaço amostral d um prmnto alatóro. Uma varávl alatóra,, é uma função qu atrbu um númro ral a cada rsultado m Ω. Emplo. Rtra-s, ao acaso, um tm produzdo d
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patrca Mara Bortolon, D. Sc. Modlos d Escolha Qualtatva Font: GUJARATI; D. N. Economtra Básca: 4ª Edção. Ro d Janro. Elsvr- Campus, 2006 Modlos d scolha qualtatva Varávl dpndnt: bnára
Leia maisAÇÕES BÁSICAS DE CONTROLE E CONTROLADORES AUTOMÁTICOS INDUSTRIAIS
Projto Rng - Eng. Elétrca Apostla d stmas d Control I V- &$3Ì78/ 9 AÇÕE BÁICA DE CONTROLE E CONTROLADORE AUTOMÁTICO INDUTRIAI Conform havíamos mnconado no Capítulo I, a busca da qualdad, fcênca prcsão
Leia maisResoluções dos exercícios propostos
da físca 3 Undad C Capítulo 15 Indução ltromagnétca soluçõs dos xrcícos propostos 1 P.368 D L v, vm: 0,5 0, 1 5 2 V P.369 D L v, vm: 15 6 1 20 3 4 V P.370 a) L v 1,5 0,40 2 1,2 V b) 1,2 2 0,6 Pla rgra
Leia maisDeformações devidas a carregamentos verticais
Dformaçõs dvdas a carrgamntos vrtcas GEOTECNIA II SLIDES 07 Prof. MSc. Douglas M. A. Bttncourt prof.douglas.pucgo@gmal.com Rcalqus dvdo a carrgamntos na suprfíc Exmplos: Rcalqus d fundaçõs (sapatas ou
Leia maisDeformações devidas a carregamentos verticais
Dformaçõs dvdas a carrgamntos vrtcas GEOTECNIA II SLIDES 06 / AULA Prof. MSc. Douglas M. A. Bttncourt prof.douglas.pucgo@gmal.com Rcalqus dvdo a carrgamntos na suprfíc Exmplos: Rcalqus d fundaçõs (sapatas
Leia maisMATRIZES 04) (FATEC-SP) Seja A a ij uma matriz quadrada de . Nessas ordem 2 tal que
MATRIZES www.profssortnan.com.br 0) (PUC) A matrz A d ordm dfnda por a. é dada por: 4 6 4 6 b) 4 4 6 4 6 ) 0) (UFBA) A matrz, com 0 4 b) 0 4 0 ) 4 a, s, é: a, s 0) S A ( a ) é a matrz quadrada d ordm,
Leia maisEstudo de diversidade populacional: efeito da taxa de mutação
IA369 - Guwn & Von Zubn (s/98) Estuo vrsa populaconal: fto a taxa mutação. Ausênca prssão sltva ausênca mutação é assumo qu caa nvíuo a população é ao por um cromossomo hapló qu o crossovr é unform. um
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia mais). Quer os eixos de S quer os de S
CAPÍULO RANSFORMAÇÃO LINEAR DE COORDENADAS Nst capítulo é aprsntada a ddução da prssão qu prmt transformar as coordnadas d um ponto no spaço d um rfrncal ( S) para outro ( S ). Qur os os d S qur os d S
Leia maisn = η = / 2 = 0, c
PTC4 - TEORIA DA COMUNICAÇÕE II - //5 - PJEJ REOLUÇÃO DA EGUNDA LITA DE EXERCÍCIO QUETÃO Consdr sstmas bnáros om transmssão d ormaçõs quprovávs λ >>. Compar os dsmpnhos om sm odfação dos sstmas a sgur,
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia mais28 a Aula AMIV LEAN, LEC Apontamentos
8 a Aula 49 AMIV LEAN, LEC Apontamntos (RcardoCoutnho@mathstutlpt) 8 Exponncal d matrzs smlhants Proposção 8 S A SJS ond A, S J são matrzs n n,(comdt S 6 ), ntão A S J S Dmonstração Tmos A SJS, dond por
Leia maisAPLICAÇÃO DO MODELO DE DOIS COMPONENTES PARA CÁLCULO DE ERRO, À ANÁLISE DE DADOS DE MONITORAÇÃO AMBIENTAL. Maria Angélica G.Carvalho e Goro Hiromoto
APLICAÇÃO DO MODELO DE DOIS COMPONENTES PARA CÁLCULO DE ERRO, À ANÁLISE DE DADOS DE MONITORAÇÃO AMBIENTAL Mara Angélca G.Carvalho Goro Hromoto Insttuto d Psqusas Enrgétcas Nuclars - IPEN-CNEN/SP Av. Lnu
Leia maisAplicação de Programa de Transferência de Carga de Estacas a Perfis de Solos não Homogêneos
Aplcação d Programa d Transfrênca d arga d Estacas a Prfs d Solos não Homogênos Vann, V. S. Unvrsdad Fdral Flumnns, Ntró, RJ, Brasl, anzgr, B. R. Unvrsdad do Estado do Ro d Janro, Ro d Janro, RJ, Brasl,
Leia maisDETECÇÃO DE ANOMALIAS EM UMA VÁLVULA PNEUMÁTICA USANDO MODELOS DE MISTURA DE GAUSSIANAS
DETECÇÃO DE ANOALIAS E UA VÁLVULA PNEUÁTICA USANDO ODELOS DE ISTURA DE GAUSSIANAS JOÃO P. P. GOES, LEONARDO R. RODRIGUES, ROBERTO K. H. GALVÃO 2, TAKASHI YONEYAA 2. EBRAER S.A. Av. Brgadro Fara Lma, 27,
Leia maisRegressão logística politômica: revisão teórica e aplicações
Cêncas Naturas Exatas Rgrssão logístca poltômca: rvsão tórca aplcaçõs Hélo Radk Bttncourt Rsumo O tradconal modlo d rgrssão logístca tornou-s um método padrão d análs na ára das cêncas da saúd, spcalmnt
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisANOVA Modelos de Efeitos Aleatórios
O Modlos d Eftos latóros Modlos d Eftos latóros Ex. Tmpratura Corporal (ºC d mas Rpl 3 4 5 6 3 5 8 3 8 8 7 3 3 5 4 4 9 8 4 9 7 3 3 Obtvo do Exprmto: Estmar a tmpratura corporal dos amas d crta spéc m codçõs
Leia maisPROPAGAÇÃO EM RÁDIO MÓVEL Prof. Waldecir J. Perrella. Desvanescimento em Pequena Escala e Multipercurso.
PROPAGAÇÃO EM RÁDIO MÓVEL Prof. Waldcr J. Prrlla Dsvanscmnto m Pquna Escala Multprcurso. Dsvanscmnto m pquna scala ou smplsmnt dsvancmnto (fadng), é usado para dscrvr a rápda flutuação da ampltud d um
Leia maisestados. Os estados são influenciados por seus próprios valores passados x
3 Filtro d Kalman Criado por Rudolph E. Kalman [BROWN97] m 1960, o filtro d Kalman (FK) foi dsnvolvido inicialmnt como uma solução rcursiva para filtragm linar d dados discrtos. Para isto, utiliza quaçõs
Leia maisUMA REPRESENTAÇÃO COMPACTA PARA GRAFOS CORDAIS
UMA REPRESENTAÇÃO COMPACTA PARA GRAFOS CORDAIS Clíca V. P. Frdmann FFP-UERJ clcavp@trra.com.br Abl R. G. Lozano FFP-UERJ arglozano@trra.com.br Llan Marknzon NCE-UFRJ marknzon@nc.ufrj.br Paulo Rnato da
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO
II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO
II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício
Leia mais/ d0) e economicamente (descrevendo a cadeia de causação
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 26 Macroconoma I º Smstr 27 Profssor Frnano Rugtsky Lsta Exrcícos [] Consr uma macroconoma scrta
Leia maisEstatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade
Estatístca ultvarada Normal ultvarada Função dnsdad conjunta contorno d robabldad Prof. José Francsco orra Pssanha rofssorjfm@hotmal.com Dstrbução normal unvarada Sja uma varávl alatóra normalmnt dstrbuída
Leia maisRI406 - Análise Macroeconômica
Fdral Univrsity of Roraima, Brazil From th SlctdWorks of Elói Martins Snhoras Fall Novmbr 18, 2008 RI406 - Anális Macroconômica Eloi Martins Snhoras Availabl at: http://works.bprss.com/loi/54/ Anális Macroconômica
Leia maisEletrônica III (ELO III) Prof. Victor Sonnenberg PROGRAMA
ltrônca (LO ) Prof. ctor Sonnnbrg PROGRAMA 0. Aprsntação do programa da dscplna: Amplfcador Dfrncal. 0. Amplfcador Dfrncal xrcícos. Sdra 5 o d.- Cap. 7 - pag. 48 a 448. 03. Rsposta m Frqüênca d amplfcadors
Leia maisSISTEMA DE PONTO FLUTUANTE
Lógica Matmática Computacional - Sistma d Ponto Flutuant SISTEM DE PONTO FLUTUNTE s máquinas utilizam a sguint normalização para rprsntação dos númros: 1d dn * B ± 0d L ond 0 di (B 1), para i = 1,,, n,
Leia maisFenômenos de adsorção em interfaces sólido/solução. Fenômenos de adsorção em interfaces sólido/solução
Fnômnos d adsorção m Construção modlagm d isotrmas d adsorção no quilíbrio químico Fnômnos d adsorção m Para procssos qu ocorrm no quilíbrio químico, podm-s obtr curvas d adsorção, ou isotrmas d adsorção,
Leia maisFILTROS. Assim, para a frequência de corte ω c temos que quando g=1/2 ( )= 1 2 ( ) = 1 2 ( ) e quando = 1 2
FILTROS Como tmos visto, quando tmos lmntos rativos nos circuitos, as tnsõs sobr os lmntos d um circuitos m CA são dpndnts da frquência. Est comportamnto m circuitos montados como divisors d tnsão prmit
Leia maisEconometria: Regressão por Variáveis Instrumentais (VI)
Economtra: Rgrssão por Varávs Instrmntas VI Slds do crso d conomtra d Marco Cavalcant da Pontfíca Unvrsdad Católca do Ro d Janro PUC-Ro Smáro Motvação para o so d VI Prncpas casas do vés do stmador d MQO
Leia maisCapítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b)
Capítulo Problma. Ω{C C C C C5 C R R R R R5 R} Od: Ccara Rcoroa 5 P 5 5 P 7 7 7 7 7 7 c Sm pos P j P P j j d 5 5 5 / / Problma. P 5 P 5 9 5 7 9 c Não pos P P P 9 d P / P / 5 P 5 P 5 Problma. Prchdo os
Leia maisMODELO DE PAINEL LOGIT PARA AVALIAÇÃO DE RETORNOS POSITIVOS EM MERCADOS ACIONÁRIOS
MODELO DE PAINEL LOGIT PARA AVALIAÇÃO DE RETORNOS POSITIVOS EM MERCADOS ACIONÁRIOS Luz Paulo Lops Fávro Faculdad d Economa, Admnstração Contabldad da Unvrsdad d São Paulo Av. Prof. Lucano Gualbrto, 908,
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais3º) Equação do tipo = f ( y) dx Solução: 2. dy dx. 2 =. Integrando ambos os membros, dx. dx dx dy dx dy. vem: Ex: Resolva a equação 6x + 7 = 0.
0 d º) Equação do tipo: f ) d Solução: d d d d f ) f ) d f ) d. Intgrando ambos os mmbros d d d d vm: d d f ) d C d [ f ) d C ]d [ f ) d C] d C d E: Rsolva a quação 6 7 0 d d d º) Equação do tipo f ) :
Leia maisMaterial Teórico - Módulo Equações e Sistemas de Equações Fracionárias. Sistemas de Equações Fracionárias. Oitavo Ano
Matrial Tórico - Módulo Equaçõs Sistmas d Equaçõs Fracionárias Sistmas d Equaçõs Fracionárias Oitavo Ano Autor: Prof Ulisss Lima Parnt Rvisor: Prof Antonio Caminha M Nto Sistmas d quaçõs fracionárias Nssa
Leia maisProblemas Numéricos: 1) Desde que a taxa natural de desemprego é 0.06, π = π e 2 (u 0.06), então u 0.06 = 0.5(π e π), ou u =
Capitulo 12 (ABD) Prguntas para rvisão: 5) Os formuladors d políticas dsjam mantr a inflação baixa porqu a inflação impõ psados custos sobr a conomia. Os custos da inflação antcipado inclum custos d mnu,
Leia maisCálculo de Autovalores, Autovetores e Autoespaços Seja o operador linear tal que. Por definição,, com e. Considere o operador identidade tal que.
AUTOVALORES E AUTOVETORES Dfiniçõs Sja um oprador linar Um vtor, é dito autovtor, vtor próprio ou vtor caractrístico do oprador T, s xistir tal qu O scalar é dnominado autovalor, valor próprio ou valor
Leia maisEXPRESSÕES LÓGICAS. 9.1 Lógica proposicional AULA 9
AULA 9 EXPRESSÕES LÓGICAS 9.1 Lógica proposicional Lógica é o studo do raciocínio 1. Em particular, utilizamos lógica quando dsjamos dtrminar s um dado raciocínio stá corrto. Nsta disciplina, introduzimos
Leia maisExame de Matemática Página 1 de 6. obtém-se: 2 C.
Eam d Matmática -7 Página d 6. Simplificando a prssão 9 ( ) 6 obtém-s: 6.. O raio r = m d uma circunfrência foi aumntado m 5%. Qual foi o aumnto prcntual da ára da sgunda circunfrência m comparação com
Leia maisλ, para x 0. Outras Distribuições de Probabilidade Contínuas
abilidad Estatística I Antonio Roqu Aula 3 Outras Distribuiçõs d abilidad Contínuas Vamos agora studar mais algumas distribuiçõs d probabilidads para variávis contínuas. Distribuição Eponncial Uma variávl
Leia mais3 Modelagem de motores de passo
31 3 odlagm d motors d passo Nst capítulo é studado um modlo d motor d passo híbrido. O modlo dsnolido é implmntado no ambint computacional Simulink/TL. Est modlo pod sr utilizado m motors d imã prmannt,
Leia mais3 O Método Híbrido dos Elementos de Contorno e sua formulação simplificada aplicados a problemas estáticos em domínio infinito e multiplamente conexo
3 O Método Hírdo dos Elmntos d Contorno sua formulação smplfcada aplcados a prolmas státcos m domíno nfnto multplamnt conxo A valdad d amas as formulaçõs hírdas aprsntadas no capítulo antror stá na possldad
Leia maisMétodo para aplicação de gráficos de controle de regressão no monitoramento de processos
Produção, v 21, n 1, p 106-117, jan/mar 2011 do: 101590/S0103-65132011005000001 Método para aplcação de gráfcos de controle de regressão no montoramento de processos Danlo Cuzzuol Pedrn a, *, Carla Schwengber
Leia maisAlgumas distribuições de variáveis aleatórias discretas importantes:
Algumas distribuiçõs d variávis alatórias discrtas importants: Distribuição Uniform Discrta Enquadram-s aqui as distribuiçõs m qu os possívis valors da variávl alatória tnham todos a msma probabilidad
Leia maisTÓPICOS. ordem; grau; curvas integrais; condições iniciais e fronteira. 1. Equações Diferenciais. Conceitos Gerais.
Not bm, a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliografia principal da cadira hama-s à atnção para a importância do trabalho pssoal a ralizar plo aluno rsolvndo os problmas
Leia maisP R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5
P R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5 GRUPO I ITENS DE ESCOLHA MÚLTIPLA 1. Agrupando num bloco a Ana, a Bruna, o Carlos, a Diana o Eduardo, o bloco os rstants st amigos prmutam
Leia maisTRANSMISSÃO DE CALOR II. Prof. Eduardo C. M. Loureiro, DSc.
TRANSMISSÃO DE CALOR II Prof. Eduardo C. M. Lourro, DSc. ANÁLISE TÉRMICA Dtrmnação da ára rqurda para transfrr o calor, numa dtrmnada quantdad por undad d tmpo, dadas as vlocdads d scoamnto as tmpraturas
Leia mais3. Geometria Analítica Plana
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS DEPARTAMENTO DE MATEMÁTICA E ESTATÍSITICA APOSTILA DE GEOMETRIA ANALÍTICA PLANA PROF VINICIUS 3 Gomtria Analítica Plana 31 Vtors no plano Intuitivamnt,
Leia maisSolução da equação de Poisson 1D com coordenada generalizada
Solução da quação d Poisson 1D com coordnada gnralizada Guilhrm Brtoldo 8 d Agosto d 2012 1 Introdução Ao s rsolvr a quação d Poisson unidimnsional d 2 T = fx), 0 x 1, 1) dx2 sujita às condiçõs d contorno
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisUTILIZAÇÃO DE REGRESSÃO LOGÍSTICA PARA AVALIAÇÃO DE PROVÁVEIS ÁREAS DE OCUPAÇÕES PRETÉRITAS
p.565-573. UTILIZAÇÃO DE REGRESSÃO LOGÍSTICA PARA AVALIAÇÃO DE PROVÁVEIS ÁREAS DE OCUPAÇÕES PRETÉRITAS ÍTALO TSUCHIYA VILMA MAYUMI TACHIBANA NILTON NOBUHIRO IMAI ROSÂNGELA CUSTÓDIO CORTEZ THOMAZ Unvrsdad
Leia mais1.1 O Círculo Trigonométrico
Elmntos d Cálculo I - 06/ - Drivada das Funçõs Trigonométricas Logarítmicas Prof Carlos Albrto S Soars Funçõs Trigonométricas. O Círculo Trigonométrico Considrmos no plano a cirncunfrência d quação + =,
Leia maisFenômenos de adsorção em interfaces sólido/solução. Construção e modelagem de isotermas de adsorção no equilíbrio químico
Fnômnos d adsorção m intrfacs sólido/solução Construção modlagm d isotrmas d adsorção no uilíbrio químico Fnômnos d adsorção m intrfacs sólido/solução Para procssos qu ocorrm no uilíbrio químico, podm-s
Leia mais4. RESULTADOS E DISCUSSÃO
4. RESULTADOS E DISCUSSÃO O conjunto d dados original aprsntava alguns valors prdidos, uma vz qu houv a mort d plantas nas parclas ants da colta dos dados, grando assim um conjunto d dados dsalancado,
Leia maisANÁLISE DA INSTABILIDADE LATERAL DE DUAS VIGAS PRÉ-MOLDADAS PROTENDIDAS
ISSN 809-5860 ANÁLISE DA INSTABILIDADE LATERAL DE DUAS VIGAS PRÉ-MOLDADAS PROTENDIDAS Mara Crstna Vdgal d Lma & Mounr Khall El Dbs 2 Rsumo O studo da stabldad das fass transtóras d vgas sbltas d grands
Leia maisA trajetória sob a ação de uma força central inversamente proporcional ao quadrado da distância
A trajtória sob a ação d uma força cntral invrsamnt proporcional ao quadrado da distância A força gravitacional a força ltrostática são cntrais proporcionais ao invrso do quadrado da distância ao cntro
Leia maisEnunciados equivalentes
Lógica para Ciência da Computação I Lógica Matmática Txto 6 Enunciados quivalnts Sumário 1 Equivalência d nunciados 2 1.1 Obsrvaçõs................................ 5 1.2 Exrcícios rsolvidos...........................
Leia maisUNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 26 Macroconoma I º Smstr 27 Príoo Durno Profssors: lbrto Tau Lma Pro arca Duart Lsta Exrcícos
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisEscola Politécnica da Universidade de São Paulo. Departamento de Engenharia de Estruturas e Fundações
Escola Politécnica da Univrsidad d São Paulo Dpartamnto d Engnharia d Estruturas Fundaçõs Laboratório d Estruturas Matriais Estruturais Extnsomtria létrica III Notas d aula Dr. Pdro Afonso d Olivira Almida
Leia mais5.10 EXERCÍCIO pg. 215
EXERCÍCIO pg Em cada um dos sguints casos, vriicar s o Torma do Valor Médio s aplica Em caso airmativo, achar um númro c m (a, b, tal qu (c ( a - ( a b - a a ( ; a,b A unção ( é contínua m [,] A unção
Leia maisEXAME NACIONAL MATEMÁTICA
MINISTÉRIO DA EDUCAÇÃO EXAME NACIONAL DE MATEMÁTICA 3.º CICLO DO ENSINO BÁSICO 2007 Prova 23 1.ª Chamada 16 páginas Duração da prova: 90 minutos Critérios d Classificação Dcrto-Li n.º 6/2001, d 18 d Janiro,
Leia maisMODELO DE BIELAS E TIRANTES GERADOS POR OTIMIZAÇÃO TOPOLÓGICA E ELEMENTOS INDUTORES
MODELO DE BIELAS E TIRANTES GERADOS POR OTIMIZAÇÃO TOPOLÓGICA E ELEMENTOS INDUTORES João da Costa Pantoja. Luz Eloy Vaz. Luz Frnando Martha. joao_pantoja@hotmal.com loy@trra.com.br lfm@tcgraf.puc-ro.br
Leia mais1. Problema Os dados apresentados abaixo relacionam x, o nível umidade de uma mistura de um determinado produto, a Y, a densidade do produto acabado.
1. Problma Os dados aprsntados abaixo rlacionam x, o nívl umidad d uma mistura d um dtrminado produto, a Y, a dnsidad do produto acabado. x 7 9 10 13 14 15 16 19 Y 9.07 9.94 10.75 12.45 12.97 13.34 14.25
Leia maisAvaliação do Desempenho e Robustez de um Algoritmo de Identificação de Instabilidade de Tensão baseado em Sincrofasores
Avalação do Dsmpnho Robustz d um Algortmo d Idntfcação d Instabldad d Tnsão basado m Sncrofasors Carlos Oyarc COPP/UFRJ Glauco N. Taranto Rsumo st artgo aprsnta uma avalação d dsmpnho robustz d um algortmo
Leia maisVI - ANÁLISE CUSTO - VOLUME - RESULTADOS
VI - ANÁLISE CUSTO - VOLUME - RESULTADOS 6.1 Introdução ao tma Exist todo o intrss na abordagm dst tma, pois prmit a rsolução d um conjunto d situaçõs qu s aprsntam rgularmnt na vida das organizaçõs. Estas
Leia maisProva Escrita de Matemática A 12. o Ano de Escolaridade Prova 635/Versões 1 e 2
Eam Nacional d 0 (. a fas) Prova Escrita d Matmática. o no d Escolaridad Prova 3/Vrsõs GRUPO I Itns Vrsão Vrsão. (C) (). () (C) 3. () (C). (D) (). (C) (). () () 7. () (D) 8. (C) (D) Justificaçõs:. P( )
Leia maisDefinição de Termos Técnicos
Dfinição d Trmos Técnicos Eng. Adriano Luiz pada Attack do Brasil - THD - (Total Harmonic Distortion Distorção Harmônica Total) É a rlação ntr a potência da frqüência fundamntal mdida na saída d um sistma
Leia maisComparação de Desempenho entre FKE e Filtro de Partículas usando Modelos Não-Lineares
Comparação d Dsmpnho ntr FKE Fltro d Partículas usando Modlos Não-Lnars Luz Hnrqu Montro Frrra Insttuto cnológco d Aornáutca Praça Marchal Eduardo Goms 5 Vla das Acácas CEP 2228-9 São José dos Campos SP
Leia maisUNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia
UNIVERSIDADE DE SÃO PAULO Faculdad d Economia, Administração Contabilidad d Ribirão Prto Dpartamnto d Economia Nom: Númro: REC200 MICROECONOMIA II PRIMEIRA PROVA (20) () Para cada uma das funçõs d produção
Leia maisUNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia
UNIVERSIDADE DE SÃO PAULO Faculdad d Economia, Administração Contabilidad d Ribirão Prto Dpartamnto d Economia Nom: Númro: REC00 MICROECONOMIA II PRIMEIRA PROVA (0) () Para cada uma das funçõs d produção
Leia maisPág , isto é, é o número Pretende-se mostrar que x [ ] f ( x) Seja h a restrição da função f ao intervalo ],0].
Fca d tst global Dado um spaço d rsultados E, fnto, s os acontcmntos lmntars form quprovávs, a probabldad d um acontcmnto A ( E quocnt nr o númro d casos favorávs ao Pág P, é gual ao acontcmnto A o númro
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisSISTEMÁTICA PARA A APLICAÇÃO DO GRÁFICO DE CONTROLE DE REGRESSÃO MÚLTIPLA NO MONITORAMENTO DE PROCESSOS
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. SISTEMÁTICA PARA A APLICAÇÃO DO GRÁFICO DE CONTROLE DE REGRESSÃO MÚLTIPLA NO MONITORAMENTO DE PROCESSOS Danilo Cuzzuol Pedrini (PPGEP/UFRGS) danilo@producao.ufrgs.br
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisPág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2).
Númros complxos Atvdad d dagnóstco AB + + + AB ( ) ( ) ( ) + + + 9+ A, ; B, ; P x, y Pág AP BP x+ y x + y + x + x + + y x + x x + + y + x + yx y x A bsstr dos quadrants ímpars é a mdatr d [AB] B(, ) ;
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisANÁLISE MATEMÁTICA IV FICHA SUPLEMENTAR A =
Instituto Suprior Técnico Dpartamnto d Matmática Scção d Álgbra Anális ANÁLISE MATEMÁTICA IV FICHA SUPLEMENTAR 4 EQUAÇÕES DIFERENCIAIS LINEARES Formas canónicas d Jordan () Para cada uma das matrizs A
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisGERADORES E RECEPTORES eléctricos
GADOS CPTOS léctrcos No momnto d lgarmos a chav d gnção, a batra fornc nrga léctrca ao motor d arranqu, pondo st m funconamnto. nrga químca nrga léctrca Quando um lmnto do crcuto é capaz d transformar
Leia maisEXERCÍCIO: BRECHA ALEATÓRIA
EXERCÍCIO: BRECHA ALEATÓRIA Considr uma manobra qu tm d sr fita nas brchas ntr passagns d vículos do fluxo principal rqur uma brcha mínima d 6 sgundos para qu o motorista possa xcutá-la Uma contagm d tráfgo
Leia mais2 Mbps (2.048 kbps) Telepac/Sapo, Clixgest/Novis e TV Cabo; 512 kbps Cabovisão e OniTelecom. 128 kbps Telepac/Sapo, TV Cabo, Cabovisão e OniTelecom.
4 CONCLUSÕES Os Indicadors d Rndimnto avaliados nst studo, têm como objctivo a mdição d parâmtros numa situação d acsso a uma qualqur ára na Intrnt. A anális dsts indicadors, nomadamnt Vlocidads d Download
Leia mais