Estudo Comparativo do Desempenho de Gráficos X -R, X -S e T 2 Economicamente Planejados para Processos Não Regenerativos
|
|
- Maria Luiza Bonilha
- 5 Há anos
- Visualizações:
Transcrição
1 Estudo Comparativo do Desempenho de Gráficos, S e T Economicamente Planejados para Processos Não egenerativos Linda Lee Ho (USP) lindalee@usp.br Osiris Turnes (UnB) osiris@unb.br esumo Para um controle simultâneo da média e da variabilidade do processo podem ser utilizados os gráficos de controle, S ou T. Neste trabalho, um estudo comparando o desempenho destes gráficos economicamente planejados foi efetuado utilizando como medida de desempenho os ALs. Os resultados apontam que os gráficos de controle T apresentam o melhor desempenho quando ocorrem desvios nos dois parâmetros simultaneamente. Palavras chave: Planejamento Econômico de Gráficos de Controle, Gráficos, Gráficos S, Gráficos T.. Introdução De um modo geral, nos processos produtivos em que a característica de interesse é uma variável contínua, tanto a média do processo como o desvio padrão são monitorados a partir de gráficos de controle. Para isto, utilizam, geralmente, gráficos de controle simultaneamente com os gráficos de controle ou S. Muitos autores têm se ocupado de diversos tipos de planejamento de gráficos de controle e suas aplicações, como é o caso de Baker () que aborda exclusivamente o planejamento econômico de gráficos de controle. Baker desenvolveu dois modelos semieconômicos para o planejamento desse tipo de gráficos de controle. Em seu artigo considera o tempo em que o processo se mantém sob controle como uma variável aleatória discreta com distribuição Geométrica. Duncan () e Knappenberger & Grandage () determinaram planejamentos ótimos para gráficos, quando o processo está sujeito a algumas causas específicas de variação. Ladani e seus colaboradores (, 5 e ) desenvolveram modelos econômicos para gráficosp com o objetivo de controlar processos de produção de curta duração. Del Castillo e Montgomery () estenderam os resultados de Ladany et al. () para gráficos. A maior parte dos modelos citados se ocupam do planejamento econômico para gráficos. Entre os modelos que tratam do controle simultâneo da média e da variabilidade do processo podese citar o trabalho de Saniga () que desenvolveu um modelo de custo esperado em que a média do processo é controlada por um gráfico e a variabilidade do processo por um gráfico. Uma extensão dos modelos de Baker () para o planejamento econômico de gráficos de controle simultâneo foi feita por Turnes, Ho e Imaña (). Collani () apresentou um gráfico de controle padrão, utilizando a estatística T para controlar dois parâmetros: a média e a variabilidade do processo. Segundo Collani, tal gráfico univariado teve como orientação os gráficos de controle de Shewhart, conforme sugere o Padrão ISO 5. O desenvolvimento desse modelo de planejamento econômico para gráficos de controle tem como base o trabalho do próprio Collani (), leva em conta os parâmetros econômicos relevantes e reduz o número de parâmetros de entrada na composição da função custo esperado. ENEGEP ABEPO
2 O presente artigo compara o desempenho dos seguintes gráficos de controle planejados economicamente:, S e T, usados para controlar simultaneamente a média e a variabilidade do processo. Os parâmetros de tais planos ótimos são calculados empregando a função objetivo desenvolvida por Baker () para processo nãoregenerativos. Na seção os gráficos de controle univariados e bivariados são descritos. A função objetivo proposta por Baker () é revista na seção. Exemplos numéricos são apresentados na seção. Conclusões e sugestões para pesquisas futuras estão na seção 5.. Gráficos de Controle para o Controle Simultâneo da Média e da Variabilidade do Processo Quando se realiza o controle simultâneo da média e do desvio padrão de um processo, a primeira idéia que ocorre é a de usar dois gráficos de controle: um para controlar a média e outro para controlar a variabilidade do processo. O par de gráficos mais comumente utilizado com esse propósito é o chamado gráfico (Saniga, ). Além do gráfico de controle, podese utilizar o gráfico S para monitorar a variabilidade do processo. Para esse propósito, a procura por uma causa especial será deflagrada quando um ponto for registrado fora dos limites do gráfico e/ou dos limites do gráfico ou gráfico S. O planejamento econômico ótimo para esses gráficos seleciona o tamanho da amostra (n), o intervalo interamostral (h) e dois coeficientes dos limites de controle k (para o gráfico ) e * k ou k (para os gráficos e S, respectivamente). Os limites para o gráfico são os seguintes: UCL LCL σ = µ + k σ = µ k onde µ e σ representam, respectivamente, a média e o desvio padrão quando o processo está sob controle. O limite superior de controle para o gráfico é UCL = k σ. O limite inferior desse gráfico é fixado em (zero), uma vez que somente valores positivos são considerados na variabilidade do processo. De maneira análoga o limite superior do gráfico S * é ULC S = kσ e o limite inferior também é fixado em (zero). Além disso, e ( ou S ) são estatisticamente independentes, uma vez que a suposição de que a característica de qualidade segue uma distribuição normal é verdadeira. Assim, as probabilidades de ocorrer um alarme falso nos gráficos e S são respectivamente dadas por: () e () α α ( ) = α + α α α ( S ) S S = α + α * com α = [ Φ( k)] ; α ( k ) = F W ; α = G[( n ) * k, n ], Φ( ) é a função S F representa a função distribuição de W = σ que foi distribuição normal padronizada; ( ) W α α n n ENEGEP ABEPO
3 tabelada por Pearson () e Hartley () para n e G(y,c) é a distribuição χ centralizada, com c graus de liberdade. As probabilidades de um sinal de alarme são: () e β = ( β ) + ( β ) ( β ) ( β ) = β β = ( β ) + ( β ) ( β ) ( β ) = β β S S S S () respectivamente para os gráficos e S, com * n k Φ n k k = Φ β + ; β = F W ; β ( n ) k = G,( n ) S. Uma outra abordagem foi apresentada por Collani () fazendo uso de um gráfico que se baseia em uma estatística única T (,..., ) n = n n i = β para n =, i µ. para n σ A procura de uma causa especial será deflagrada quando T k, k é o limite de controle. Quando o processo está sob controle, isto é, N (µ,σ ), sabese que nt segue uma distribuição χ centrada com n graus de liberdade. Quando o processo está fora de controle, [isto é N (µ σ, σ ) ou N (µ + σ, σ ) ; ; e (, ) (,)], nt é uma distribuição χ nãocentrada com n graus de liberdade e parâmetro de não centralidade n. Sob essas condições a probabilidade de ocorrer um alarme falso é α = P( T > k µ = µ, σ = σ ) = G( nk, n) T (5) onde G(y,n) representa a distribuição χ centrada com n graus de liberdade. A probabilidade de um sinal de alarme é dada por nk n β = G, n, () T onde G(y,n,υ) é a função distribuição de uma χ nãocentrada, com n graus de liberdade e parâmetro de não centralidade υ. Aqui, β = β + β e β = β, com + + e ( n,k) = P( T k µ = µ + σ σ ) β = + ; σ (,k) = P( T k µ = µ σ σ ) β n =. ; σ ENEGEP ABEPO
4 . Modelo de Baker e a Função Custo Esperado Esse modelo supõe um processo produtivo em tempo discreto, com uma única característica de qualidade normalmente distribuída. A duração discreta do tempo em que o processo se mantém sob controle é representada por T. O processo se inicia no estado sob controle com a média a um nível esperado µ e com a variabilidade dada pelo desvio padrão de, σ. A ocorrência de uma causa especial desvia a média do processo para µ = µ + σ. O procedimento de controle detecta esse desvio algum tempo depois, e uma ação corretiva é então implementada, sendo o processo restaurado. O ciclo, então, se repete. Para processos não regenerativos, no modelo de Baker, supõese que a duração de tempo T em que o processo se mantém sob controle segue uma distribuição geométrica, ou seja, p t =π(π) t, t=,,., onde π é a probabilidade de ocorrência de um desvio. Esta probabilidade não muda no tempo. A duração esperada do tempo que o processo se mantém sob controle é, portanto, dada por E(T)=θ = (π)/π. Sob essas condições, o custo médio por unidade de tempo de operação, proposto por Baker () é dado por a β π + β α π + π = + [( ) ( ) ( )] a an () ( β )( π ) + π onde a é o custo de amostragem de um item; a é o custo de interromper o processo e procurar por uma causa especial e a é o custo de operar fora de controle por uma unidade de tempo.. Exemplos Numéricos Com propósitos ilustrativos, foram calculados planos ótimos para o modelo selecionado com respeito aos gráficos ( ); ( S ) e T. Para tanto foi usado o seguinte conjunto restrito de parâmetros de entrada: Duração esperada do tempo em que o processo opera sob controle: θ = e 5; Vetores de valores dos desvios da média e do desvio padrão do processo: = ; onde é o desvio na média do processo e é o desvio na variância do processo; Custo por unidade amostrada: a =.,.5 e.; C =(a /a ) =.;.5 e.; C =(a /a ) = e ; Custo de interrupção do processo e procura por uma causa especial: a =. As determinações do tamanho da amostra e dos coeficientes dos limites de controle foram obtidas por busca direta. Também foram calculados os valores AL =/α, AL =/(β) e do custo esperado mínimo. Para valores altos de θ, naturalmente π θ. A procura do tamanho ótimo da amostra nos gráficos teve uma restrição visto que as tabelas de Pearson e Hartley foram obtidas apenas tamanhos de amostras no intervalo n. Assim sendo, os planos para os gráficos não foram calculados para tamanhos de amostra superiores a. Para tornar comparáveis os diferentes gráficos de controle, a procura do tamanho ótima de amostra teve início a partir de tamanho de amostra dois nos outros gráficos de controle. As Tabelas a mostram os resultados obtidos quando θ =; =, e = ENEGEP ABEPO
5 ,;, e θ =5; =, e,5; =,;, e,. A análise dessas tabelas permite fazer algumas observações: Quando ambos os parâmetros dos desvios mudam de valor (ou seja, > e >) ou quando apenas a variabilidade do processo se desvia (isto é, = e > ), os tamanhos de amostras exigidos para os diferentes tipos de gráficos são semelhantes. O gráfico univariado T apresenta os menores valores médios de custo total, bem como, valores mais altos de AL para θ =. Já para θ =5, o gráfico apresenta os menores valores médios do custo ótimo, e o gráfico T valores mais altos de AL. Além disso, quando somente a média do processo se desvia (ou seja, > e = ), o tamanho da amostra depende do valor de : para pequenos desvios o gráfico univariado T exige tamanhos de amostras menores do que os outros dois tipos de gráficos, mas para desvios grandes exige amostras maiores. Observase que o gráfico T apresenta maiores custos médios totais e menores valores de AL do que nos outros dois tipos de gráficos em ambos os casos. Em qualquer caso, o desempenho dos gráficos e S é bastante semelhante (tamanhos de amostra, custos médios e AL s). 5.Conclusões e Discussão O presente estudo, embora restrito a poucos valores do tempo em que o processo se mantém sob controle permite concluir que a utilização gráfico univariado T deve ser considerada, como uma alternativa, quando o objetivo for controlar simultaneamente a média e o desvio padrão de um processo, uma vez que esse gráfico geralmente apresenta planos com melhor desempenho do que os encontrados para e S. Para valores maiores de θ, o desempenho do gráfico T mantémse melhor, em detrimento do custo. Em vista disso, sugerese um estudo detalhado da relação custo/benefício entre os planos obtidos com os três tipos de gráficos considerados no presente trabalho, bem como estender a pesquisa para diferentes valores de θ. eferências BAKE, K.. () Two process models in the economic design of an chart. AIIE Transactions, Vol., n., p.5. v. COLLANI E. () Control of production processes subject to random shocks. Annals of Operations esearch. Vol., p.. v. COLLANI E. () Determination of the economic design of control charts in: Optimization in Quality Control, eds. K.S. AlSultan and M. A. ahim, Kluver Academic, Boston. DEL CASTILLO, E.; MONTGOMEY, D.C. () Optimal design of control charts for monitoring short production runs. Economic Quality Control. Vol., p. 5. DUNCAN, A.J. (5) The economic design of charts used to maintain current control of a process. J. Am. Stat. Assoc., Vol.5, p.. HATLEY, H.O. () The Probability Integral of the ange in Samples of N Observations from a Normal Population: Numerical Evaluation of the Probability Integral, Biometrika, Vol., p.. KNAPPENBEGE, H. A.; GANDAGE, A. H. E. () Minimum cost quality control tests. AIIE Transactions, Vol., n., p.. LADANY, S.P. () Optimal use of control charts for controlling current production. Management Science, Vol., n., p.. ENEGEP ABEPO
6 LADANY, S.P.; ALPEOVITCH, Y. (5) An optimal setup policy for control charts. Omega, Vol., p.. LADANY, S.P.; BEDI, D.N. () Selection of the optimal setup policy. Naval esearch Logistics Quarterly, Vol., p.. PEASON, E.S. () The Probability Integral of the ange in Samples of N Observations from a Normal Population: Foreword and Tables, Biometrika, Vol., p.. SANIGA, E. M. () Economic Statistical Control Chart Designs with an Application to and Charts. Technometrics, Vol., n., p.. TUNES, O.; HO, L.L. E IMANA, C. () Comparison of Semi Economic and control charts for non ageing and ageing process. Economic Quality Control, Vol., n., p.. TABELAS θ=; =. C =. C =.5 C =. S T S T S T C =. n 5 k k Arl Arl n k k Arl Arl C =. n k k Arl Arl. n k k Arl Arl * * Tabelas Planos ótimos para os três tipos de gráficos, sem mudança na média do processo...5. ENEGEP ABEPO
7 θ=5; =, C =. C =.5 C =. S T S T S T C = C =. n k k Arl Arl. n k k Arl Arl. n k k Arl Arl. n k k Arl Arl ,.., 5.5,5.., 5,5,5.., 5,5, ,.5,..,,5,.., 5,5 5,.., 5, 5, ,5...,,55,..,,5,.5.,,5, Tabela Planos ótimos para os três tipos de gráficos, sem mudança na média do processo. ENEGEP ABEPO
8 θ = 5; =,5 C =. C =.5 C =. S T S T S T C = C =. n k k Arl Arl. n k k Arl Arl. n k k Arl Arl. n k k Arl Arl. n k k Arl Arl. n k k Arl Arl *,,5,..5, 5,5,.5.,5 5,5, 5.. *,5,5 5,5..5 *, 5,5, 5..5,5 5,5, ,5,5,..,,5,.., 5,,.. *,5,5,5..5 5, 5,5,.., 5, 5, ,,5,.5.,,5,..,,55,.. *,5,5,5..5,,5, 5.5.,,5, Tabela Planos ótimos para os três tipos de gráficos, com mudança na média do processo. ENEGEP ABEPO
SELEÇÃO DE MODELOS DE PLANEJAMENTO ECONÔMICO DE GRÁFICOS DE CONTROLE POR VARIÁVEIS COM RESTRIÇÕES ESTATÍSTICAS
SELEÇÃO DE MODELOS DE PLANEJAMENTO ECONÔMICO DE GRÁFICOS DE CONTROLE POR VARIÁVEIS COM RESTRIÇÕES ESTATÍSTICAS Osiris Turnes Christian Rainier Imaña Universidade de Brasília ( UnB) e-mail: osiris@unb.br,
Leia maisAGRUPAMENTO DOS MODELOS DE PLANEJAMENTO ECONÔMICO PARA GRÁFICOS DE CONTROLE - X
AGRUPAMENTO DOS MODELOS DE PLANEJAMENTO ECONÔMICO PARA GRÁFICOS DE CONTROLE - X Osiris Turnes Universidade de Brasília Departamento de Estatística 70910-900 Brasília DF Endereço eletrônico: osiris@unb.br
Leia maisUm Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 006 Um Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística Fabiane Renata de Santana Yassukawa (UFMG) fabianesy@yahoo.com.br
Leia maisGRÁFICOS DE SHEWHART BASEADOS NA ESTATÍSTICA DE QUI- QUADRADO E COM REGRA ESPECIAL DE DECISÃO
7 a 3/9/5, Gramado, RS GRÁFICOS DE SHEWHART BASEADOS NA ESTATÍSTICA DE QUI- QUADRADO E COM REGRA ESPECIAL DE DECISÃO Marcela Aparecida Guerreiro Machado Departamento de Produção, UNESP Guaratinguetá, 1516-41,
Leia maisESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt
ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt lucas.breniuk@hotmail.com Estimação de parâmetros Média Variância Proporção Estimação de parâmetros Média: " estimador
Leia maisEstatística Não Paramétrica. Como construir testes de aderência
Estatística Não Paramétrica Como construir testes de aderência Teste Qui-quadrado Suposições amostra aleatória Dados nominais (sexo: M ou F) ou numéricos (idade: menor que 15, 15-24, 25-34, 35-44, 45-54,
Leia maisUm comparativo de desempenho entre gráficos de controle univariados e multivariados
Um comparativo de desempenho entre gráficos de controle univariados e multivariados Rodrigo Luiz Pereira Lara 3 Vladimir Barbosa Carlos de Souza 3. Introdução O Controle Estatístico do Processo (CEP) é
Leia maisANÁLISE DE SENSIBILIDADE DO MODELO ECONÔMICO- ESTATÍSTICO PARA O GRÁFICO X COM PARÂMETROS VARIÁVEIS
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 3, Natal-RN ANÁLISE DE SENSIBILIDADE DO MODELO ECONÔMICO- ESTATÍSTICO PARA O GRÁFICO X COM PARÂMETROS VARIÁVEIS Maysa S. de Magalhães
Leia maisObtenção dos projetos ótimos de gráficos de X utilizando o Matlab. Robson Silva Rossi 1 FEMEC
Obtenção dos projetos ótimos de gráficos de X utilizando o Matlab. Robson Silva Rossi 1 FEMEC robsonsilvarossi@yahoo.com.br Aurélia Aparecida de Araújo Rodrigues 2 FAMAT aurelia@famat.ufu.br Resumo Foi
Leia maisInfluência do Tamanho Amostral no Planejamento Econômico para Controle On-Line de Processo por Atributo com Erros de.
Influência do Tamanho Amostral no Planejamento Econômico para Controle On-Line de Processo por Atributo com Erros de 1. Introdução: Classificação Lupércio França Bessegato 1 Roberto da Costa Quinino 2
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia maisMODELOS ARIMA PARA MONITORAÇÃO DA QUALIDADE DA PRODUÇÃO DA INDÚSTRIA TÊXTIL OESTE LTDA
MODELOS ARIMA PARA MONITORAÇÃO DA QUALIDADE DA PRODUÇÃO DA INDÚSTRIA TÊXTIL OESTE LTDA Orientadora: Dra. Maria Emília Camargo Co-Orientadora: Dra. Suzana Leitão Russo Bolsistas de Apoio Técnico: Jonas
Leia maisEspecialização em Métodos Estatísticos Computacionais
Gráfico de Controle por Variáveis Roteiro 1. Construção de Gráficos de Controle de X e R 2. Análise de Desempenho dos Gráficos X e R 3. Alternativas para Monitoramento da Dispersão 4. Regras Suplementares
Leia maisAplicação do gráfico de controle por grupos em uma indústria manufatureira do estado do Ceará
Aplicação do gráfico de controle por grupos em uma indústria manufatureira do estado do Ceará João Welliandre Carneiro Alexandre (UFC) jwca@ufc.br Luiz Fernando M. Rodrigues (ESMALTEC) qualidade@esmaltec.com.br
Leia maisCADERNOS DO IME Série Estatística
CADENOS DO IME Série Estatística Universidade do Estado do io de Janeiro - UEJ io de Janeiro J - Brasil ISSN impresso 1413-922 / ISSN on-line 2317-4535 - v., p.19-28, 214 UMA FUNÇÃO ESCITA NA LINGUAGEM
Leia maisControle Estatístico de Qualidade. Capítulo 5 (montgomery)
Controle Estatístico de Qualidade Capítulo 5 (montgomery) Gráficos de Controle para Variáveis Relembrando Dois objetivos do CEP: Manter o processo operando em condição estável durante maior parte do tempo;
Leia maisUma Análise de Desempenho de Gráficos de Controle Multivariados. Rodrigo Luiz P. Lara 1, José Ivo Ribeiro Júnior 2, Rafael L. R.
ISSN: 2317-0840 Uma Análise de Desempenho de Gráficos de Controle Multivariados Rodrigo Luiz P. Lara 1, José Ivo Ribeiro Júnior 2, Rafael L. R. Oliveira 3 1,2 DET-UFV: Universidade Federal de Viçosa, Viçosa-MG.
Leia maisEficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais
Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais João Marcos Ramos de Moraes (UFV) jaum_55@hotmail.com José Ivo Ribeiro Júnior (UFV) jivo@ufv.br
Leia maisCOMPARAÇÃO DO DESEMPENHO ENTRE OS GRÁFICOS DE CONTROLE X-BARRA E T - STUDENT VARIANDO- SE O NÚMERO E O TAMANHO DAS AMOSTRAS
COMPARAÇÃO DO DESEMPENHO ENTRE OS GRÁFICOS DE CONTROLE X-BARRA E T - STUDENT VARIANDO- SE O NÚMERO E O TAMANHO DAS AMOSTRAS Flavio Luiz Mazocco (UFSCar ) mazocco@hotmail.com Germano Mendes Rosa (IFMG )
Leia maisGráfico de Controle por Variáveis
Principais Gráficos de Variáveis Gráfico de Controle por Variáveis Gráfico de Média X Gráfico de Ampitude R Gráfico de Variância S 2 Gráfico de Desvio-padrão S Construção dos Gráficos de Controle X e R
Leia maisX E R PARA PROCESSOS REGENERATIVOS E
PLANEJAMENTO ECONÔMICO DE GRÁFICOS X E R PARA PROCESSOS REGENERATIVOS E NÃO REGENERATIVOS Osiris Turnes Departamento de Estatística, Instituto de Ciências Exatas, Universidade de Brasília, Campus Universitário
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisAULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS
1 AULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS Ernesto F. L. Amaral 14, 19 e 21 de março de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Contabilometria Prof.: Patricia Maria Bortolon, D. Sc. Intervalos de Confiança Fonte: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia mais4 Medida de desempenho do gráfico de controle
4 Medida de desempenho do gráfico de controle Neste capítulo, são apresentadas as ferramentas que nos permitem comparar o desempenho do gráfico utilizado por Kang & Albin (2000) para monitorar perfis lineares,
Leia maisCONTROLE ESTATÍSTICO DO PROCESSO: ABORDAGEM MULTIVARIADA PARA MEDIDAS INDIVIDUAIS
CONTROLE ESTATÍSTICO DO PROCESSO: ABORDAGEM MULTIVARIADA PARA MEDIDAS INDIVIDUAIS Liane Werner Departamento de Estatística / UFRGS Av. Bento Gonçalves, 9500 - Porto Alegre -RS E-mail: WERNER@MAT.UFRGS.BR
Leia maisTESTES DE HIPÓTESES Notas de aula. Prof.: Idemauro Antonio Rodrigues de Lara
1 TESTES DE HIPÓTESES Notas de aula Prof.: Idemauro Antonio Rodrigues de Lara 2 Conteúdo 1. Fundamentos e conceitos básicos; 2. Função poder; 3. Testes mais poderosos e Lema de Neyman-Pearson; 4. Teste
Leia maisGRÁFICOS X E R COM AMOSTRAGENS EM DOIS ESTÁGIOS
GÁFICOS X E COM AMOSTAGENS EM DOIS ESTÁGIOS A. F. B. COSTA Departamento de Produção C. P. 5, Guaratinguetá, S. P., Brazil When joint X and charts are in use, samples of fixed size are regularly taken from
Leia maisGRÁFICOS DE CONTROLE 3D APLICADOS A PROCESSOS PARALELOS EM UMA INDÚSTRIA MANUFATUREIRA DO ESTADO DO CEARÁ
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. GRÁFICOS DE CONTROLE 3D APLICADOS A PROCESSOS PARALELOS EM UMA INDÚSTRIA MANUFATUREIRA DO ESTADO DO CEARÁ João Welliandre Carneiro Alexandre (UFC) jwca@ufc.br
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f(x) 1.e 1 2. x µ σ 2, x R 2π. σ com - < µ < e σ >
Leia maisControle Estatístico de Processo
Prof. Edson Marcos Leal Soares Ramos, Dr. Profa. Silvia dos Santos de Almeida, Dra. Profa. Adrilayne dos Reis Araújo, M.Sc. Belém 2012 Índice 1 Gráficos de Controle Para Variáveis 2 1.1 Gráficos de Controle
Leia maisNome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia mais5. Carta de controle e homogeneidade de variância
5. Carta de controle e homogeneidade de variância O desenvolvimento deste estudo faz menção a dois conceitos estatísticos: as cartas de controle, de amplo uso em controle estatístico de processo, e a homogeneidade
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia maisMétodos Estatísticos
Métodos Estatísticos 5 - Distribuição Normal Referencia: Estatística Aplicada às Ciências Sociais, Cap. 7 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. Distribuição de Probabilidades A distribuição
Leia maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia maisUniversidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I
8/8/05 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 8/08/05 06:55 ESTATÍSTICA APLICADA
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisCE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 20 de abril, 2018 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, 2018 1 / 25 Aula 5 - Análise da capacidade
Leia mais4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão
4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão Neste capítulo são obtidas as medidas desempenho dos gráficos de controle de Shewhart descritos no Capítulo 2
Leia maisANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE DA VARIÂNCIA COM PARÂMETRO ESTIMADO
ANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE DA VARIÂNCIA COM PARÂMETRO ESTIMADO Pedro Carlos Oprime (DEP/UFSCar) pedro@dep.ufscar.br Gilberto Miller Devos Ganga (DEP/UFSCar) ganga@dep.ufscar.br O objetivo
Leia maisTeste de Hipótese. Capítulo 8 Triola, 10 a. Ed. (Capítulo 7 Triola, 9 a. Ed.) 1 Visão Geral. 2 Fundamentos do teste de hipótese
Teste de Hipótese Capítulo 8 Triola, 10 a. Ed. (Capítulo 7 Triola, 9 a. Ed.) 1 Visão Geral 2 Fundamentos do teste de hipótese z 3 Teste de uma afirmativa sobre uma Proporção z 4 Teste de uma afirmativa
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S. Silva http://www.im.ufrj.br/ralph/multivariada.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Gráficos com.
Roteiro da apresentação 1 Controle de Qualidade Lupércio França Bessegato 2 3 4 UFMG Especialização em Estatística Setembro/2008 5 6 7 8 Monitoramento da Média Gráfico de Controle de CUSUM e de EMWA Além
Leia maisTestes de Hipóteses: Média e proporção
Testes de Hipóteses: Média e proporção Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 12 de setembro de 2018 Londrina 1 / 27 Viu-se a construção de intervalos de confiança
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
Leia maisEstatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades Prof. Gabriel Bádue Teoria A distribuição de Poisson é uma distribuição discreta de probabilidade, aplicável a ocorrências de um evento
Leia maisVERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
Leia maisDistribuição T - Student. Prof. Herondino S. F.
Distribuição T - Student Prof. Herondino S. F. Distribuição T-Student A distribuição T de Student é uma distribuição de probabilidade estatística, publicada por um autor que se chamou de Student, pseudônimo
Leia maismat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br
Prof. Lorí Viali, Dr. http://www. ://www.mat mat.ufrgs..ufrgs.br br/~viali/ viali@mat mat.ufrgs..ufrgs.br Média Uma amostra Proporção Variância Dependentes Diferença de médias m Duas amostras Independentes
Leia maisTESTES DE HIPÓTESES. Lucas Santana da Cunha Universidade Estadual de Londrina
TESTES DE HIPÓTESES Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de setembro de 2016 Introdução Viu-se a construção de intervalos
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia maisGráficos alternativos ao gráfico de R
Gráficos alternativos ao gráfico de R Tiago M. Magalhães Departamento de Estatística - ICE-UFJF Juiz de Fora, 16 de abril de 2019 Tiago M. Magalhães (ICE-UFJF) Gráficos alternativos ao gráfico de R 16
Leia maisGráfico de Controle por Atributos
Gráfico de Controle por Atributos Roteiro 1. Gráfico de np. Gráfico de p 3. Gráfico de C 4. Gráfico de u 5. Referências Gráficos de Controle por Atributos São usados em processos que: Produz itens defeituosos
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisEng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
Leia maisEstatística Aplicada
Estatística Aplicada Distribuição Normal Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES NORMAL Distribuição Normal É uma distribuição teórica de frequências onde
Leia maisDIFERENTES ESTRATÉGIAS DE AMOSTRAGENS PARA REDUZIR O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DA MÉDIA
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 2 a5 de outubro
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 1 Aspectos Gerais 2 Variáveis Aleatórias 3 Distribuições de Probabilidade Binomiais 4 Média e Variância da Distribuição Binomial 5 Distribuição de Poisson 1 1 Aspectos Gerais
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
Leia maisControle Estatístico de Qualidade. Capítulo 7 (montgomery)
Controle Estatístico de Qualidade Capítulo 7 (montgomery) Capacidade do Processo Introdução Cartas de Controle Instrumento de monitoramento e detecção de desvios na estabilidade do processo Considerando
Leia maisDeterminação do tamanho amostral: uma abordagem genuinamente Bayesiana
Determinação do tamanho amostral: uma abordagem genuinamente Bayesiana Edney Luís Oliveira Fernandes, Maria Regina Madruga Tavares, Programa de Pós-Graduação em Matemática e Estatística, ICEN, UFPA, 66610-190,
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
Leia maisUm conceito importante em Probabilidades e Estatística é o de
Variáveis Aleatórias Um conceito importante em Probabilidades e Estatística é o de Variável Aleatória. Variável Aleatória Seja (Ω, A) um espaço de acontecimentos. À função X : Ω IR chamamos variável aleatória.
Leia maisSegunda Lista de Exercícios Cálculo de Probabilidades II Prof. Michel H. Montoril
Exercício 1. Uma urna contém 4 bolas numeradas: {1, 2, 2, 3}. Retira-se dessa urna duas bolas aleatoriamente e sem reposição. Sejam 1 : O número da primeira bola escolhida; 2 : O número da segunda bola
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisCapacidade de Processo
Roteiro Capacidade de Processo 1. Limites de Especificação 2. Índices de Capacidade do Processo 3. Alarmes vs. Itens Não Conformes 4. Limites de Especificação sobre Componentes 5. Referências Capacidade
Leia maisc.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades:
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Qui-quadrado 02/14 1 / 1 Definição 14.1: Uma variável aleatória contínua X tem
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Estatística Universidade do Estado do Rio de Janeiro - UERJ Rio de Janeiro RJ - Brasil ISSN 1413-9022 / v. 27 p. 13-27, 2009 CÁLCULO DO NMA DO GRÁFICO DE CONTROLE DE REGRESSÃO Danilo
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia maisInferência estatística
Inferência estatística Susana Barbosa Mestrado em Ciências Geofísicas 2013-2014 Inferência estatística Obtenção de conclusões sobre propriedades da população a partir das propriedades de uma amostra aleatória
Leia maisSolução: A distribuição normal. Representação gráfica. Cálculo de probabilidades. A normal padrão. σ Será uma N(0; 1).
A distribuição normal Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f (x) =.e π. σ x µ. σ, x R Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ com
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
Leia maisTópicos Especiais em Qualidade
Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisEnrico A. Colosimo Depto. Estatística UFMG
Bioestatística F Conceitos de Teste de Hipóteses Enrico A. Colosimo Depto. Estatística UFMG http://www.est.ufmg.br/~enricoc/ f(x).4.35.3.25.2.15.1.5 Tabela Normal Padronizada Distribuicao Gaussiana com
Leia maisEstatística e Probabilidade. Aula 11 Cap 06
Aula 11 Cap 06 Intervalos de confiança para variância e desvio padrão Confiando no erro... Intervalos de Confiança para variância e desvio padrão Na produção industrial, é necessário controlar o tamanho
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisControle Estatístico de Qualidade para Processos Climatológicos Autocorrelacionados
Controle Estatístico de Qualidade para Processos Climatológicos Autocorrelacionados Luiz André R. dos Santos 1, Fábio C. Conde 1, Mozar de A. Salvador 1, Andrea M. Ramos 1, Larissa S. F. C. dos Santos
Leia maisx, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade
Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 6 Estimação Pontual Exercício 6.1. Considere a população X com função densidade de probabilidade { x, x < 1 f(x)
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisMONITORING BIVARIATE PROCESSES WITH A SHEWHART CHART
MONITORING BIVARIATE PROCESSES WITH A SHEWHART CHART Antonio Fernando B. Costa Universidade Estadual Paulista, Faculdade de Engenharia de Guaratinguetá Campus de Guaratinguetá, São Paulo fbranco@feg.unesp.br
Leia maisExemplo 1: Sabemos que a média do nível sérico de colesterol para a população de homens de 20 a 74 anos é 211 mg/100ml.
Exemplo 1: Sabemos que a média do nível sérico de colesterol para a população de homens de 20 a 74 anos é 211 mg/100ml. O nível médio de colesterol da subpopulação de homens que são fumantes hipertensos
Leia mais