GRÁFICO DE CONTROLE MULTIVARIADO T 2 DE HOTELLING - INSTRUMENTO DE ANÁLISE DA QUALIDADE NUMA INDÚSTRIA DE ALUMÍNIO

Tamanho: px
Começar a partir da página:

Download "GRÁFICO DE CONTROLE MULTIVARIADO T 2 DE HOTELLING - INSTRUMENTO DE ANÁLISE DA QUALIDADE NUMA INDÚSTRIA DE ALUMÍNIO"

Transcrição

1 SPOLM 006 ISSN Ro de Janero, Brasl, 5 e 6 de agosto de 006 GRÁFICO DE CONTROLE MULTIVARIADO T DE HOTELLING - INSTRUMENTO DE ANÁLISE DA QUALIDADE NUMA INDÚSTRIA DE ALUMÍNIO Patríca Slva Tavares Faculdade do Pará FAP R. Muncpaldade, 839 Reduto Belém-PA, Brasl. ptavares4@yahoo.com.br Edson Marcos Leal Soares Ramos Departamento de Estatístca Unversdade Federal do Pará UFPA R. Augusto Corrêa, Belém-PA, Brasl. ramosedson@yahoo.com.br Resumo O objetvo deste trabalho é aplcar o gráfco de controle multvarado T de Hotellng em uma das etapas do processo de produção de perfs de alumíno da ALCOA (Alumnum Company of Amerca) e decompor a estatístca T de Hotellng utlzando uma planlha computaconal. Na aplcação foram utlzados dados da etapa de anodzação e montoradas smultaneamente duas característcas de qualdade: a concentração de ácdo sulfúrco e a concentração de alumíno dssolvdo. A partr da mplementação da Fase I do gráfco de controle multvarado T de Hotellng fo constatado o controle estatístco dos dados, o que possbltou o níco da Fase II, chamada de montoramento. Verfcou-se nesta etapa, a presença de observações dscrepantes (outlers) e a partr da planlha computaconal empregada para decompor a estatístca T de Hotellng destas observações dscrepantes, fo possível descobrr qual das característcas de qualdade afetou o processo, dentfcando as causas especas e, posterormente, propondo as meddas corretvas apropradas. Palavras-chaves: Controle Estatístco da Qualdade, Gráfco de Controle Multvarado T de Hotellng e Alumíno. Abstract The objectve of ths artcle s to apply Hotellng s T multvarate control chart to one of the alumnum profle producton process stages of ALCOA (Alumnum Company of Amerca) and to decompose the statstcs usng a computatonal spreadsheet. In the applcaton, anodzng stage data were used and two qualty characterstcs were montored smultaneously, the acd sulfurc concentraton and the dssolved alumnum concentraton. Through multvarate control chart Phase I mplementaton, the statstcal control of the data was verfed, whch made possble Phase II montorng. In ths stage t was verfed that there were outlers present. The computatonal spreadsheet was used to decompose the statstcs of these dferng observatons and t was possble to dscover whch qualty characterstcs affected the process, dentfyng specal causes. Fnally, approprate correctve measures were proposed. 539

2 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 Key Words: Statstcal Qualty Control, Hotellng s T Alumnum. Multvarate Control Chart and. INTRODUÇÃO Atualmente, as empresas têm buscado técncas cada vez mas apuradas que possam fornecer uma melhora contínua com mas garanta de qualdade nos processos e conseqüentemente nos produtos. Nesse contexto, o Controle Estatístco de Processo (CEP) se apresenta como uma poderosa ferramenta para analsar os dados, estudar as característcas do processo e soluconar os problemas prátcos, e uma das ferramentas do CEP mas utlzadas são os gráfcos de controle unvarados de Shewhart. Anda assm, a necessdade de aglzar os processos e obter nformações cada vez mas rapdamente, fez com que os gráfcos de controle multvarados começassem a se tornar mas mportantes e mas efetvos nos processos ndustras, vsto que estes tpos de gráfcos conseguem montorar smultaneamente mas de uma característca de qualdade. Portanto, o objetvo deste trabalho é analsar a aplcação do gráfco de controle multvarado T de Hotellng em uma das etapas do processo de produção de perfs de alumíno da ALCOA, a fm de dentfcar possíves problemas que possam afetar o bom funconamento do processo produtvo.. GRÁFICOS DE CONTROLE MULTIVARIADOS (GCM) Atualmente, devdo ao desenvolvmento de uma avalação cada vez mas crterosa dos processos e aos avanços tecnológcos que aperfeçoaram enormemente a quantdade e a qualdade dos dados dsponíves, as ndústras passaram a utlzar gráfcos de controle que montoram váras característcas de qualdade smultaneamente, substtundo os conhecdos gráfcos de controle unvarados. Mason e Young (00) mostram que o controle do processo multvarado é uma metodologa baseada nos gráfcos de controle, que é utlzada para montorar a establdade de um processo multvarado. Esta establdade é obtda quando as médas, varâncas e covarâncas das varáves do processo permanecem estáves ao longo das observações. Assm, a análse envolvda no desenvolvmento de procedmentos de controle multvarados exge um exame das varáves relaconadas no processo, já que a mutas vezes essa relação é gnorada na aplcação de procedmentos unvarados. Nesse sentdo, a estatístca T de Hotellng é um método para superar este problema, e será descrta na subseção que segue.. Gráfcos T de Hotellng Hotellng (947) fo um dos prmeros a analsar varáves correlaconadas sob uma perspectva de controle estatístco, utlzando-se de um procedmento multvarado, este procedmento fo baseado na generalzação da estatístca t de Student. Esta estatístca t unvarada se estendeu para o caso multvarado utlzando a forma da estatístca T, baseada em estmatvas amostras da matrz de covarânca. De acordo com este procedmento, deve-se consderar que p característcas correlaconadas estão sendo meddas smultaneamente, e supõe-se que estas característcas, de acordo com Mason, Tracy e Young (99), seguem uma dstrbução p-dmensonal multvarada normal com vetor de médas μ = (μ, μ,..., μ p ) e matrz de covarânca Σ, sendo μ a méda para a -ésma característca e Σ uma 540

3 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 matrz consstndo de varâncas e covarâncas das p característcas. Pode-se estmar com m observações a méda μ por e Σ por S, onde é o vetor que contém as médas amostras das p característcas e S é a matrz de covarâncas amostras para as p característcas. No gráfco T de Hotellng, quando não é possível defnr subgrupos raconas dentro de cada amostra, o processo é então montorado a partr de amostras de tamanho untáro (n = ) e a estatístca T de Hotellng é T = ( ) S ( k ), Eq. () k onde e S representam, respectvamente, as estmatvas para o vetor das médas e a matrz de m / m e S = covarânca do processo, obtdas por: = ( ) k = m ( /( m ) ) ( )( ) k k, onde m representa o número de observações prelmnares k = retradas do processo e é a -ésma observação da p-varável referente a k- ésma amostra. Exstem duas fases dstntas para a construção dos gráfcos de controle T de Hotellng. Lowry e Montgomery (995) mostram que a Fase I consste em utlzar os gráfcos de controle para testar retrospectvamente se o processo estava sob controle quando as prmeras m observações foram extraídas, objetvando obter um conjunto de dados sob controle para o estabelecmento dos lmtes de controle. Estes lmtes de controle são utlzados na Fase II para testar se o processo permanece sob controle, quando as observações futuras são extraídas durante a Fase II. Já os lmtes de controle para a prmera fase de aplcação do gráfco T de Hotellng, a partr de observações ndvduas, são dados por Mason, Tracy e Young (99) como LSC = ( m ) β ( α; p / ; ( m p ) / ) m LIC = 0, Eq. () k onde β ( α; p / ; m p ) / representa o percentl de uma dstrbução beta com parâmetros p/ e (m p /). De outra forma, estes lmtes podem ser aproxmados a partr do relaconamento entre as dstrbuções beta e F, que são dados por LSC = ( m ) ( p / ( m p ) F ( α / ; p; m p )) m + ( p /( m p ) ) F( α / ; p; m p ) LIC = 0. Eq. (3) Para os lmtes mostrados acma, tem-se p como o número de característcas de qualdade analsadas smultaneamente; m é o número de observações e F é o valor tabelado da estatístca segundo o nível de sgnfcânca α a ser determnado e os devdos graus de lberdade. 54

4 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 Quando futuras observações são extraídas do processo, na segunda fase, os lmtes de controle são calculados através da expressão a segur LSC = p ( m + )( m ) m mp F α /, p, m p LIC = 0, Eq. (4) onde F α /, p, m p sgnfca o percentl da dstrbução F com p e m - p graus de lberdade. Como pode ser observado na Eq. (), na Eq. (3) e na Eq. (4), o LIC é defndo como zero. Para Mason, Tracy e Young (99) a razão para sto é porque qualquer mudança na méda levará a um aumento na estatístca T e assm o LIC pode ser gnorado.. O Método de Decomposção Apesar do gráfco de controle T de Hotellng ser uma técnca muto útl para que sejam montoradas smultaneamente váras característcas de qualdade dos processos, algumas dfculdades podem ser encontradas na sua utlzação. A prncpal dfculdade é quando a estatístca T ndca que um processo está fora de controle estatístco e não gera nformação sobre qual varável ou conjunto de varáves está causando este problema. A aproxmação mas conhecda e utlzada para soluconar o problema da nterpretação do snal é a proposta por Mason, Tracy e Young (995), que decompõem a estatístca T em componentes ndependentes que refletem a contrbução de uma varável ndvdual. Supõe-se que as prmeras ( ) p varáves sejam agrupadas e solam-se as p-ésmas varáves, tal que = p, p é um vetor de meddas (p - ) exclundo as p-ésmas varáves. Mason, Tracy e Young (995) utlzaram um resultado orgnalmente obtdo por Rencher (993). Segundo estes autores a decomposção pode ser dvdda em duas partes T = T p T p, Eq. (5) +.,..., p onde o termo conhecda como T p = T p é a estatístca T de Hotellng utlzando as prmeras varáves p - e é ( ) ( ) p p ( p ) ( p ) ( ) S ( ), Eq. (6) ( p ) onde é o vetor de médas amostras das m observações multvaradas sobre as prmeras varáves p - e S é a submatrz (p - ) x (p - ) de S. A estatístca T p.,...,p- é o p-ésmo componente do vetor ajustado pelas estmatvas da méda e desvo padrão da dstrbução condconal de p consttuído por,,..., p-, e ela é dada por 54

5 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 p p.,..., p T p.,..., p =, Eq. (7) s p.,..., p onde ( p ) ( p ) ( ) p.,..., p = p + bp, Eq. (8) com p sendo a méda amostral das m observações na p-ésma varável e p x sendo um vetor com dmensão (p - ) estmando os coefcentes de regressão da p-ésma varável regredda nas prmeras p - varáves, com b = S s s p.,..., p = sx s x S s x Eq. (9) e S s x S =. Eq. (0) s x sx Assm, o prmero termo de T = T p + T p.,..., p é uma estatístca de T de Hotellng sobre p - varáves. Pode-se também dvdí-la em duas partes T T p T p, Eq. () = +.,..., p onde T p é a estatístca T de Hotellng das prmeras p - varáves e é o quadrado da T p.,..., p (p - )-ésma varável ajustada pelas estmatvas da méda e desvo padrão da dstrbução condconal de p- dado por,,..., p-. Contnuando a nteragr e dvdr desta manera, chega-se a segunte decomposção geral da estatístca T de Hotellng para as p varáves T = T + T. + T3., + T4.,, T p.,..., p = T + p T j +.,..., j j=. Eq. () O valor fnal de T, T, é a estatístca T de Hotellng para a prmera varável. Ela se reduz ao quadrado da estatístca t unvarada para a varável ncal, assm 543

6 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 T = s. Eq. (3) Segundo Mason, Tracy e Young (995) a estatístca partconada segue uma dstrbução F, com e (m - ) graus de lberdade. Supondo que para uma dada observação a estatístca T dada em () é sgnfcante, sto ndca que um problema exste, mas não há nformação sobre quas varáves contrbuem para este problema, então consderando a aproxmação da decomposção dada em (), pode-se verfcar a relação de cada varável com as p varáves restantes, obtendo o segunte conjunto de valores T.,..., p, T.,3,..., p,..., Tp.,..., p. Eq. (4) Assm, pode-se comparar cada um dos termos com o valor de referênca, que é calculado pela multplcação de uma constante com o valor tabelado da estatístca F, para que sejam verfcados quas os termos que são sgnfcatvos..3 Aplcação do Gráfco de Controle Multvarado T de Hotellng na ALCOA No Brasl, a ALCOA é responsável pela produção de 5% do alumíno naconal, e na cdade de Tubarão, estado de Santa Catarna, está localzada uma das undades da ALCOA, que tem como atvdade prncpal a fabrcação de perfs de alumíno. Matéra-prma prncpal, o alumíno é recebdo nesta undade em forma de tarugo, já passado por processos de transformação na lga desejada, que entrará no processo de extrusão. Depos da transformação que o alumíno sofre, desde a extrusão dos tarugos até a produção dos perfs de alumíno, este terá sua magem defnda e fxada pelo acabamento aplcado sobre sua superfíce. Um dos processos empregados com esta fnaldade, que determna as característcas protetvas/decoratvas de alta durabldade, é a Anodzação. Esta consttu-se como a etapa mas crítca do processo, pos através dela haverá a formação de uma camada controlada e unforme de óxdo na superfíce do alumíno, que se não for realzada de forma efcente mpedrá a penetração do sal de estanho na etapa posteror, a eletrocoloração, ou coloração eletrolítca. Exstem város parâmetros que afetam as propredades da camada, mas os mas mportantes são: a concentração do ácdo sulfúrco no eletrólto e a concentração de alumíno dssolvdo. Portanto, estes parâmetros foram defndos como varáves, vsto que essas duas característcas afetam dretamente as propredades da camada anódca e possíves alterações em ambas ocasonarão em problemas nas fases seguntes..4 As Varáves Fo coletada uma amostra por da do tanque do processo de anodzação referente as duas característcas de qualdade montoradas. A medção da solução coletada é realzada no laboratóro da ALCOA e medatamente regstrada numa planlha de controle da empresa. 544

7 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 Foram utlzadas para a Fase I da aplcação do gráfco de controle multvarado T de Hotellng 30 pares de observações, referentes ao período de 3/0/03 à /0/03. E para a Fase II foram utlzadas 85 pares de observações, ou seja, 370 observações, referentes ao período de Feverero à Junho de 003. A suposção de normaldade da dstrbução estatístca de uma característca partcular, deve ser satsfeta na aplcação de gráfcos de controle, para evtar possíves erros. Neste trabalho, o teste utlzado fo o teste Jarque-Bera (JB) (Jarque e Bera, 985). Portanto, de acordo com Gujarat (000), caso o valor p da estatístca qu-quadrado seja sufcentemente baxo, rejeta-se a hpótese de que os resíduos possuem dstrbução normal. Esta mesma hpótese não é rejetada se o valor de p for razoavelmente alto. Na Tabela encontram-se os valores das varáves em estudo. Tabela : Teste de Normaldade de Jarque-Bera Varáves analsadas Amostra Valor de p Conc. de Ácdo Sulfúrco T 30 0,585 Conc. de Alumíno Dssolvdo T 30 0,43387 Como pode ser observado através da Tabela, as varáves testadas são dstrbuídas normalmente, pos o valor de p é razoavelmente alto nas varáves em questão..5 Estabelecmento da Fase I do gráfco de controle T de Hotellng para as varáves seleconadas É através da Fase I do gráfco de controle multvarado T de Hotellng que se obtém um conjunto de dados sob controle estatístco para o futuro montoramento. Nesse sentdo, para que a Fase I fosse mplementada, foram utlzados os dados das varáves seleconadas e testadas na Seção.4, referentes ao Tanque (T) da etapa de anodzação, envolvendo as meddas de duas característcas de qualdade, a concentração de ácdo sulfúrco () e a concentração de alumíno dssolvdo (). A partr dos cálculos realzados com as 30 observações ncas de T, fo obtdo o vetor de méda amostral, expresso por 4,07 T =. Eq. (5) 4,46 E a matrz de covarânca é dada através de 5,58 0,33 S T =. Eq. (6) 0,33 0, Utlzando a Eq. (3), com m = 30, p = e F = 6, 49, fo obtdo um LSC = 9,, com α = 0,0. 545

8 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 Tabela : Valores da estatístca T de Hotellng para T na Fase I. Obs. T Obs. T 0,98 6,8 0,0 7 7,69 3 0,0 8,33 4 0,3 9,57 5 0,56 0 0,5 6 0,0 0, 7 0,40 0,57 8 0,55 3,39 9 0,09 4,3 0 0,56 5 3,70 5,84 6 0,9 3,5 7 3, 3,60 8 4,86 4,9 9 0,6 5 3, , Realzados os cálculos acma, são obtdos a partr da Eq. () os valores da estatístca T de Hotellng para o tanque T, dados na Tabela. Através da Fg. pode-se observar que todas as observações referentes ao Tanque stuam-se dentro dos lmtes de controle, demonstrando que os dados estão sob controle estatístco e portanto, podem ser estabelecdos como a base de referênca que será utlzada para se calcular os lmtes de controle da Fase II. E, portanto, podese dar contnudade à aplcação do gráfco de controle multvarado T de Hotellng ncando o montoramento. T 0,00 9,00 8,00 7,00 6,00 5,00 4,00 3,00,00,00 0, Observações T LSC Fgura : Gráfco T de Hotellng da Fase I para o T. Vale lembrar que se fossem dentfcados outlers nessa prmera fase, estas observações deveram ser examnadas ndvdualmente, no sentdo de descobrr quas os tpos de causas que atuaram no processo, e se necessáro, excluídas do conjunto de dados, e só sera realzada a Fase II quando a Fase I apresentasse estado de normaldade, ou seja, de controle. 546

9 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de Montoramento do Tanque Depos de estabelecda a base de referênca para o cálculo do lmte de controle para a Fase I, torna-se necessáro montorar o processo contnuamente, afm de se testar se o processo permanece sob controle quando futuras observações são extraídas. T 6,00 4,00,00 0,00 8,00 6,00 4,00,00 0, Observações T LSC Fgura : Gráfco T de Hotellng da Fase II para o T. Para o níco do montoramento do Tanque fo nserdo um novo par de observações, referentes às duas característcas de qualdade e calculado o novo LSC = 3; 78, através da Eq. (4), com α = 0,0, para a Fase II. A partr deste vetor de observações (04,0;4,87) foram gerados os cálculos das médas, varâncas e covarâncas. A estatístca T de Hotellng obtda fo de 5,33, o que manteve os dados dentro do LSC, conforme pode ser vsto na Fg.. Só com o vetor de observações (0,50; 7,50), depos de 59 observações nserdas, que o processo apresentou um ponto fora do LSC, apresentando um T = 3, 89, de acordo com a Fg. 3. T 6,00 4,00,00 0,00 8,00 6,00 4,00,00 0, Observações T LSC Fgura 3: Gráfco T de Hotellng da Fase II para o T No sentdo de descobrr qual das característcas de qualdade que está nfluencando este ponto, fez-se a decomposção da estatístca T de Hotellng, através da planlha computaconal desenvolvda por Konrath (00), e obteve-se T =, 3 e T. =,57. Através destes valores concluu-se que a segunda característca, ou melhor, a concentração de alumíno dssolvdo 547

10 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 devera ser nvestgada para se descobrr qual o tpo de causa que atuou sobre o ponto, para que fossem tomadas as meddas apropradas. Para tanto fo realzada uma análse crterosa, constatando-se que no da 3/06/03, da referente a observação 59, a concentração de alumíno dssolvdo se apresentou alta devdo à problemas mecâncos no Free Al (equpamento que controla a quantdade de alumíno dssolvdo), o que pode ser caracterzado como uma causa assnalável e, portanto, excluído do conjunto de dados para que se dê contnudade ao montoramento das novas observações. Esta constatação ratfca o que fo apurado pela decomposção realzada.,00 0,00 T 8,00 6,00 4,00,00 T LSC 0, Observações Fgura 4: Gráfco T de Hotellng da Fase I para o T O procedmento, depos de excluída a observação classfcada como orunda de causa especal, fo de reestabelecer uma nova base de referênca com os dados obtdos até então. Com este novo conjunto de dados fo estabelecdo a partr da Eq. (3) um novo LSC = 0, 08, com α = 0, 0. A partr da Fg. 4 pode-se observar que a nova base de referênca gerada mantém todas as observações sob controle, podendo-se assm passar para a Fase II. 4,00,00 0,00 T 8,00 6,00 4,00,00 T LSC 0, Observações Fgura 5: Gráfco T de Hotellng da Fase II para o T 548

11 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 Um novo par de observações (0,00; 7,8) fo nserdo para que fosse calculado o novo LSC =, 54, a partr da eq. (3), com α = 0, 0, referente a Fase II. A estatístca T de Hotellng obtda fo de,05 e, apesar dos dados permanecerem dentro do LSC, pode-se observar através da Fg. 5 que a últma observação stua-se muto próxma do LSC e reflete anda o problema na concentração de alumíno dssolvdo, causado pela falha no equpamento de controle da substânca. Vsto que este equpamento que apresentou problemas mecâncos é o maor responsável pelo controle da concentração de alumíno dssolvdo no eletrólto, mantendo o menor nível possível desta substânca, sugere-se aos operadores uma maor atenção no que dz respeto à nspeção, conservação e manuseo do equpamento, para se garantr o bom andamento do processo e a redução de custos, evtando gastos com peças, reparos e com o retrabalho. 3. CONCLUSÕES Este trabalho teve como objetvo aplcar o gráfco de controle multvarado T de Hotellng em uma das etapas do processo de produção de perfs de alumíno da ALCOA, na undade de Tubarão-SC, e decompor a estatístca T de Hotellng utlzando uma planlha computaconal desenvolvda por Konrath (00). Para dar um embasamento à aplcação realzada, foram mostrados os aspectos prncpas em relação ao gráfco de controle multvarado T de Hotellng, nclusve seu método de decomposção. Posterormente, à etapa da anodzação fo então aplcada a ferramenta multvarada que montorou, smultaneamente, duas característcas de qualdade: a concentração de ácdo sulfúrco e a concentração de alumíno dssolvdo no eletrólto, vsto que estas duas característcas são aquelas que afetam dretamente as propredades da camada anódca. Com a aplcação desta ferramenta, que ocorreu no Tanque, e com a decomposção da estatístca T de Hotellng utlzando a planlha computaconal desenvolvda por Konrath (00), pode-se destacar o grande ganho verfcado em relação a dentfcação automátca de qual característca de qualdade podera estar causando um possível problema. Pos antes esta dentfcação só poda ser realzada a partr da análse vsual da folha de verfcação, na tentatva de encontrar um valor mas dscrepante do conjunto de dados, ou seja, o processo se tornou mas ágl e com uma maor facldade de acompanhamento. De acordo com os resultados obtdos a partr da aplcação do gráfco de controle multvarado T de Hotellng também foram constatados alguns problemas, como por exemplo, com relação a perodcdade de manutenção no Free Al, equpamento que controla a concentração de alumíno dssolvdo. Outros problemas verfcados foram a falta de rgor no regstro dos dados relatvos as duas característcas de qualdade sob montoramento. Para todos estes problemas encontrados sugeru-se à empresa que a frequênca semanal de manutenção do Free Al seja maor, com o ntuto de mnmzar a probabldade de falhas. Também fo sugerdo o trenamento dos funconáros e um maor rgor durante o regstro dos dados coletados, com o objetvo de elmnar os erros operaconas no controle desta substânca. REFERÊNCIAS BIBLIOGRÁFICAS 549

12 SPOLM 006 Ro de Janero, Brasl, 5 e 6 de agosto de 006 [] GUJARATI, D.N., Econometra Básca. São Paulo: Makron Books, 3 ed. (000). [] HOTELLING, H., Multvarate Qualty Control Illustrated by the Ar Testng of Sample Bombsghts, n Technques of Statstcal Analyss. Esenhart C., Hastay M.W. and Walls W.A., eds., New York: McGraw-Hll, p. -84 (947). [3] JARQUE, C.M. and BERA, A.K., A test for normalty of observatons and regresson resduals. Internatonal Statstcal Revew, v. 55, n., p (985). [4] KONRATH, A.C., Decomposção da estatístca do gráfco de controle multvarado T de Hotellng por meo de um algortmo computaconal. Dssertação (Mestrado em Engenhara de Produção) - Programa de Pós- Graduação em Engenhara de Produção UFSC Floranópols (00). [5] LOWRY, C.A. and MONTGOMERY, D.C., A revew of multvarate control charts. IIE Transactons, v. 7, p (995). [6] MASON, R.L., TRACY, N.D. and YOUNG, J.C., Multvarate control charts for ndvdual observatons. Journal of Qualty Technology, v. 4, n., p , apr. (99). [7] MASON, R.L., TRACY, N.D. and YOUNG, J.C., Decomposton of T for multvarate control chart nterpretaton. Journal of Qualty Technology, v. 7, n., p (995). [8] MASON, R. L.; YOUNG, J. C. Multvarate statstcal process control wth ndustral applcatons. Phladelpha: SIAM, 00. [9] RENCHER, A.C., The contrbuton of ndvduals varables to Hotellng s T. Wlk s Λ e R. Bometrcs, v. 49, p (993). 550

4 Critérios para Avaliação dos Cenários

4 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 mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É 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 mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO 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 mais

Testes não-paramétricos

Testes 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 mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 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 mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos 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

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. 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. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE 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 mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Avaliação de processos produtivos multivariados através das menores componentes principais

Avaliação de processos produtivos multivariados através das menores componentes principais XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 Avalação de processos produtvos multvarados através das menores componentes prncpas Adrano Mendonça Souza (UFSM) amsouza@ccne.ufsm.br

Leia mais

Departamento de Produção, UNESP, Campus de Guaratinguetá Av. Ariberto Pereira da Cunha, 333, Guaratinguetá, S.P. CEP

Departamento de Produção, UNESP, Campus de Guaratinguetá Av. Ariberto Pereira da Cunha, 333, Guaratinguetá, S.P. CEP A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 3, Natal-RN MONITORAMENTO DA MÉDIA E DA VARIABILIDADE DE UM PROCESSO POR MEIO DA ESTATÍSTICA DE QUI-QUADRADO NÃO- CENTRALIZADA Antôno Fernando

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

MQCI: MULTIVARIATE QUALITY CONTROL IMPLEMENTATION UM SOFTWARE NA ÁREA DE ESTATÍSTICA INDUSTRIAL INTEGRADO AO SOFTWARE ESTATÍSTICO S-PLUS

MQCI: MULTIVARIATE QUALITY CONTROL IMPLEMENTATION UM SOFTWARE NA ÁREA DE ESTATÍSTICA INDUSTRIAL INTEGRADO AO SOFTWARE ESTATÍSTICO S-PLUS MQCI: MULTIVARIATE QUALITY CONTROL IMPLEMENTATION UM SOFTWARE NA ÁREA DE ESTATÍSTICA INDUSTRIAL INTEGRADO AO SOFTWARE ESTATÍSTICO S-PLUS AUTORES: FERNANDA KARINE RUIZ COLENGHI (**) SUELI APARECIDA MINGOTI

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-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 mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

Associação entre duas variáveis quantitativas

Associação 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 mais

Uma proposta de modificação do índice de capacidade multivariado de Cheng

Uma proposta de modificação do índice de capacidade multivariado de Cheng Uma proposta de modfcação do índce de capacdade multvarado de heng Suel Aparecda Mngot (UFMG) - suel@est.ufmg.br Fernando Augusto Alves Glóra (UFMG) - bodmufmg@yahoo.com.br Resumo Neste artgo apresentamos

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

6 Modelo Proposto Introdução

6 Modelo Proposto Introdução 6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo

Leia mais

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade

Leia mais

Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Estatística

Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Estatística Unversdade Federal de São Carlos Centro de Cêncas Exatas e de Tecnologa Departamento de Estatístca Introdução ao Controle Estatístco de Processo on-lne Paulo Henrque Ferrera da Slva Orentador: Prof. Dr.

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

Figura 3: Diagrama de blocos do sistema de inferência da qualidade.

Figura 3: Diagrama de blocos do sistema de inferência da qualidade. 4 Solução Proposta A metodologa proposta nesta dssertação pode ser dvdda em quatro etapas complementares que estão representadas no dagrama de blocos na Fgura 3. Cada uma delas está descrta através do

Leia mais

ANÁLISE DE VARIÂNCIA MULTIVARIADA APLICADA A DADOS COM MEDIDAS REPETIDAS

ANÁLISE DE VARIÂNCIA MULTIVARIADA APLICADA A DADOS COM MEDIDAS REPETIDAS UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS PROGRAMA DE PÓS-GRADUAÇÃO EM ESTATÍSTICA E MODELAGEM QUANTITATIVA ANÁLISE DE VARIÂNCIA MULTIVARIADA APLICADA A DADOS COM MEDIDAS

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

GRÁFICOS DE CONTROLE PARA MÉDIA E DESVIO-PADRÃO COM TAMANHO DE AMOSTRA VARIÁVEL: UMA APLICAÇÃO EM UMA INDÚSTRIA DO SETOR METALÚRGICO

GRÁFICOS DE CONTROLE PARA MÉDIA E DESVIO-PADRÃO COM TAMANHO DE AMOSTRA VARIÁVEL: UMA APLICAÇÃO EM UMA INDÚSTRIA DO SETOR METALÚRGICO ! "#$ " %'&)(*&)+,.- /0.*&4365879&4/:.+58;.*=?5.@A*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)*EOHJ&)(IHJ/)G.- D - ;./);.& Foz do Iguaçu, PR, Brasl, 09 a de outubro de 007 GRÁFICOS

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA

INTRODUÇÃO 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 mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

SELEÇÃO 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 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 mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 7/11/01 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...

Leia mais

CONTROLE ESTATÍSTICO DE PROCESSOS: UMA APLICAÇÃO EM CARACTERÍSTICAS SENSORIAIS

CONTROLE ESTATÍSTICO DE PROCESSOS: UMA APLICAÇÃO EM CARACTERÍSTICAS SENSORIAIS CONTROLE ESTATÍSTICO DE PROCESSOS: UMA APLICAÇÃO EM CARACTERÍSTICAS SENSORIAIS Elsa Hennng 1 Andrea Crstna Konrath 2 Isadora Mezar Zoldan 3 Vvane Lete Das de Mattos 4 Ismael Batsta Madana Slvestre 5 RESUMO:

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 05/0/013 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS GARANIA DE EXCELENE INERCAMBIALIDADE E REDUÇÃO DE CUSOS ARAVÉS DA ANÁLISE ESAÍSICA DE OLERÂNCIAS Edvaldo Antono Bulba* *Prof. Dr. da Fatec SP FEI e Unversdade São Judas E mal: bulba@fe.edu.br Resumo Numa

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

Análise de áreas de risco considerando os afundamento de tensão em estudos de planejamento

Análise de áreas de risco considerando os afundamento de tensão em estudos de planejamento Análse de áreas de rsco consderando os afundamento de tensão em estudos de planejamento J. C. Cebran, L. Camlo, N. Kagan, N. M. Matsuo*, H. Arango Enerq-USP 1 Resumo-- Este trabalho permte avalar os índces

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON 1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

RÔMULO CÉSAR MANULI UMA PROPOSTA PARA A CONSTRUÇÃO DE GRÁFICOS DE CONTROLE POR MEIO DE COMPONENTES PRINCIPAIS

RÔMULO CÉSAR MANULI UMA PROPOSTA PARA A CONSTRUÇÃO DE GRÁFICOS DE CONTROLE POR MEIO DE COMPONENTES PRINCIPAIS RÔMULO CÉSAR MANULI UMA PROPOSTA PARA A CONSTRUÇÃO DE GRÁFICOS DE CONTROLE POR MEIO DE COMPONENTES PRINCIPAIS Dssertação apresentada à Unversdade Federal de Vçosa, como parte das exgêncas do Programa de

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

ÍNDICES DE CAPACIDADE COMBINADOS

ÍNDICES DE CAPACIDADE COMBINADOS ÍNDICES DE CAPACIDADE COMBINADOS Edvaldo Antono Bulba Depto. Eng. Produção EPUSP Caxa Postal 6548 CEP 0544-970 SP Lnda Lee Ho Depto. Eng. Produção EPUSP Caxa Postal 6548 CEP 0544-970 SP Abstract Here we

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

Leia mais

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de

Leia mais

PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS

PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS Renato S. Gomde 1, Luz F. B. Loja 1, Edna L. Flôres 1 1 Unversdade Federal de Uberlânda, Departamento de Engenhara

Leia mais

2. Validação e ferramentas estatísticas

2. Validação e ferramentas estatísticas . Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em

Leia mais

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Ro de Janero/RJ ERRO DE DIAGNÓSTICO EM AMOSTRAGEM ZERO-DEFEITOS COM RETIFICAÇÃO: DETERMINAÇÃO DO TAMANHO ÓTIMO DE INSPEÇÃO Roberto da

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS 177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais