SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077

Tamanho: px
Começar a partir da página:

Download "SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077"

Transcrição

1 SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 1 INTRODUÇÃO À CONFIABILIDADE Devido a grande competitividade existente entre as indústrias de bens de consumo, dos mais variados ramos, observa-se um aumento na demanda por produtos e sistemas com melhores desempenhos e valores competitivos. Neste âmbito, surgiu a necessidade de se produzir produtos com uma menor probabilidade de falha possível, o que resultou no estudo da confiabilidade do mesmo. Historicamente pode-se afirmar que boa parte do desenvolvimento de novas tecnologias, produtos e pesquisas científicas se deram em períodos de guerra. Inicialmente, a confiabilidade adquiriu um conceito tecnológico logo após o término da Primeira Guerra Mundial, onde a mesma era utilizada em estudos comparativos entre aviões com um, dois, três ou quatro motores. A medida da confiabilidade era feita através do número de acidentes por hora de voo. Na Segunda Guerra Mundial, houve um grande esforço no que diz respeito à estudos referentes à confiabilidade, pois houve um grande desenvolvimento em sistemas eletrônicos mais complexos e, em conjunto com o seu desenvolvimento e aplicação, vieram os problemas operacionais. As forças armadas americanas criaram comitês de avaliação em problemas de confiabilidade e, para a solução desses problemas houve a necessidade da criação de metodologias e abordagens bem formuladas. Em 195, o Departamento de Defesa americano coordenou os esforços do exército americano, força aérea e marinha criando o Advisory Group on Reliability of Electronic Equipment (AGREE). Este grupo influenciou de forma decisiva toda a abordagem científica sobre confiabilidade, publicando diversos artigos com os relatos dos trabalhos realizados, principalmente no que diz respeito ao estudo de equipamentos eletrônicos militares. Na década de 70, o estudo da confiabilidade centrou-se basicamente na análise dos riscos associados à construção e operação de usinas nucleares e a partir deste momento seu estudo e aplicação consolidou-se nas mais diversas áreas. Podem-se citar algumas áreas de aplicação da confiabilidade correlatas com a engenharia de produção, como: 1) Análise de risco e segurança; ) Qualidade; 3) Otimização da manutenção (Manutenção centrada na confiabilidade); 4) Projeto de produtos, entre outros. O sucesso da aplicação de técnicas de qualidade em diversos países, fez com que a confiabilidade fosse cada vez mais utilizada, não somente na indústria bélica, mas também na indústria de bens e serviços. Ao longo da história, observam-se resultados positivos em relação a aplicação do estudo da confiabilidade na fase de projeto de determinado produto, tornando seu estudo de extrema importância e ampla aplicação. CONFIABILIDADE CONCEITOS E DEFINIÇÕES Os conceitos de confiabilidade e qualidade são frequentemente confundidos, principalmente pelo fato de ambos estarem correlacionados. A principal diferença entre ambos é que a confiabilidade de um item é feita em função do tempo e a qualidade 1

2 consiste em uma descrição estática do mesmo. Ações de melhoria da qualidade que reduzam fontes de variabilidade podem resultar em melhorias na confiabilidade de um produto (redução de falhas) e a conclusão que se chega é de que os esforços devem se concentrar no estágio de projeto do produto. O conhecimento formal resultante da análise de falhas e da busca da minimização de sua ocorrência provê uma rica variedade de contextos nos quais surgem considerações acerca da confiabilidade. (FOGLIATTO; RIBEIRO, 009) Pode-se dizer, de uma maneira sucinta, que a confiabilidade de um produto, sistema ou serviço está relacionado com a operação dos mesmos, na ausência de falhas ou defeitos. No entanto, em engenharia, torna-se necessário uma definição da confiabilidade em termos da probabilidade de falha do produto, sistema ou serviço. De acordo com Leemis (1995), a confiabilidade de um item corresponde à sua probabilidade de desempenhar adequadamente o seu propósito especificado, por um determinado período de tempo e sob condições ambientais predeterminadas. Sendo assim, a confiabilidade é representada por uma probabilidade, ou seja, aplicam-se os axiomas clássicos de probabilidade para seu cálculo. A definição de confiabilidade implica na especificação do propósito ou do uso pretendido do item analisado, pois para cada item pode-se definir de maneiras distintas o que vem a ser um desempenho adequado. Como a confiabilidade é definida em função do tempo, não faz sentido falar em confiabilidade de um item sem especificar a unidade de tempo para a realização da análise do mesmo. Outra definição importante é em relação às condições ambientais predeterminadas de uso, visto que um mesmo item pode ter diferente desempenho de acordo com o ambiente em que se encontra. o Ex.: Um item possui maior desgaste em um ambiente com maior intempérie climática do que um item em um ambiente com clima mais ameno. As ferramentas de gestão da confiabilidade que serão vistas neste material de apoio dizem respeito as fases de projeto e desenvolvimento, operação e manutenção de um produto..1 MEDIDAS DE CONFIABILIDADE As medidas de confiabilidade mais usuais para uma unidade não-reparável (que não está sujeita a reparos) são: 1) a função de confiabilidade R(t); ) a função de risco h(t); 3) tempo médio até falha MTTF (mean time to failure); 4) a função de vida residual média L(t). Obs.: Uma unidade pode designar um componente, subsistema ou sistema.

3 TEMPO ATÉ FALHA É definido como o tempo decorrido desde o momento em que a unidade é colocada em operação até a sua primeira falha. Por convenção tem-se que t = 0 é o início de operação do sistema. Como o tempo de falha está sujeito a aleatoriedades, o tempo de falha é uma variável aleatória, denotada por T. O estado de uma unidade em um determinado tempo t pode ser descrito por uma variável de estado X(t) binária, ou seja, X(t) = 0, caso a unidade não esteja operacional no tempo t e X(t) = 1, caso a unidade esteja operacional em um determinado tempo t. FIGURA 1 TEMPO ATÉ FALHA x X(t) FONTE: FOGLIATTO; RIBEIRO (009) A FUNÇÃO DE CONFIABILIDADE R(t) Suponha que se tenha n unidades idênticas que serão testadas sob as mesmas condições. Transcorrido um intervalo t t t t, t t representa a quantidade de unidades que falharam em t e, onde, tem-se que n f n s t representa as unidades que não falharam em t (sobreviveram) no teste, portanto, n n t n t. Como a confiabilidade é uma medida da probabilidade acumulada de sucesso em um tempo t, pode-se definir a função de confiabilidade R(t) como R t n s ns t t n f t s f 3

4 FUNÇÃO DE RISCO h(t) (Taxa condicional de falha) A função de risco h(t) é também chamada de taxa de falha ou taxa de risco em confiabilidade. Tal função associa uma quantidade de risco a uma unidade de tempo e é considerada uma das medidas em confiabilidade mais difundida na prática. Obs.: É uma medida bastante útil na análise do risco de uma unidade exposta ao longo do tempo. Serve como base de comparação entre unidades com características distintas. A função de risco, também conhecida como taxa condicional de falha, é a probabilidade condicional de falha no intervalo t, t t, dado que não houve falha em t. Sendo assim, a função risco pode ser deduzida através da aplicação da probabilidade condicional. Existem duas condições que devem ser satisfeitas para uma função de risco h(t). As condições são: 0 (1) h t dt () h t 0 A unidade da função de risco é dada em termos de falhas por unidade de tempo e sua forma gráfica é um indicativo de como a unidade envelhece. Um pequeno valor para a função de risco implica em uma unidade exposta a uma menor quantidade de risco. Segundo alguns autores a função de risco podem ser classificadas como: (1) função de risco crescente (FRC); () função de risco decrescente (FRD); (3) função de risco estacionária (constante) (FRE). OBS.: Alguns autores não consideram a classificação (3) de forma independente, pois a consideram como uma combinação das classificações () e (3). Utiliza-se a curva da banheira como representação gráfica da função de risco, onde na mesma aparece as três classificações dadas anteriormente. 4

5 FIGURA CURVA DA BANHEIRA FONTE: FOGLIATTO; RIBEIRO (009) Nesta curva, se observa que um componente apresenta três períodos de vida característicos: 1) Mortalidade infantil; ) Período de vida útil; 3) Período de desgaste (envelhecimento). Mortalidade infantil: ocorrem as falhas prematuras, onde a mesma é decrescente. Podem-se citar alguns exemplos causadores das causas prematuras, tais como: processo de fabricação deficiente, mão-de-obra desqualificada, materiais fora da especificação entre outros. Fase de vida útil: é caracterizada por uma taxa de falhas constantes e geralmente são de natureza aleatória. Sendo assim, pouco se pode fazer para evita-las. Podem-se citar como exemplos erros humanos durante o uso, aplicação indevida, falhas não detectáveis pelo programa de manutenção preventiva, causas inexplicáveis, fenômenos naturais imprevisíveis, entre outros. Fase de desgaste: representa o término da vida útil do componente, onde a taxa de falhas é crescente. Podem-se citar como exemplos o envelhecimento, desgaste, fadiga, deterioração, entre outros. OBS.: Nem todos os componentes/sistemas tem as suas taxas de falha modeladas pela curva da banheira. Como exemplo, pode-se citar um programa de computador, que tipicamente apresenta a fase de mortalidade infantil, pois na medida que os bugs vão sendo corrigidos, as falhas vão desaparecendo. FUNÇÃO DENSIDADE DE FALHAS f(t) E FUNÇÃO DE CONFIABILIDADE R(t) A PARTIR DA FUNÇÃO DE RISCO h(t) Desenvolver as equações 5

6 FUNÇÃO ACUMULADA DE RISCO H(t) A função acumulada de risco H(t) é obtida pela integração da função de risco h(t) em um período de tempo t. DESENVOLVER A EQUAÇÃO TEMPO MÉDIO ATÉ A FALHA (MTTF MEAN TIME TO FAILURE) O tempo médio até a falha (valor esperado até a falha) é definido como E(T). Desenvolver as equações. OBS.: Existe uma medida denotada por MTBF (Mean Time Between Failures Tempo Médio entre Falhas), utilizada para produtos ou componentes reparáveis. A forma de calcular é análoga a MTTF. FUNÇÃO DE VIDA RESIDUAL MÉDIA L(t) A função de vida residual L(t) corresponde à vida remanescente esperada da unidade, dado que ela sobreviveu até o tempo t. Dado que T represente o tempo até a falha de uma unidade (duração de vida), a vida residual média corresponde a esperança do intervalo T t, dado que a unidade esteja em operação em t. Assim, a vida residual média L(t) é dada por: A equação (6) pode ser reescrita como L t ET t T t, t 0 L t t u u f R t du t ou t 1 L t u. f R t u du t Exemplo: De uma maneira geral, lâmpadas elétricas apresentam seus tempos de falha modelados pela distribuição exponencial, cuja função densidade de falhas é dada por: f t t e, t 0 Calcular: (a) A função de confiabilidade R(t); (b) A função de risco h(t); (c) A função de risco acumulada H(t); (d) O tempo médio até a falha (MTTF). 6

7 Exercícios - (FOGLIATTO, F. S.; RIBEIRO, J. L. D. Confiabilidade e Manutenção Industrial. 1. Ed. São Paulo: Campus-Elsevier, 009. v p.) 7

8 8

9 9

10 10

11 3 DISTRIBUIÇÕES DE PROBABILIDADE EM ANÁLISE DE CONFIABILIDADE A confiabilidade de uma unidade (ou sistema) é mensurada através de uma probabilidade de sobrevivência até um tempo t de interesse, portanto, pode-se estimar a probabilidade de sobrevivência da unidade (ou sistema) em qualquer tempo t conhecendo-se a distribuição de probabilidade que melhor se ajusta aos tempos de falha da unidade. OBS.: Entende-se por tempo de falha o tempo transcorrido do momento que a unidade entra em operação até sua primeira falha. Denota-se o início de operação de uma unidade como t = 0. Tempos de falha nem sempre são medidos como tempo de calendário, podendo assumir, portanto, valores discretos. Sendo assim, podem-se definir as distribuições de probabilidades para variáveis aleatórias discretas e contínuas mais utilizadas em análise de confiabilidade. 3.1 DISTRIBUIÇÃO BINOMIAL Seja p a probabilidade de um evento E ocorrer em uma única tentativa (denominada sucesso) e q = 1 p a probabilidade desse evento não ocorrer nessa única tentativa. A probabilidade desse evento E ocorrer exatamente x vezes em n tentativas (desde que p seja constante) é dada pela função de probabilidade ou P P n x x X x px p x q n X x px n! p x! n x! x x q n denominada de distribuição binomial. Como a variável aleatória X representa o número de sucessos, então pode assumir os valores x = 0, 1,..., n Em análise de confiabilidade a distribuição binomial descreve a situação com somente dois resultados possíveis (falhar ou não falhar), com a probabilidade constante para todas as tentativas. Para a distribuição binomial, demonstra-se que a média e a variância são dadas respectivamente por e np npq 11

12 EXEMPLO: Sabe-se que 5% dos parafusos fabricados por certa indústria são defeituosos. Em um lote de 10 parafusos, calcular a probabilidade de: (a) Exatamente serem defeituosos; (b) Menos de serem defeituosos; (c) Três ou mais serem defeituosos; (d) Qual a média e o desvio padrão do número de parafusos defeituosos? 3. DISTRIBUIÇÃO DE POISSON Sabe-se que a distribuição binomial tem função de probabilidade dada por P n x x X x px p x q n Fazendo n, mantendo constante o produto np função de probabilidade da distribuição binomial torna-se P X x px x e x!, que define a média de X, a que define a função de probabilidade da distribuição de Poisson. Como se fez n, então p 0. Portanto, pode-se concluir que a distribuição de Poisson é aplicável no estudo dos eventos de pequenas probabilidades de ocorrência. Obs.: Pode-se substituir a distribuição binomial pela distribuição de Poisson, com grau de aproximação muito bom, desde que n seja grande e p seja pequeno. Na prática, essa aproximação geralmente é usada para n 50 e np 5, com np. Em análise de confiabilidade para eventos serem distribuídos de acordo com a distribuição de Poisson, os mesmos devem ocorrer com taxas médias constantes. Para a distribuição de Poisson, demonstra-se que a variância coincide com a média, ou seja, np EXEMPLO: Verificou-se que a probabilidade de falha de um transistor em um instrumento eletrônico, durante uma hora de operação, é igual a 0,005. Calcular a probabilidade de: (a) Não haver falhas em 80 horas de operação; (b) Haver menos de falhas em 80 horas de operação, 1

13 EXEMPLO: O número de partículas radioativas, emitidas em cada intervalo de 5 segundos, são contadas. Suponha que o número de partículas emitidas, durante cada intervalo de 5 segundos, tenha uma distribuição de Poisson com parâmetro,0. Tendo sido observados 10 intervalos de tempo, qual é a probabilidade de que em cada um deles, menos de 3 partículas sejam emitidas? 3.3 DISTRIBUIÇÃO NORMAL OU DE GAUSS Uma variável aleatória contínua X é normalmente distribuída se, sua função densidade de probabilidade (f.d.p.) for do tipo 1 f ( x) e 1 x, - < x < A f.d.p. da distribuição normal depende de dois parâmetros: (média da distribuição) e (variância da distribuição). Quando se deseja especificar que uma variável X segue a distribuição normal com média e variância, usa-se a notação X ~ N(, ) O aspecto típico do gráfico de uma distribuição normal pode ser visto na figura abaixo, com parâmetros = 150, = 5, = 10 e = 30. A curva representativa dessa distribuição é denominada de curva normal ou curva de Gauss. FIGURA 1 Distribuição normal com =

14 São propriedades da distribuição normal: (1ª) A distribuição é simétrica em relação a x =, pois, f(x) é uma função par. (ª) A função f(x) tem um ponto de máximo para x =. (3ª) A função f(x) é duplamente assintótica ao eixo das abscissas, ou seja, lim f (x) 0 x e lim f (x) 0 x (4ª) A função f(x) admite dois pontos de inflexão para x =. (5ª) A função de distribuição acumulada (ou de repartição) é dada por 1 F( x) x e 1 x dx FIGURA Função distribuição acumulada da Normal A função f(x) dada poderá ser colocada em uma forma mais simples fazendo-se a transformação x μ z σ 14

15 onde ou dz dx e dx = dz. Portanto, G(z) 1 z e z. dz, z z 1 G(z) e.dz, que é a função de distribuição acumulada para a variável normal padronizada ou reduzida Z. Deve-se notar que a transformação utilizada consiste em adotar uma nova distribuição normal de média = 0 e variância = 1 ou desvio padrão = 1. Portanto, Z ~ N(0, 1) Assim, a fdp da variável normal padronizada será dada por g( z) 1 e z, - < z <. O gráfico de g(z) é mostrado na figura 3, onde nota-se que o eixo das ordenadas sofreu uma translação para x =. FIGURA 3 Distribuição normal padronizada 15

16 A variável z mede o desvio em relação à média, em unidades de desvio padrão. Se os desvios em relação à média forem dados em unidades de desvio padrão, diz-se que estão expressos em unidades ou escores reduzidos. A distribuição normal padronizada pode ser tabulada, utilizando-se métodos de integração numérica. Uma população que se ajuste à distribuição normal tem variações simétricas em relação à média. Uma das vantagens da utilização da distribuição normal provém do fato de que quando um valor está sujeito a muitas variações que se somam, independente de como estas variações são distribuídas, o resultado da distribuição composta também será normalmente distribuído, de acordo com o teorema central do limite. A representação da função de distribuição acumulada, para é dada por F x x Obs.: A distribuição normal pode ser usada em alguns casos para modelar a vida de itens de consumo nos quais o risco de falha é sempre crescente. Dispositivos com filamentos elétricos como lâmpadas incandescentes e elementos aquecedores em torradeiras são exemplos de itens cujos dados de falha podem seguir uma distribuição normal. A resistência da conexão de fios em circuitos integrados é outro exemplo. CONFIABILIDADE Considera-se x = t 1 t 1 f ( t) e (f.d.p. de falhas) t F t (f.d. de falhas) Rt Ft 1 (função de confiabilidade) t Ft f t (função de risco) 1 EXEMPLO: Suponha que a duração da vida de um componente seja distribuída normalmente, com desvio-padrão igual a 10 horas. Se o componente tiver uma confiabilidade de 0,99 para um período de operação de 100 horas, qual será a sua duração de vida esperada? 3.4 DISTRIBUIÇÃO LOG-NORMAL A distribuição log-normal é uma distribuição flexível fortemente relacionada com a distribuição normal. Essa distribuição pode ser particularmente útil para modelar dados mais ou menos simétricos ou com assimetria para a direita. Pela sua flexibilidade 16

17 esta distribuição é mais versátil que a distribuição normal em relação ao ajuste dos dados. A f.d.p. da distribuição log-normal é dada por 1 ln x 1 f ( x) e para x 0 Fazendo z log x μ, pode-se reescrever (43) como σ ( z) 1 e z Em outras palavras, a distribuição log-normal é a distribuição normal com log x como variável independente. A esperança e a variância da distribuição log-normal são dadas respectivamente por V E X e X e e OBS. 1: A distribuição log-normal não possui a desvantagem de trabalhar com valores de x < 0. OBS. : Para valores de distribuição normal. CONFIABILIDADE a função log-normal é aproximadamente igual à Considera-se x = t 1 lnt 1 f ( t) e (f.d.p. de falhas) F t ln t (f.d. de falhas) Rt Ft 1 (função de confiabilidade) z z 0,4343 t (função de risco) t 1 17

18 GRAFICAMENTE FIGURA 4 FUNÇÃO DENSIDADE DE FALHAS LOG-NORMAL FIGURA 5 FUNÇÃO DE CONFIABILIDADE LOG-NORMAL EXEMPLOS DE APLICAÇÕES DA DISTRIBUIÇÃO LOG-NORMAL: 1) Determinação da distribuição de tempos para a falha de componentes mecânicos sujeitos a desgaste; ) Determinação de vida de rolamentos; 3) Determinação do tempo médio para manutenção de componentes mecânicos, entre outros. 18

19 EXEMPLO: Considere o tempo de vida de isolações da classe H. Supomos que o tempo de vida de uma isolação, na temperatura de uso, tem uma distribuição log-normal com parâmetros e 0,1053. a) Calcular a confiabilidade de uma isolação nas primeiras horas de uso. b) Calcular o tempo médio de vida de uma isolação. 9, DISTRIBUIÇÃO EXPONENCIAL Uma das mais importantes leis de falhas é descrita pela distribuição exponencial, que normalmente descreve o tempo de vida de um componente e leva em consideração que qualquer componente em uso é considerado tão bom quanto novo, ou seja, não é levado em consideração à deterioração do componente ou peça em questão. Estas considerações foram verificadas empiricamente através de vários experimentos. Desta maneira, a distribuição exponencial descreve sistemas com taxa de falhas constantes. A f.d.p. é dada por f t e 0 t para t 0 para t 0 Teorema: Seja T, a duração até falhar de um componente, uma variável contínua, que tome todos os valores não-negativos. Então, T terá uma distribuição exponencial se, e somente se, tiver uma taxa de falhas constante. CONFIABILIDADE Seja T, a duração até falhar um componente, distribuída exponencialmente (com parâmetro (taxa de falhas)), tem-se: 1 E T MTTF (Valor esperado até falhar) 1 V T (Variância) F t P T t 1 e (Função distribuição acumulada de falhas) t R t t e (Função de confiabilidade) GRAFICAMENTE 19

20 FIGURA 6 FUNÇÃO DENSIDADE DE PROBABILIDADE DE FALHAS EXPONENCIAL FIGURA 7 FUNÇÃO DE CONFIABILIDADE EXPONENCIAL FIGURA 8 FUNÇÃO DE RISCO EXPONENCIAL 0

21 OBS.: Como observado na figura 8, a função de risco (taxa de falhas) é constante. EXEMPLO: Se for dado o parâmetro (taxa de falhas) e R(t) for especificada, podese achar t, o número de horas de operação. Qual o tempo de operação para 0, 01 e R(t) = 0,90? 3.6 DISTRIBUIÇÃO DE WEIBULL A função densidade de probabilidade de falhas da distribuição de Weibull é uma das mais utilizadas na análise de confiabilidade devido à sua flexibilidade e capacidade de representação de amostras de tempos até falha com comportamentos distintos. A forma da função densidade de falhas varia de acordo com os valores de seus parâmetros. A distribuição de Weibull possui três parâmetros, (parâmetro de forma), (parâmetro de escala) e (parâmetro de localização). Assim a f.d.p. de de Weibull é dada por f t t 0 1 e t para para t 0 t 0 CONFIABILIDADE t t F 1 e (Função distribuição acumulada de falhas) 1

22 t t R e (Função de confiabilidade) 1 t h t (Função de risco taxa de falhas instantânea) o Pode ser denotada por t OBS.: A distribuição exponencial é um caso especial da distribuição de Weibull onde os parâmetros de localização e de forma são iguais a zero e um respectivamente ( e 0 ). GRAFICAMENTE 1 FIGURA 9 FUNÇÃO DENSIDADE DE PROBABILIDADE DE FALHAS DE WEIBULL

23 FIGURA 10 FUNÇÃO DISTRIBUIÇÃO ACUMULADA DE FALHAS DE WEIBULL FIGURA 11 FUNÇÃO DE CONFIABILIDADE DE WEIBULL Na distribuição de Weibull observa-se que independentemente dos valores dos três parâmetros (, e ), a confiabilidade para uma missão com duração equivalente a, a partir de zero, é sempre igual a aproximadamente 0,

24 FIGURA 1 FUNÇÃO DE RISCO (TAXA DE FALHAS) DA DISTRIBUIÇÃO DE WEIBULL A tabela 1 descreve o comportamento da função de risco (taxa de falhas) de acordo com o valor de. TABELA 1 COMPORTAMENTO DA TAXA DE FALHAS DE ACORDO COM Comportamento <1 Taxa de falha decrescente Mortalidade infantil =1 Taxa de falhas constante Distribuição exponencial 1< < Taxa de falhas crescente = Taxa de falhas linearmente crescente > Taxa de falhas crescente A tabela fornece algumas interpretações físicas para a distribuição de Weibull de acordo com os valores dos parâmetros. TABELA ALGUMAS INTERPRETAÇÕES FÍSICAS DE APLICAÇÕES DA DISTRIBUIÇÃO DE WEIBULL Significado =0 Significa que em t = 0 a probabilidade de falha é 0 <1 Taxa de falhas decrescente, possivelmente à baixos coeficiente de segurança na carga =1 Taxa de falhas constante; Falhas de origens aleatórias >1 Taxa de falhas crescente; Desgaste iniciando logo que o componente entre em serviço >0 Há período de garantia, durante o qual não ocorre falha 4

25 <1 Desgaste do tipo fadiga ou similar 0,5 Fadiga de baixo ciclo 0,8 Fadiga de alto ciclo >1 Desgaste do tipo erosão <0 Há vida de prateleira, o componente pode falhar antes de ser usado <1 Desgaste do tipo fadiga, iniciando antes do componente entrar em serviço >1 Desgaste devido à continua redução de resistência FONTE: FOGLIATTO; RIBEIRO (009) Exercícios: 1) O tempo de falha (tempo até falhar) de um dispositivo segue a distribuição Gaussiana com média e desvio padrão = h. Determine o valor do parâmetro sabendo-se que a confiabilidade do dispositivo é igual a R(t) = 0,90 para o tempo de uso de h. ) A taxa de falha ou função risco de certo dispositivo é (t) = at (t > 0), onde a > 0 e é constante. Determine a confiabilidade do dispositivo e sua expectativa de vida, ou seja, o valor do parâmetro MTTF. OBS.: Por definição a função gamma é dada por z z1 t 0 t e dt 3) Uma empresa necessita tomar a decisão de comprar uma entre duas workstations. A workstation 1 possui 10 chips, cada um com taxa de falha constante igual a 10-5 h -1 e todos os 10 chips devem funcionar corretamente para que o sistema funcione. A workstation possui 5 chips, cada um deles tendo uma taxa de falhas dependente do tempo e igual a at/h com o parâmetro a constante e todos os 5 chips devem funcionar corretamente para que o sistema funcione. Se as duas workstations têm o mesmo tempo médio até falhar (MTTF), qual das duas deve ser escolhida para compra? Assuma que a confiabilidade R(t) para o tempo de uso de h deve ser considerada como critério. 4) A taxa de falha (função risco) de um componente eletrônico é dada por: h(t) = at b 0 t 1000h t 1000h Determine o valor de b tal que h(t) seja contínua e, também, a função de confiabilidade do componente eletrônico. 5) A função risco (taxa de falhas) de um equipamento é (t) = 0t, onde 0 > 0 é uma constante conhecida. Determine a função de confiabilidade, R(t), do equipamento. Refaça o exercício com (t) = 0t 1/. 5

26 6) A taxa de falhas (função risco) de um sistema computacional usado para o controle de um veículo espacial é modelada pela função (t) = t -1 + t -1. Determine a expressão para a função de confiabilidade R(t) do sistema. Faça o gráfico de (t) e de R(t) como funções do tempo e dos valores dos parâmetros: = ¼, = 1/7, = 0,0004 e = 0,0007. REFERÊNCIAS CHAVES NETO, A. Análise de Confiabilidade de Produtos e Sistemas. Notas de aula, 015. FILHO, V. B. Confiabilidade Básica e Prática. São Paulo: Editora Edgard Blüncher LTDA, FOGLIATTO, F. S.; RIBEIRO, J. L. D. Confiabilidade e Manutenção Industrial. 1. Ed. São Paulo: Campus-Elsevier, 009. v p. LAFRAYA, J. R. B. Manual de Confiabilidade, Mantenabilidade e Disponibilidade. Rio de Janeiro: Qualitymark Petrobrás, 001. LEEMIS, L. Reliability: Probabilistic Models and Statistical Methods. Nova York: Prentice Hall,

SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077

SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 6 DISPONIBILIDADE DE EQUIPAMENTOS 6.1 INTRODUÇÃO Diversas teorias em confiabilidade pressupõem o descarte dos componentes de interesse após a primeira falha.

Leia mais

Estatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue

Estatística 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 mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 08 Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas

Leia mais

AULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017

AULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu

Leia mais

Distribuições de Probabilidade

Distribuições de Probabilidade Distribuições de Probabilidade 7 6 5 4 3 2 1 0 Normal 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Temperatura do ar 20 18 16 14 12 10 8 6 4 2 0 Assimetrica Positiva 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Precipitação

Leia mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09 Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas

Leia mais

ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE

ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal

Leia mais

Momentos: Esperança e Variância. Introdução

Momentos: Esperança e Variância. Introdução Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros

Leia mais

Confiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas.

Confiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Confiabilidade de sistemas Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Uma definição pratica de confiabilidade corresponde à probabilidade de um

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. x(s) W Domínio. Contradomínio Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.

Leia mais

Tiago Viana Flor de Santana

Tiago 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 mais

Variáveis Aleatórias

Variáveis Aleatórias Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias

Leia mais

Estatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral

Estatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades

Leia mais

Modelos de Distribuição PARA COMPUTAÇÃO

Modelos de Distribuição PARA COMPUTAÇÃO Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO

Leia mais

Métodos Experimentais em Ciências Mecânicas

Métodos Experimentais em Ciências Mecânicas Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade

Leia mais

PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES

PRINCIPAIS 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 mais

5- Variáveis aleatórias contínuas

5- Variáveis aleatórias contínuas 5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, atribuímos probabilidades a intervalos de valores. Exemplo 5.1 Seja a variável correspondente ao tempo de vida útil de determinado

Leia mais

AULA 17 - Distribuição Uniforme e Normal

AULA 17 - Distribuição Uniforme e Normal AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é

Leia mais

Capítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto

Capítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população

Leia mais

Probabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.

Probabilidade 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 mais

Bioestatística e Computação I

Bioestatística e Computação I Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas

Leia mais

Avaliação e Desempenho Aula 5

Avaliação e Desempenho Aula 5 Avaliação e Desempenho Aula 5 Aula passada Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Aula de hoje Variáveis aleatórias discretas e contínuas PMF, CDF e função densidade

Leia mais

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Distribuições Discretas Uniforme Bernoulli Binomial Poisson

Leia mais

ANÁLISE DE DISPONIBILIDADE APLICADA A PROCESSO DE EXTRUSÃO - ESTUDO DE CASO EM UMA INDÚSTRIA DE EMBALAGENS PLÁSTICAS

ANÁLISE DE DISPONIBILIDADE APLICADA A PROCESSO DE EXTRUSÃO - ESTUDO DE CASO EM UMA INDÚSTRIA DE EMBALAGENS PLÁSTICAS ANÁLISE DE DISPONIBILIDADE APLICADA A PROCESSO DE EXTRUSÃO - ESTUDO DE CASO EM UMA INDÚSTRIA DE EMBALAGENS PLÁSTICAS JULIANA RODRIGUES DE SOUZA (PUC) ju_rodrigues1@hotmail.com Bruna Emanuelle de Avelar

Leia mais

Professora Ana Hermínia Andrade. Período

Professora Ana Hermínia Andrade. Período Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para

Leia mais

F (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ).

F (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ). Variável Aleatória Uma variável aleatória é uma variável numérica, cujo valor medido pode variar de uma réplica para outra do experimento. Exemplos: (i) Variáveis aleatórias contínuas: corrente elétrica,

Leia mais

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD)

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD) Prof. Janete Pereira Amador 1 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável

Leia mais

MANUTENÇÃO CENTRADA EM CONFIABILIDADE

MANUTENÇÃO CENTRADA EM CONFIABILIDADE MANUTENÇÃO CENTRADA EM CONFIABILIDADE INTRODUÇÃO A MCC (Manutenção Centrada em Confiabilidade) é também conhecida como RCM (Reability Centered Maintenance)... O que é confiabilidade? É a probabilidade

Leia mais

SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS

SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS 4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está

Leia mais

DISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL

DISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO NORMAL Definição:

Leia mais

Modelos básicos de distribuição de probabilidade

Modelos básicos de distribuição de probabilidade Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não

Leia mais

1 Distribuições Discretas de Probabilidade

1 Distribuições Discretas de Probabilidade 1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma

Leia mais

Distribuição de Probabilidade

Distribuição de Probabilidade Distribuição de Probabilidade ENG09004 2014/2 Prof. Alexandre Pedott pedott@producao.ufrgs.br Introdução O histograma é usado para apresentar dados amostrais extraídas de uma população. Por exemplo, os

Leia mais

5- Variáveis aleatórias contínuas

5- Variáveis aleatórias contínuas 5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, associamos probabilidades a intervalos de valores da variável. Exemplo 5.1 Seja a variável correspondente ao tempo até a cura de pacientes

Leia mais

Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 11 Aplicações à Teoria da Confiabilidade.

Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 11 Aplicações à Teoria da Confiabilidade. Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 11 Aplicações à Teoria da Confiabilidade. Problemas 1. Suponha que, a duração até falhar de uma peça, seja normalmente distribuída

Leia mais

ELT030. 2º Semestre-2016

ELT030. 2º Semestre-2016 ELT030 Instrumentação 2º Semestre-2016 Ferramental estatístico Na ciência da instrumentação, os métodos estatísticos se apresentam como ferramentas fundamentais para medição. Estatística é ciência que

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo 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 Variáveis Aleatórias Ao descrever um espaço

Leia mais

Sumário. 2 Índice Remissivo 11

Sumário. 2 Índice Remissivo 11 i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação

Leia mais

5. PRINCIPAIS MODELOS CONTÍNUOS

5. PRINCIPAIS MODELOS CONTÍNUOS 5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β

Leia mais

Variáveis aleatórias contínuas

Variáveis aleatórias contínuas Variáveis aleatórias contínuas Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 20/04/2018 WB, FM,

Leia mais

Variável Aleatória Contínua:

Variável Aleatória Contínua: Distribuição Contínua Normal Luiz Medeiros de Araujo Lima Filho Departamento de Estatística UFPB Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,

Leia mais

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE

PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de

Leia mais

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável Aleatória

Leia mais

4 Metodologia de Previsão Proposta

4 Metodologia de Previsão Proposta 4 Metodologia de Previsão Proposta Os equipamentos eletrônicos apresentam uma baixíssima taxa de falhas, algo em torno de 1 falha a cada 100.000 horas. Tal característica levaria a pensar que os equipamentos

Leia mais

Problemas 1. Determine o valor esperado das seguintes variáveis aleatórias: a. A varável aleatória definida no Probl. 4.1.

Problemas 1. Determine o valor esperado das seguintes variáveis aleatórias: a. A varável aleatória definida no Probl. 4.1. Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 7 Caracterização Adicional de Variáveis Aleatórias. Problemas 1. Determine o valor esperado das seguintes variáveis aleatórias: a.

Leia mais

LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro.

LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro. LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - V. A. C O N T Í N

Leia mais

Variável Aleatória Poisson. Número de erros de impressão em uma

Variável Aleatória Poisson. Número de erros de impressão em uma EST029 Cálculo de Probabilidade I Cap. 7. Principais Variáveis Aleatórias Discretas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Variável Aleatória Poisson Caraterização: Usa-se quando o experimento

Leia mais

Estatística (MAD231) Turma: IGA. Período: 2018/2

Estatística (MAD231) Turma: IGA. Período: 2018/2 Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #04 de Probabilidade: 26/10/2018 1 Variáveis Aleatórias Contínuas De modo informal as variáveis aleatórias são contínuas quando resultam de algum tipo

Leia mais

Aula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias

Aula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para

Leia mais

A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).

A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ). Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real

Leia mais

Modelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira

Modelos 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 mais

AULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017

AULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver

Leia mais

Variável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada

Variável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O

Leia mais

Introdução a Engenharia da Confiabilidade

Introdução a Engenharia da Confiabilidade GERENCIA DA MANUTENÇÃO Introdução a Engenharia da Confiabilidade Professor: Emerson Rigoni, Dr. rigoni@utfpr.edu.br www.rigoni.com.br/et54c.htm Evolução dos Conceitos Parte 1 - Análise dos Modos de Falha

Leia mais

14. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas

14. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas 4. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas Os valores assumidos por uma variável aleatória contínua podem ser associados com medidas em uma escala contínua como, por exemplo,

Leia mais

Variáveis Aleatórias Contínuas e Distribuições de Probabilidade

Variáveis Aleatórias Contínuas e Distribuições de Probabilidade Variáveis Aleatórias Contínuas e Distribuições de Probabilidade Motivação A quantidade de oxigênio dissolvido é importante para aferir a qualidade de um regato. Os níveis aceitáveis de oxigênio variam

Leia mais

H. Iglésias Pereira Revisões. RESOLUÇÃO: X-nº de clientes que chegam ao departamento do C.C./hora

H. Iglésias Pereira Revisões. RESOLUÇÃO: X-nº de clientes que chegam ao departamento do C.C./hora Esta distribuição que aparece como caso limite da distribuição binomial em determinadas circunstâncias, é um bom modelo probabilístico de fenómenos aleatórios como número de clientes que chegam a um determinado

Leia mais

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Variáveis Aleatórias Discretas e Distribuição de Probabilidade Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das

Leia mais

Confiabilidade em Sistemas Eletrônicos

Confiabilidade em Sistemas Eletrônicos Confiabilidade em Sistemas Eletrônicos Matemá'ca da Confiabilidade Alessandro L. Koerich Introdução Os princípios da confiabilidade moderna são baseados principalmente em esta@saca e probabilidade. Em

Leia mais

IND 1115 Inferência Estatística Aula 6

IND 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 mais

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO CONJUNTA Em muitos

Leia mais

O tempo de sobrevivência é uma variável aleatória T, contínua e positiva.

O tempo de sobrevivência é uma variável aleatória T, contínua e positiva. ESPECIFICAÇÃO DO TEMPO DE SOBREVIVÊNCIA O tempo de sobrevivência é uma variável aleatória T, contínua e positiva. Os valores que T pode assumir têm alguma distribuição de probabilidade que pode ser especificada

Leia mais

Aproximação da Distribuição Binomial pela Distribuição Normal

Aproximação da Distribuição Binomial pela Distribuição Normal Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.

Leia mais

Lista de exercícios 2 Métodos Estatísticos Básicos

Lista de exercícios 2 Métodos Estatísticos Básicos Lista de exercícios 2 Métodos Estatísticos Básicos Prof. Regis Augusto Ely 1 de julho de 2014 1 Variáveis aleatórias unidimensionais 1. Suponha que a variável aleatória X tenha os valores possíveis 1,

Leia mais

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008 Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória

Leia mais

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100% . Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística

Leia mais

PROCESSOS ESTOCÁSTICOS. Modelagem de falhas, Técnicas de Markov para modelagem da confiabilidade de sistemas

PROCESSOS ESTOCÁSTICOS. Modelagem de falhas, Técnicas de Markov para modelagem da confiabilidade de sistemas ROCESSOS ESTOCÁSTICOS Modelagem de falhas, Técnicas de Markov para modelagem da confiabilidade de sistemas Modelagem de falhas Confiabilidade de sistemas Necessário modelar o comportamento do sistema,

Leia mais

Distribuição de Probabilidade. Prof. Ademilson

Distribuição de Probabilidade. Prof. Ademilson Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.

Leia mais

10.3 Métodos estatísticos

10.3 Métodos estatísticos 10.3 Métodos estatísticos O estudo de VAZÕES MÁXIMAS pode ser realizado através de DISTRIBUIÇÕES ESTATÍSTICAS DE VARIÁVEIS CONTÍNUAS Métodos: - Distribuição de Gumbel - Distribuição Exponencial de dois

Leia mais

Distribuições Contínuas de Probabilidade

Distribuições 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 mais

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável

Leia mais

Revisão de Probabilidade

Revisão de Probabilidade 05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito

Leia mais

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de

Leia mais

Capítulo 3. Introdução à Probabilidade E à Inferência Estatística

Capítulo 3. Introdução à Probabilidade E à Inferência Estatística Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos

Leia mais

Sistemas Reparáveis - Processo de Contagem

Sistemas Reparáveis - Processo de Contagem Sistemas Reparáveis - Processo de Contagem Enrico A. Colosimo Colaboração: Rodrigo C. P. dos Reis e Maria Luiza Toledo Programa de Pós-Graduação em Estatística - UFMG Teoria básica de Processos de Contagem

Leia mais

24/04/2017. Operações que podem ser aplicadas aos eventos

24/04/2017. Operações que podem ser aplicadas aos eventos Inferência estatística: processo de extrair conclusões de uma população inteira com base na informação de uma amostra A base para a inferência estatística é a teoria da probabilidade Evento: é o resultado

Leia mais

EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais

EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Introdução Considere o experimento: Lançamento de uma moeda. Resultados

Leia mais

Processos Estocásticos. Luiz Affonso Guedes

Processos Estocásticos. Luiz Affonso Guedes Processos Estocásticos Luiz Affonso Guedes Sumário Modelos Probabilísticos Discretos Uniforme Bernoulli Binomial Hipergeométrico Geométrico Poisson Contínuos Uniforme Normal Tempo de Vida Exponencial Gama

Leia mais

Geração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A Normal. A Normal. Normal Log-Normal Gama Erlang Beta.

Geração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A Normal. A Normal. Normal Log-Normal Gama Erlang Beta. Estatística Computacional Geração de Variáveis Aleatórias Contínuas 6 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Normal Log-Normal Gama Erlang Beta Weibull Student (t) Qui-Quadrado

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. 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 mais

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,

Leia mais

Módulo III: Processos de Poisson, Gaussiano e Wiener

Módulo III: Processos de Poisson, Gaussiano e Wiener Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo

Leia mais

Virgílio Mendonça da Costa e Silva

Virgílio Mendonça da Costa e Silva UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA MECÂNICA MANUTENÇÃO INDUSTRIAL ENGENHARIA DE CONFIABILIDADE (PARTE I) ANÁLISE DE TEMPOS DE FALHAS N O T A S D E A U L A S

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências Estatística Aplicada à Engenharia

Leia mais

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017

Distribuição 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 mais

PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL

PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL Aula 6 META Estudar o comportamento e aplicação das Variáveis Aleatórias Contínuas, bem como da Distribuição Normal. OBJETIVOS Ao final

Leia mais

Principais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:

Principais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5: Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 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 mais

Departamento de Matemática Escola Superior de Tecnologia de Viseu

Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade

Leia mais

Simulação com Modelos Teóricos de Probabilidade

Simulação com Modelos Teóricos de Probabilidade Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.

Leia mais

Notas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley.

Notas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley. Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de

Leia mais

Capítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas

Capítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de Probabilidade Binomial 5-4 Média, Variância e Desvio Padrão da Distribuição Binomial 5-5 A Distribuição

Leia mais

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: 46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y

Leia mais