DISTRIBUIÇÃO NORMAL. Para facilitar o trabalho do cálculo da área sob a curva, podemos escrever a fórmula acima da seguinte forma:
|
|
- Mario de Almada Porto
- 6 Há anos
- Visualizações:
Transcrição
1 DISTRIBUIÇÃO NORMAL m.a.perissinotto DIN - 1 Seu aspecto gráfico é semelhante a um sino e, para sua construção, são necessários dois parâmetros: µ ( média ) e s ( desvio padrão ). A curva teórica é simétrica em relação à média e a representação matemática da função densidade de probabilidade é dada por: f(x) = 1 σ 2 π e (x-μ) σ 0 Sendo esta, uma curva de probabilidade, a área limitada pela mesma, é igual a 1. A curva normal tem as extremidades de forma assíntota, ou seja, vai de menos infinito a mais infinito. O ponto máximo coincide com a média e o ponto de inflexão da curva determina o desvio padrão. A área sob a curva normal costuma ser dividida em zonas de probabilidades, cada uma com a mesma base, isto é ± 1 s. Para facilitar o trabalho do cálculo da área sob a curva, podemos escrever a fórmula acima da seguinte forma: 1 P z = σ 2 π e- 1 2 z2 onde: z = número de s entre a média e o valor considerado Portanto, para calcular a probabilidade ( Pz ), acima ( ou abaixo ), de um número x ( qualquer ), calcula-se ( z ) e procurase ( Pz ) ( ou vice versa ) na tabela. A tabela foi construída considerando-se uma curva normal teórica de µ = 0 e s = 1 Limites de % dentro dos Z Especificação limites PPM ± 1s 1,0 68, ± 2s 2,0 95, ± 3s 3,0 99, ± 4s 4,0 99, ,4 ± 5s 5,0 99, ,58 ± 6s 6,0 99, ,002 considerando um processo com ± 6s, temos: para +6s = 0,001x10-6, ou seja 0,001ppm; para 6s = 0,001x10-6, ou seja 0,001ppm; então, no total, temos 0,002x10-6, e assim para os demais números de Z s A nossa tabela de valores de Pz em função de Z, corresponde a metade ( 50%) da curva de distribuição normal, ou seja: ATENÇÃO: Para encontrarmos a porcentagem total, devemos ter em conta a soma dos valores encontrados em função de Zi i e Zs.
2 m.a.perissinotto DIN - 2 De acordo com levantamentos na prática, temos que para um processo considerado com média centralizada e, completamente estável, vale o estudo acima, contudo dificilmente se tem o processo centralizado constantemente por todo o tempo. Após várias cartas de acompanhamento de um determinado processo a Motorola percebeu uma variação da média e, adotou como variação da média um desvio de ±1,5s ( fig. 1), logo para um processo estável com ±6s, teremos, como média ao longo do tempo 3,4ppm ao invés de 0,002ppm, ou seja o processo estará trabalhando no final, com aproximadamente ± 4,7s. V Figura 1 Informações sobre cálculo do ppm 1 parte do soluto ppm = 10 M partes da solução = massa de soluto em mg massa da solução em Kg = 1g 1000l Exemplos: 1 O padrão internacional estabelece, como a máxima concentração de mercúrio Hg por grama de água pótável igual a 5,0 x 10-4 mg/g, qual é essa quantidade expressa em ppm? Lembrando: ppm = mg Kg A mg mg 10 -B C Kg Kg C ppm 0,5ppm 2 - (PUCC-SP) No rótulo de uma garrafa de água mineral lêx-se, entre outras coisas: Conteúdo: 1,5l Bicarbonato de Cálcio: 20 ppm Com base nesses dados, determinar a massa de bicarbonato de cálcio no volume da garrafa. Dados: ppm= mg de soluto/litro de solução aquosa Sabendo que 1 ppm = 1 mg de soluto/litro de solução, temos 20ppm = 20 mg/l, então: 1l 20mg 1,5l X X = 1, X = 30mg = 0,03g 3 - (Unifesp) Dentre os metais pesados que contaminam nosso solo e águas há o chumbo (Pb), que apresenta uma concentração de 20ppm. Qual a quantidade de Pb em mg, numa amostra de 100g da costa terrestre? Então: 20ppm é igual a 20g de Pb em 10 6 de crosta terrestre. 20g 10 M g x 100g M A g 2mg
3 m.a.perissinotto DIN - 3 TABELA DOS VALORES DE Pz EM FUNÇÃO DE Z z x,x0 x,x1 x,x2 x,x3 x,x4 x,x5 x,x6 x,x7 x,x8 x,x9 3,9x 0, , , , , , , , , , ,8x 0, , , , , , , , , , ,7x 0, , , , , , , , , , ,6x 0, , , , , , , , , , ,5x 0, , , , , , , , , , ,4x 0, , , , , , , , , , ,3x 0, , , , , , , , , , ,2x 0, , , , , , , , , , ,1x 0, , , , , , , , , , ,0x 0, , , , , , , , , , ,9x 0, , , , , , , , , , ,8x 0, , , , , , , , ,00 0, ,7x 0, , , , , , , , , , ,6x 0, , , , , , , , , , ,5x 0, , , , , , , , , , ,4x 0, , , , , , , , , , ,3x 0, , , , , , , , , , ,2x 0, , , , , , , , , , ,1x 0, , , , , , , , , , ,0x 0, , , , , , , , , ,9x 0, , , , , , , , , , ,8x 0, , , , , , , , , , ,7x 0, , , , , , , , , , ,6x 0, , , , , , , , , , ,5x 0, , , , , , , , , , ,4x 0, , , , , , , , , , ,3x 0, , , , , , , , , , ,2x 0, , , , , , , ,10 0, , ,1x 0, , , , , , , , , , ,0x , , , , , , , , , ,9x 0, , , , , , , , , , ,8x 0, , , , ,50 0, , , , , ,7x 0,24 0, , , , , , , , , ,6x 0, , , , , , , , , , ,5x 0, , , , , , , , , , ,4x 0, , , , , , , , , , ,3x 0, , , , , , , , ,35 0, ,2x 0, , , , , , , , , , ,1x 0, , , , , , , , , , ,0x 0, , ,49 0, , , , , , Exemplo: - Z=2,56 ð ( 2,5x na primeira coluna e, na 8ª x,x6 ð 2,56 ð P z =0,0052 0,520%) z 4,0 4,1 4,2 4,3 4,4 4,5 4,6 4,7 4,8 4,9 x ,671 20,658 13,346 8,54 5,4125 3,3975 2,1125 1,3010 0,7935 0,4790 z 5,0 5,1 5,2 5,3 5,4 5,5 5,6 5,7 5,8 5,9 x10-6 0,2865 0,1700 0,0995 0,0580 0,0335 0,0190 0,0105 0,0060 0,0035,0020 z 6,0 x10-6 0,0010 Exemplo: Z=4,4 ð ( na coluna 4,4 = 5,4125 x , % )
4 m.a.perissinotto DIN - 4 CÁLCULO DE Z Z i = xt LIE σ Z s = LSE xt σ LIE = Limite Inferior Especificado LSE = Limite Superior Especificado Exemplo: Uma distribuição tem µ = 6500 e s =, calcular: a) % de peças abaixo de Z ] = = 1,0 tab P b = 0, , 87% b) % de peças acima de Z i = = 3,0 tab P b = 0, , 135% c) % de peças entre 6300 e 6900 Z ] = Z i = = 1,0 tab P b = 0,1587 = 2,0 tab P b = 0,0228 Pz total = 0, ,0228 = 0,1815 = 18,15% d) % de peças entre 6100 e 6300 Z ]m = Z ]n = = 1,0 tab P b = 0,1587 = 2,0 tab P b = 0,0228 (0,1587 0,0228) = 0,139 13, 59%
5 m.a.perissinotto DIN - 5 EXERCÍCIOS: Sabendo-se que na produção de uma determinada peça, uma dimensão tem distribuição normal, em função dos dados, determinar: a) % para x < 98mm, com média µ = 100 e s = 5 b) % para x entre 90 e 105mm, com µ = 100 e s = 5 c) Qual o valor do s, para obtermos 25,78% de peças acima de 102mm, em um processo que apresenta µ = 100? d) Qual o LSE acima do qual temos 10% de peças com µ=100 e s =5? e) No intervalo, µ = 100 e x = 98, qual deve ser o valor do s para obtermos 6 sigmas? f) qual o valor do s para obter 95,44% entre 98 e 102mm, com µ = 100? g) quantos s simetricamente em relação a média, incluirão 86% de todas as peças?
6 m.a.perissinotto DIN - 6 EXEMPLOS: (l) Um eixo deve ser produzido obedecendo a especificação F = 10 ± 0,1 mm. Peças fora de tol. são rejeitadas, somente peças acima da tolerância podem ser corrigidas a um custo de $51,00u.m. por peça. A) Fabricação com x = 10,0mm e, σ q = 0,05m custa $ 102,00 u.m. por peça. B) Outro processo com x = 10,0mm e, σ q = 0,10m custa $ 85,00 u.m. por peça. Qual o processo a ser adotado? ( supor distribuição normal) A) 10,0 9,9 Z ] = Z i = = 2,0 tab P 0,05 b = 0,0228 [2 (0,5 0,0228)] = 0,9544 0,9544 de uma peça custa $ 102,00 ð 2,28% é recuperável a $ 51,00 = $ 1,16 então temos: (0, ,0228)= 0,9772 de uma peça ( pois as peças abaixo da tol., não se recuperam), custa= 102,00 + 1,16= 103,16, logo o custo por peça recuperada será: 103,16 = $105, 57u. m. por peça 0,9772 B) 10,0 9,9 Z ] = Z i = = 1,0 tab P 0,1 b = 0,1587 [2 (0,5 0,1587)] = 0,6826 0,6826 de uma peça custa $85,00 ð 0,1587 é recuperável a $51,00 = $ 8,09 (0, ,1587)=0,8413 de uma peça (pois as peças abaixo da tol,. não se recuperam), custa = 85,00 + 8,09 = 93,09, Logo o custo por peça recuperada será: 93,09 = $ 110, 65u. m. por peça 0,8413 (2)- A dimensão de uma peça é 250,0mm, +0,2 0,5 o processo produtivo tem σ q 0,15mm, pergunta-se: A) Regulando a x para 250mm, calcular a % total de peças rejeitadas; A) Z ] = ƒ, - A,ƒ = 3,33 P,Cƒ b = 0, Z i = ƒ, - ƒ, = 1,33 P,Cƒ b = 0,09180 ==0,09223 B) Sabendo-se que o custo de recuperação é 5 vezes maior para peças menores, determinar entre as regulagens abaixo, qual a mais econômica, justificar. R C x = 249,85 R x = 250,0 e σ q = 0,125 B) - R 1 249,85 249,5 Zˆ = Z = = 2,33 P 0,15 = 0,0099, como o custo de recuperação das menores é 5x o custo de recuperação das maiores, então: 0,0099 x 5= 0,05 + 0,0099 = 0,0599 B) R 2 Zˆ = ,5 = 4 P 0,125 = 31, M 5 (custo da recuperação das menores) = 0, ,2 250 Z = = 1,6 P 0,125 = 0,05480 TOTAL = 0, ,05480 = 0,05496 C) qual deve ser o desvio padrão para um processo ±6σ, com a média centrada? C) Zˆ = Z = 6 = 249,85 249,5 σ = 0,35 σ == σ = 0,35 6 = 0, 0583
7 (3) A capacidade máxima de um elevador é de 500Kg. Se a distribuição x dos pesos dos usuários é suposta: ( µ = 70Kg ; s = 10Kg). Pergunta-se: a) Qual a probabilidade de 7 passageiros (n=7) ultrapassarem esse limite? m.a.perissinotto DIN - 7 x = = 71,429 σ q = 10 7 = 3,78 x μ 71, Z = = = 0,378 tab P σ 3,78 b = 0,352 35, 2% b) Qual a probabilidade de 6 passageiros (n=6) ultrapassarem esse limite? x = = 83,33 σ q = 10 6 = 4,082 x μ 83,33 70 Z = = = 3,27 tab P σ 4,08 b = 0, , 054% (4) A máquina de empacotar um determinado produto o faz segundo uma distribuição normal, com uma média (µ ) e desvio padrão s = 10g. Pergunta-se: a) Em quanto deve ser regulado o peso médio m para que apenas 10% dos pacotes tenham menos do que 500g? Pela tabela ð P (z) = 0,1 então 1,28 logo: μ x μ 500 Z = = μ = (10 Z) σ 10 μ = (10 1,28) ,8 = 512, 8g b) Com a máquina de empacotar assim regulada, qual a probabilidade de que o peso total de 4 pacotes escolhidos ao acaso seja inferior a 2 Kg? Peso de 4 pacotes = 2 Kg Peso de 1 pacote = 500 g σ q = σ n = 10 4 = 10 2 = 5 512, Z = 5 = 12,8 5 = 2,56 tab P b = 0, , 52% (5) Na análise de um estudo de Distribuição Normal, cuja especificação é 25,0 ±0,2, encontramos as seguintes porcentagens: acima do LSE=7,35% e, abaixo do LIE=2,74%. Qual o valor do σ q? LSE x P b = 0,0735 Z i = 1,45 1,45 = 1,45 σ T = 25,2 x [(1,45 σ q ) 25,2] = x P b = 0,0274 Z ] = 1,92 1,92 = σ q x LIE σ T 1,92 σ q = x 24,8 x = [(1,92 σ q ) + 24,8] (1,45 σ q ) + 25,2 = (1,92 σ q ) + 24,8 1,45σ q 1,92σ q = 24,8 25,2 3,37σ q = 0,4 σ q = 0,4 3,37 σ xt = 0, 1187
8 HISTOGRAMAS É uma forma de representação da distribuição de frequência através de um gráfico de colunas m.a.perissinotto DIN - 8 CONSTRUÇÃO: 1º passo: Coleta de dados. Retirar no mínimo 20 amostras ( N ) de 5 elementos ( n ) cada uma. Essa coleta de dados deverá abranger todo um ciclo de trabalho, procurando evitar mudanças como: MP, Troca de Operador, etc. Ex.: Inspeção de um eixo com especificação: 6,0 ± 0,5 mm º passo: Cálculo da amplitude R = X áq X í 6,7 5,1 = 1, 6 3º passo: Determinação do número de classes ( K ) O número de classes pode ser encontrado como sendo uma aproximação de A tabela, abaixo, nos dá uma orientação do nº de classes em função do nº de elementos. ( N * n ) K > = 11,18 4º passo: Determinação do tamanho de classe: h = R K h = 1,6 h = 0,145 h 0,2 11 5º passo: Distribuição dos valores em classes. A tabulação dos dados deverá ser de forma excludente, portanto é preciso definir fronteiras, uma das maneiras é considerar nos extremos de cada classe a metade da unidade da precisão do instrumento. 6º passo: Tabulação dos dados ( Anotar os dados separando-os por classes ) nº classe limites frequência quant 1 5,0-5,2 4,95-5, ,2-5,4 5,15-5, ,4-5,6 5,35-5, ,6-5,8 5,55-5, ,8-6,0 5,75-5, ,0-6,2 5,95-6, ,2-6,4 6,15-6, ,4-6,6 6,35-6, ,6-6,8 6,55-6,75 3 OBS.: É comum utilizar, na tabulação dos dados, a coluna de frequência para se ter uma idéia da curva de distribuição dos dados. 7º passo: Construção do histograma: eixo horizontal ( abcissas ) = classes eixo vertical ( ordenadas ) = frequência N n 8º passo: Polígono de frequência. Determina-se unindo os pontos médios superiores das colunas.
9 ANÁLISE DE HISTOGRAMA m.a.perissinotto DIN - 9 A análise se faz pelo formato da curva, se esse formato for bem próximo a de um sino, podemos concluir que a distribuição é normal e apresenta somente variações aleatórias. C VARIAÇÕES ALEATÓRIAS D VARIAÇÕES CAUSAIS Fazem parte da natureza do processo, podem ser controladas São, de certa forma, imprevisíveis, devem ser detectadas e eliminadas rapidamente. Ex.: quebra de ferramenta ATENÇÃO: Nos casos em que não ocorre o formato SINO, năo devem ser utilizados os estimadores estatísticos, nesses casos, após detecção e eliminação das variações causais, nova coleta deverá ser realizada. Exemplos Histograma Truncado Histograma com 2 ou mais Modas provavelmente anteriormente já houvera uma inspeção selecionadora uma análise poderá mostrar, provavelmente, duas fontes de fornecimento. Histograma com muitas variações nas alturas das colunas neste caso verificar a calibragem do aparelho de medição MODA A moda (M o ) é o valor que mais se repete, ou seja, o valor pais provável a ser obtido. É a única medida de dispersão que pode ter mais de um valor, podendo ser o conjunto: Amodal = Ex.: 2,3,4,5,6 ( nenhum valor se repete) Monomodal = Ex.: 3,4,5,5,6,7,8 ( o valor 5 se repete) Bimodal = Ex.: 1,2,3,3,4,5,5,6,7 ( os valores 3 e 5 se repetem) MEDIANA A mediana (M e ) é o valor que separa o conjunto em dois subconjuntos de mesmo tamanho. Para o cálculo correto da mediana, os valores devem estar ordenados do menor para o maior valor. Se n for ímpar, a posição da mediana é o valor central (Ex.: 2,3,4,5,6 M e = 4) Se n for par, a mediana é a média dos dois valores centrais, cuja posição é calculada pela média dos dois elementos centrais [Ex.: 2,3,4,5,6,7 (4+5/2)=4,5], cabe perceber que a mediana não precisa, necessariamente, fazer parte do conjunto de dados. 1º Caso: Média < Mediana < Moda - a curva da distribuição tem ASSIMETRIA NEGATIVA 2º Caso: Média = Mediana = Moda - a curva da distribuição é SIMÉTRICA 3º Caso: Média > Mediana > Moda - a curva da distribuição tem ASSIMETRIA POSITIVA Exercícios:
10 m.a.perissinotto DIN No setor de envase de uma empresa o controle do peso de cada embalagem primária segue a especificação: 500g ±10g, na embalagem secundária cabem 40 pacotes. O cliente define, como média, na amostragem, no máximo 1,5% abaixo do peso e, adota como inspeção: N Nível Tipo Regime NQA Tab. 1 n Ac Re D 40 II SIMPLES ATENUADA 1,0 Considerando o processo estável com média 495g, pergunta-se: a) Qual deve ser o valor do s do processo para atender a legislação? b) Qual a probabilidade do cliente encontrar: 1. 0 (zero) embalagem abaixo do peso mínimo? 2. Exatamente 1 (uma) embalagem abaixo do peso mínimo? 3. Até 1 (uma) embalagem abaixo do peso mínimo? Um determinado produto com especificação 8,0 ± 0,1mm, tem um custo de produção igual R$ 2,95, o processo tem uma distribuição normal com média igual a 7,95mm e, desvio padrão igual a 0,05mm. O custo para recuperação de peças abaixo da mínima custa o dobro das acima da máxima. Após apresentar o resultado a gerência pediu que a média fosse centralizada a) Qual % de peças abaixo da mínima? b) Após a centralização da média qual a % abaixo da mínima? c) Qual o valor da média seria adequada para termos no máximo 0,5% de peças abaixo da mínima? Nome: Número T
11 m.a.perissinotto DIN - 11 EXERCÍCIOS: (1)- Em um processo com a característica 50,0±0,5, determinou-se a porcentagem abaixo do LIE=0,023% e, acima do LSE=6,68%. Qual deverá ser o σ para atender essa determinação? (2)- Para um eixo com um diâmetro de 3 ± 0,018mm, um fornecedor propôs o mesmo preço e prazo dos demais fornecedores. Enviou os registros do controle, conforme abaixo. Qual a porcentagem de rejeição desse fornecedor? x = 3mm e σ q = 0,0044mm (3)- Dado um processo sob controle estatístico, com média 170mm e um desvio padrão 8mm, qual a probabilidade de obtermos peças com valores entre 154mm e 186mm? (4)- Uma dimensão de 8,0±0,05mm, está sob controle estatístico com média centrada, qual deverá ser o valor do desvio padrão para obtermos 95% de peças OK? (5)- No controle estatístico de um componente eletrônico obtivemos resistência média de 48W, com desvio padrão de 1,25W. A especificação define uma resistência mínima de 45W. Qual a porcentagem de componentes serão rejeitados?
DISTRIBUIÇÃO NORMAL CÁLCULO DE Z. m.a.perissinotto DIN - 1
DISTRIBUIÇÃO NORMAL m.a.perissinotto DIN - 1 Seu aspecto gráfico é semelhante a um sino e, para sua construção, são necessários dois parâmetros: µ ( média ) e s ( desvio padrão ). A curva teórica é simétrica
Leia maisCONTROLE ESTATÍSTICO DE PROCESSOS
Ferramentas da Qualidade CONTROLE ESTATÍSTICO DE PROCESSOS CONTROLE ESTATÍSTICO DE PROCESSOS (2/4) HISTOGRAMA: O QUE É E PARA QUE SERVE CONSTRUÇÃO DE HISTOGRAMAS EXERCÍCIOS Utilização de histogramas 2
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia mais14. 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 maisConceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues
Conceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues 0 1 CONCEITOS INICIAIS DE ESTATÍSTICA: PROBABILIDADE / VARIÁVEL ALEATÓRIA CONTÍNUA CURSO :
Leia maisCurso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09. Prof. Eduardo R Luz - MsC
Curso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09 Prof. Eduardo R Luz - MsC AULA 1 SUMÁRIO A Administração da Qualidade O Controle da Qualidade CEP Origem e história Outros conceitos relacionados ao CEP
Leia maisConceito de Estatística
Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisControle Estatístico do Processo (CEP)
Controle Estatístico do Processo (CEP) CONTROLE ESTATÍSTICO DO PROCESSO É UM MÉTODO QUE PERMITE CONTROLAR CONTÍNUAMENTE AS CARACTERÍSTICAS CHAVES DE UM PRODUTO E PROCESSO, VISANDO A SUA MELHORIA. ORIGEM
Leia maisEstatística. O que é Estatística? Estatística pode ser: Estatística Descritiva. Ivonete Melo de Carvalho. Conteúdo
Estatística Estatística Descritiva Ivonete Melo de Carvalho Conteúdo Definições; Tabelas e Gráficos; Medidas de tendência central; Medidas de dispersão. Objetivos Diferenciar população e amostra. Elaborar
Leia maisCAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES
CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?
Leia maisEngenharia da Qualidade II. Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Engenharia da Qualidade II Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente.
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 2 REVISÃO DE ESTATÍSTICA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA REVISÃO DE ESTATÍSTICA PROFESSORES: CARLA SCHWENGBER TEN CATEN ROGÉRIO FEROLDI MIORANDO Introdução Em um ambiente industrial, os dados devem formar a base para
Leia maisAULA DO CPOG. Estatística básica
AULA DO CPOG Estatística básica ATRIBUTO características que podem ser enumeradas VARIÁVEL características que podem ser medidas, controladas ou manipuladas em uma pesquisa VARIÁVEL QUALITATIVA valores
Leia mais( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
Leia maisESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em simplificaaulas.com
ESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em Conceitos e Fundamentos População: conjunto de elementos, número de pessoas de uma cidade. Amostra: parte
Leia maisEstatística Aplicada. Teste de hipóteses ou teste de significância Cap. 11
Estatística Aplicada Teste de hipóteses ou teste de significância Cap. 11 Conceito Objetivo: decidir se uma afirmação sobre um parâmetro populacional é verdadeira a partir de informações obtidas de uma
Leia maisQUÍMICA. Soluções: características, tipos de concentração, diluição, mistura, titulação e soluções coloidais. Parte 5. Prof a.
QUÍMICA Parte 5 Prof a. Giselle Blois Costuma-se usar a unidade parte por milhão (ppm) para soluções de concentrações extremamente pequenas. * Partes por milhão (ppm): Indica quantas partes de soluto (em
Leia maisMorgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Cronograma parcial DPS1037 Data Aula Conteúdo 10/ago 1 Introdução à Engenharia da Qualidade
Leia mais17/04/ PLANO DE AMOSTRAGEM - CONTROLE DE PROCESSO AMOSTRAGEM OBJETIVOS: PLANO DE AMOSTRAGEM. O que deve ser analisado PARA REALIZAR AMOSTRAGEM
- PLANO DE AMOSTRAGEM - CONTROLE DE PROCESSO Profa. Ms. Priscila Torres AMOSTRA Porção do material separado, seguindo o procedimento de amostragem definido. A quantidade retirada deve ser suficiente para
Leia maisMorgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Teorema do Limite Central (TLC) Introdução ao Controle Estatístico
Leia maisRevisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade Júlio Osório Distribuições Teóricas de Probabilidades Diz-se que uma variável aleatória contínua X tem uma distribuição normal de parâmetros µ (média) e σ (desviopadrão)
Leia maisMétodos 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 maisDisciplina: Gestão da Qualidade
Disciplina: Gestão da Qualidade As Sete Ferramentas da Qualidade: Cartas de Controle Prof. Fernando Porto Introdução As cartas de controle, conhecidas originalmente como gráficos de Shewhart ou gráficos
Leia maisAULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia mais5. 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 maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisEstatística 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 maisCEP CONTROLE ESTATÍSTICO DO PROCESSO
1 Walter Andrew Shewhart 1923 EUA Bell telefones Substituir inspeção de todas as peças Surge controle do processo e inspeção por amostragem gráficos de controle 1954 Indústrias japonesas Sob orientação
Leia mais5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber
5 Distribuição normal de probabilidade Estatística Aplicada Larson Farber Seção 5.1 Introdução às distribuições normais Propriedades de uma distribuição normal Suas média, mediana e moda são iguais. Tem
Leia maisGET00143 TEORIA DAS PROBABILIDADES II Variáveis Aleatórias Unidmensionais
Universidade Federal Fluminense Instituto de Matemática e Estatística GET00143 TEORIA DAS PROBABILIDADES II Variáveis Aleatórias Unidmensionais Ana Maria Lima de Farias Jessica Quintanilha Kubrusly Mariana
Leia maisA 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 maisEstatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo:
6 ESQUEMA DO CAPÍTULO Estatística Descritiva 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisDistribuição de frequências:
Distribuição de frequências: Uma distribuição de frequências é uma tabela que reúne o conjunto de dados conforme as frequências ou as repetições de seus valores. Esta tabela pode representar os dados em
Leia maisDistribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário Introdução
Leia maisCapítulo 5 Distribuições de probabilidade normal Pearson Prentice Hall. Todos os direitos reservados.
Capítulo 5 Distribuições de probabilidade normal slide 1 Descrição do capítulo 5.1 Introdução à distribuição normal e distribuição normal padrão 5.2 Distribuições normais: encontrando probabilidades 5.3
Leia maisVariável 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 maisAnálise da : -Estabilidade e - Capacidade/Capabilidade de Processos
Análise da : -Estabilidade e - Capacidade/Capabilidade de Processos Prof. Diego Por que medir a estabilidade e capacidade/capabilidade? Principais erros dos gestores SOB CONTROLE 1 Tratar uma causa comum
Leia mais1 Distribuição Uniforme
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 03 Aula 8 Professor: Carlos Sérgio UNIDADE 4 - Distribuições Contínuas (Notas de Aula) Distribuição Uniforme
Leia maisDistribuição Normal. Prof. Herondino
Distribuição Normal Prof. Herondino Distribuição Normal A mais importante distribuição de probabilidade contínua em todo o domínio da estatística é a distribuição normal. Seu gráfico, chamado de curva
Leia maisEstatística Descritiva
Estatística Descritiva ESQUEMA DO CAPÍTULO 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia mais3. Considere uma amostra aleatória de tamanho 7 de uma normal com média 18. Sejam X e S 2, a média e a variância amostral, respectivamente.
1 Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Professores: Clarice Demétrio, Roseli Leandro e Mauricio Mota Lista 3- Distribuições Amostrais-
Leia maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia maisAULA 02 Distribuição de probabilidade normal
1 AULA 02 Distribuição de probabilidade normal Ernesto F. L. Amaral 02 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH)
Leia maisCAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte
CAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte 4.3 Medidas de posição 4.4 Medidas de dispersão 4.5 Separatrizes Prof. franke 2 Vimos que a informação contida num conjunto de dados pode ser resumida
Leia maisIntrodução à Bioestatística Turma Nutrição Aula 3 Análise Descritiva: Medidas de Tendência Central Medidas de Variabilidade
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 3 Análise Descritiva: Medidas de Tendência Central Medidas
Leia maisEstatística Descritiva
Estatística Descritiva ESQUEMA DO CAPÍTULO 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisCEP: Controle Estatístico de Processo
CEP: Controle Estatístico de Processo CEP: Controle Estatístico de Processos CEP (SPC Statistical Process Control) é uma técnica estatística para verificar a qualidade de um produto, durante o processo
Leia maisMedidas de Posição ou Tendência Central
Medidas de Posição ou Tendência Central Medidas de Posição ou Tendência Central Fornece medidas que podem caracterizar o comportamento dos elementos de uma série; Possibilitando determinar se um valor
Leia maisMétodos Quantitativos
Métodos Quantitativos Unidade 2 Estatística descritiva 1 SUMÁRIO SEÇÃO SLIDES 2.1 Amostragem... 03 11 2.2 Tabelas e gráficos... 12 19 2.3 Medidas de posição... 20 24 2.4 Medidas de dispersão... 25 30 Observação:
Leia maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia maisEstatística (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 maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia mais5- 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 maisDistribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ
Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda
Leia maisEstatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisEngenharia da Qualidade. Profa. Luciana Rosa Leite
Engenharia da Qualidade Profa. Luciana Rosa Leite Unidade 1 Introdução à Engenharia Da Qualidade 1.1 Evolução da Gestão da Qualidade 1.2 Revisão de conceitos estatísticos Exercícios Evolução da Gestão
Leia maisCapítulo 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 maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisEAC-042: Ajustamento de Observações
Aula 3: Distribuição Normal EAC-042: Ajustamento de Observações Prof. Paulo Augusto Ferreira Borges 1 https://intranet.ifs.ifsuldeminas.edu.br/~paulo.borges/ 1/30 Dizemos que uma v.a. contínua X apresenta
Leia maisAula 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 maisTutorial para o desenvolvimento das Oficinas
Tutorial para o desenvolvimento das Oficinas 1 Métodos Quantitativos Profa. Msc. Regina Albanese Pose 2 Objetivos Objetivo Geral Este tutorial tem como objetivo parametrizar o desenvolvimento da oficina
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CAMPUS PONTA GROSSA METROLOGIA II
METROLOGIA II Professor: Eng. PAULO ROBERTO CAMPOS ALCOVER JUNIOR Curso de Tecnologia em Fabricação Mecânica 2 Período ; ; Cálculo de Probabilidades; ; ;. 2 : Coeficiente de Variação: Baixa dispersão:
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisCEP - CONTROLE ESTATÍSTICO DO PROCESSO
CEP - CONTROLE ESTATÍSTICO DO PROCESSO Alcantaro Corrêa Presidente da FIESC Sérgio Roberto Arruda Diretor Regional do SENAI/SC Antônio José Carradore Diretor de Educação e Tecnologia do SENAI/SC Marco
Leia mais- desvio padrão, caracteriza a dispersão dos resultados
O resultado da experiência, então, pode ser expresso na forma < x > ± x n (veja a explicação mais adiante) - desvio padrão, caracteriza a dispersão dos resultados Histograma de frequências Histograma
Leia maisVariáveis 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 maisBioestatística 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 maisEXAME NACIONAL DO ENSINO SECUNDÁRIO MATEMÁTICA A PROVA MODELO N.º 2 PROPOSTA DE RESOLUÇÃO 12.º ANO DE ESCOLARIDADE
EXAME NACIONAL DO ENSINO SECUNDÁRIO MATEMÁTICA A PROVA MODELO N.º 2 PROPOSTA DE RESOLUÇÃO 12.º ANO DE ESCOLARIDADE Site: http://recursos-para-matematica.webnode.pt/ Facebook: https://www.facebook.com/recursos.para.matematica
Leia maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Normal 06/11 1 / 41 LEMBRANDO: Variável Aleatória Contínua Assume
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 1 o semestre de 201 O tempo de vida útil de uma lavadora de roupas automática tem distribuição aproximadamente Normal, com média de 3,1 anos e desvio padrão de 1,2 anos. a Qual deve ser o valor
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 8 11/2014 Distribuição Normal Vamos apresentar distribuições de probabilidades para variáveis aleatórias contínuas.
Leia maisEnsino de Estatística
Ensino de Estatística Distribuição Normal Lupércio França Bessegato Ronaldo Rocha Bastos Departamento de Estatística/UFJF Exploração de Dados Univariados Visualize graficamente seus dados Busque padrão
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisFerramentas da Qualidade UDESC/CCT
Ferramentas da Qualidade UDESC/CCT 1 Ferramentas da Qualidade 1. Diagrama de Pareto 2. Diagrama de causa-efeito (Ishikawa) 3. Histogramas 4. Folhas de verificação 5. Gráficos de dispersão 6. Fluxogramas
Leia maisMedidas de localização (ou de tendência central) Média: definida como o centro de massa (ou ponto de equilíbrio) do conjunto.
Aula 02 01 de abril Medidas de localização (ou de tendência central) Média: definida como o centro de massa (ou ponto de equilíbrio) do conjunto. No geral, a melhor média é a que mais se aproxima do centro
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Prof. Tarciana Liberal Departamento de Estatística UFPB x x Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisESTATÍSTICA BÁSICA. Freqüência Absoluta: Número de vezes que um elemento ocorre em uma amostra.
ESTATÍSTICA BÁSICA. Apresentação Estatística é a parte da Matemática que organiza e analisa dados coletados em uma amostra de um conjunto. Com base nos resultados, faz projeções para todo o conjunto com
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Contínuas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Contínuas Professora Renata Alcarde Piracicaba abril 2014 Renata Alcarde Estatística Geral 24 de Abril de 2014
Leia mais25/08/2016. Estatística. Estatística. Medidas Estatísticas Medidas de Posição. Mariele Bernardes. Mariele Bernardes
s 12/08/2016 As medidas estatísticas resumem as informações obtidas dando uma visão global dos dados. s ou estimadores dados da amostra Parâmetros dados populacionais. de posição de dispersão de posição
Leia maisHinshitsu Consultoria & Treinamento S/C Ltda. CONTROLE ESTATÍSTICO DO PROCESSO C E P
Hinshitsu Consultoria & Treinamento S/C Ltda. CONTROLE ESTATÍSTICO DO PROCESSO C E P Itajubá/MG 20 de Julho de 2000 Objetivo geral Apresentar os conceitos e as ferramentas básicas do CEP, destinadas ao
Leia maisMedidas de Tendência Central. Introdução Média Aritmética Moda Mediana Análise de Assimetria Separatrizes
Medidas de Tendência Central Introdução Média Aritmética Moda Mediana Análise de Assimetria Separatrizes Introdução A maioria dos dados apresenta uma tendência de se concentrar em torno de um ponto central
Leia maisAULA 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 maisLista de exercicios 1 Prof.: Marcus Guimaraes Disciplina: Introdução a Estatística Econômica
Lista de exercicios 1 Prof.: Marcus Guimaraes Disciplina: Introdução a Estatística Econômica 1) Quer se estudar o numero de erros de impressão de um livro. Para isso escolheu-se uma amostra de 50 paginas,
Leia maisn = 25) e o elemento (pois = 19) e terá o valor 8. Verifique que antes e depois do 19 o elemento, teremos 18 elementos.
V) Mediana: A Mediana de um conjunto de números, ordenados crescente ou decrescentemente em ordem de grandeza (isto é, em um rol), será o elemento que ocupe a posição central da distribuição de freqüência
Leia maisAs outras medidas de posição são as separatrizes, que englobam: a própria mediana, os decis, os quartis e os percentis.
RESUMO Medidas de Posição são as estatísticas que representam uma série de dados orientando-nos quanto à posição da distribuição em relação ao eixo horizontal do gráfico da curva de frequência As medidas
Leia maisProbabilidade 2. Jorge M. V. Capela, Marisa V. Capela, Araraquara, SP Instituto de Química - UNESP Araraquara, SP
Probabilidade 2 Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016 1 Distribuição de probabilidades normal 2 Distribuição normal
Leia maisMedidas de Tendência Central
ESTATÍSTICA DESCRITIVA Medidas de Tendência Central 3 MEDIDAS DE TENDÊNCIA CENTRAL 3.1 Média Aritmética Uma das mais importantes medidas estatísticas utilizadas é a média. Ela é, por exemplo, utilizada
Leia maisTeste de hipóteses para uma média populacional com variância conhecida e desconhecida
Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida Tomando-se como exemplo os dados de recém-nascidos
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisAnálise Descritiva de Dados
Análise Descritiva de Dados Resumindo os dados de variáveis quantitativas Síntese Numérica Descrição e Apresentação de Dados Dados 37 39 34 34 30 35 38 32 32 30 46 36 40 31 39 33 33 35 29 27 39 Ferramentas
Leia maisExcel INTERMEDIÁRIO Estatística. Prof. Cassiano Isler Turma 3
Excel INTERMEDIÁRIO Prof. Cassiano Isler 2017.1 - Turma 3 s s Prof. Cassiano Isler Excel INTERMEDIÁRIO - Aula 4 2 / 29 s COSTA NETO, P. L. O.. 2. ed. São Paulo: Edgard Blücher (2002). GÓMEZ, Luis Alberto.
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Populações, Amostras e Distribuições População Amostra
Leia maisEstatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades Prof. Gabriel Bádue Teoria A distribuição de Poisson é uma distribuição discreta de probabilidade, aplicável a ocorrências de um evento
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia mais