Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Controle Estatístico de Qualidade. Capítulo 6 (montgomery)"

Transcrição

1 Cotrole Estatístco de Qualdade Capítulo 6 (motgomery)

2 Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem specoado como coforme ou ão-coforme Tas característcas são chamadas de atrbutos. Exemplos: Haste empeada, Chps que ão fucoam, Embalages com defetos. Os gráfcos de atrbutos ão são tão formatvos quato o de varáves. Uma medda umérca retém mas formação do que uma classfcação: coforme ou ão-coforme

3 Gráfcos de Cotrole para Atrbutos Itrodução Por outro lado, esses gráfcos tem aplcações mportates: Na dústra de servços ou a melhora da qualdade fora da dústra mutas característcas ão são mesuradas em escala umérca. Por exemplo: Satsfação com um servço. Iremos estudas 3 gráfcos para atrbutos Gráfco p: aalsa a fração de tes ão-coformes Gráfco c: aalsa o úmero de defetos ou ão-coformes Gráfco u: aalsa o úmero de defetos por udade produzda

4 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Itrodução Fração ão coforme: defda como a razão etre o úmero de tes ão-coformes em uma população e o total de tes aquela população; Um tem pode ter váras característcas da qualdade que são examadas. Se ao meos uma ão satsfaz o padrão, ele é classfcado como ãocoforme; Os prcípos estatístcos para costrução do Gráfco p se baseam a dstrbução Bomal.

5 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Suposções p probabldade de que uma udade (tem) ão esteja detro dos padrões de especfcação As sucessvas udades produzdas são depedetes Logo, cada udade produzda segue uma dstrbução de Beroull (p) Se uma amostra aleatóra de udades é selecoada e se D é o úmero de udades ão coformes, etão D ~ Bomal (, p)

6 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Logo ode E(D) p e Var(D) p(1-p)., 0,1,, ) (1 ) ( x p p x x D P x x K

7 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Suposções Fração amostral ão-coforme: razão etre o úmero de udades ão-coformes a amostra (D) e o tamaho da amostra () D p ˆ Da aproxmação da Bomal para Normal, temos que p(1 p) pˆ ~ Normal p,

8 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Desevolvmeto e Operação Supoha que a verdadera fração ão-coforme (p) é cohecda ou especfcada. Logo, a lha cetral e os lmtes de cotrole do Gráfco p são defdos por p(1 p) LSC p + 3 LM p p(1 p) LIC p 3 O desvo padrão do processo é dado por p( 1 p) σ p

9 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Desevolvmeto e Operação No etato, ormalmete a fração ão-coforme (p) ão é cohecda e precsa ser estmada a partr dos dados observados. A operação deste gráfco cosste em: Tomada de amostras subsequetes de tamaho ; Calculo da fração amostral ão coforme ; pˆ Marcação de o gráfco; Verfcar se o processo se ecotra sob cotrole (dêtco ao gráfco para varáves). pˆ

10 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Estmado a fração ão coforme (p) Seleção de m amostras prelmares (20 a 25), cada uma de tamaho.. Se há D udades ão coformes a amostra, calculamos a fração ão coforme a -ésma amostra como, 1, K, m. e a méda dessas frações como p pˆ m D m. D m 1 1 m pˆ

11 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Estmado a fração ão coforme (p) p A estatístca estma a fração ão coforme descohecda p p(1 p) LSC p + 3 LM p p(1 p) LIC p 3 Lembre que esses lmtes são, calmete, os lmtes tetatvos de cotrole e devem ser valdados (dêtco ao gráfco para varáves).

12 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Gráfco p: Cálculo do tamaho de amostra Abordagem 1: Escolher tal que a probabldade de ecotrar ao meos 1 udade defetuosa seja pelo meos γ P(D 1) γ Exemplo: supoha p 0,01 e que P(D 1) 0,95. Usado a aproxmação da Posso para Bomal (λp), ou seja, D agora será P( D k) e λ k λ k!

13 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Gráfco p: Cálculo do tamaho de amostra Temos que λ P( D 1) 1 P( D 0) 1 e 0,95 λ λ 1 e 0,95 0,05 e λ l( 0,05) λ 2,99 l(0,05) λ Lembrado que pela aproxmação da Posso para Bomal, λp, etão 3 p λ 0, ,00

14 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Gráfco p: Cálculo do tamaho de amostra Abordagem 2 (Duca 1986): Escolher de modo que uma mudaça de tamaho δ a fração ão coforme dque que o processo está fora de cotrole. Logo, basta escolher de modo que a mudaça δ a fração ão coforme cocda com o lmte de cotrole Assm, δ L L δ p( 1 2 p(1 p) p)

15 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Gráfco p: Cálculo do tamaho de amostra Abordagem 2 (Duca 1986) Exemplo: p 0,01 L 3 δ 0,04 (mudaça de p 0 0,01 p 1 0,05) 2 L p(1 p) δ 3 0,04 2 0,01(1 0,01) 56

16 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Gráfco p: Cálculo do tamaho de amostra Abordagem 3: Escolher grade o bastate para que LIC seja postvo (maor que zero) Isso garate que remos vestgar um úmero mímo de tes ão coformes LIC p L p(1 p) > 0 Logo > (1 p) p L 2

17 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Gráfco p: Cálculo do tamaho de amostra Abordagem 3 Exemplo: p 0,05 L 3 ( 1 p) 2 (1 0,05) 2 > L (3) p 0,05 171

18 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Cosderações O Gráfco p ão é um modelo uversal para motorar dados sobre fração de ão coformes; Lembre-se que o Gráfco p basea-se o modelo Bomal Probabldade de ocorrêca de uma udade ão coforme é costate As udades de produção sucessvas são depedetes O Gráfco p ão é váldo quado, por exemplo, Probabldade de uma udade ão coforme depede da udade ateror ter sdo ão coforme (ou ão)

19 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Cosderações Deve-se ter cautela ao aalsar potos que se localzam abaxo do lmte feror de cotrole. Tas potos podem ão represetar melhora real a qualdade do processo. Segudo Motgomery, sso pode ocorrer devdo Erros o processo de speção Ispetores adequadamete treados ou experetes Equpametos de speção adequadamete calbrados Omssão de udades ão coformes por spetores

20 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Exemplo Suco de Laraja é embalado em caxas de papelão. O vazameto do suco devdo a uma falha de vedação a caxa caracterza-se como uma característca da qualdade. Deseja-se estabelecer um gráfco de cotrole para melhorar a fração de embalages ão-coforme produzdas por uma máqua. Cosdere que foram selecoadas 30 amostras, com 50 embalages cada.

21

22 Gráfcos de Cotrole para Fração de Não Coformes (Gráfco p) Exemplo p m D 347 (30)(50) 1 m 0,2313 p(1 LSC p + 3 LM p 0,2313 p) 0, ,2313(1 0,2313) 50 0,4102 LIC p 3 p(1 p) 0, ,2313(1 0,2313) 50 0,0524

23 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) 0.5 P Chart 1 Novo Materal 1 Novo Operador 0.4 UCL Proporto _ P LCL Sample Revsão dos Lmtes Tetatvos Retrado os Potos Fora de Cotrole

24 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) P Chart Novo Materal 1 1 Novo Operador UCL Proporto _ P LCL Sample Na amostra 21 ão fo detfcada causa atrbuível. Assm, o poto será coservado e esses lmtes serão usados para motorar o processo.

25 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Tamaho de Amostra Varável Exstem três abordages para costrução de um gráfco de cotrole com tamaho de amostra varável. Abordagem 1 Essa abordagem leva um cosderação o tamaho da amostra em cada subgrupo ( ). p(1 p) m LSC p + 3 p 1 m 1 D LM LIC p p 3 p(1 p)

26 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Tamaho de Amostra Varável Abordagem 2 Tamaho Médo de Amostra Essa abordagem leva um cosderação o tamaho médo das amostras Pode ser teressate caso os futuros tamahos de amostras ão sejam muto dferetes m 1 m LSC p + 3 LIC p 3 p(1 p) p(1 p)

27 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Tamaho de Amostra Varável Abordagem 3 Gráfco de Cotrole Padrozado Neste gráfco, teremos LSC 3 LM 0 LIC -3 A varável plotada o gráfco será p Z pˆ p(1 p) p (ou p, caso seja dado um valor padrão) é a fração ãocoforme do processo sob cotrole.

28 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Tamaho de Amostra Varável Exemplo Abordagem 1

29 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Exemplo Abordagem 1 p m m 1 D 0,096 LSC p + 3 LM LIC p(1 p) p 0,096 p(1 p) p 3 0, , ,096(0,904) 0,096(0,904)

30 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) P Chart SL Proporto 0.1 P SL Sample Number Amostra 11 ecotra-se acma do LSC Revsar os Lmtes Tetatvos

31 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Exemplo Abordagem 3 Z Z pˆ p(1 p) pˆ p 0,096 0,096(0,904)

32 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) 4 Gráfco de Cotrole Padrozado 3 2 Escore Z Subgrupo Amostra 11 ecotra-se acma do LSC

33 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Cosderações Aplcações ão-dustras O gráfco p pode ser aplcado em váras característcas da qualdade em ambetes ão dustras Ex: Número de etregas fetas fora do prazo.

34 Gráfcos de Cotrole para Fração de Não Coformes (Gráfco p) Fução Característca de Operação Será uma vsualzação gráfca da probabldade de erro tpo II versus a fração ão coforme do processo. A probabldade de erro tpo II é dada por β β β P( LIC < pˆ < LSC p) P( pˆ < LSC p) P( pˆ LIC p) P( D < LSC p) P( D LIC p) Como D ~ Bomal (,p), β pode ser calculado a partr da dstrbução bomal acumulada.

35 Gráfcos de Cotrole para Fração de Não Coformes (Gráfco p) Fução Característca de Operação Exemplo Cosdere um gráfco de cotrole para fração ão coforme com LIC , LSC , p 0.20 e 50 β P( D < (50)(0.3697) p) P( D (50)(0.0303) p) β P( D < p) P( D 1.52 p) β P( D 18 p) P( D 1 p)

36 Gráfcos de Cotrole para Fração de Não-Coformes (Gráfco p) Fução Característca de Operação p P(D<18) P(D<1) Beta

37 Curva CO (p_barra0.2; LIC e LSC0.3697) Beta p

38 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) Itrodução Depededo de sua atureza e gravdade, é possível que um tem coteha város defetos de fabrcação (ão coformdades) Há váras stuações prátcas ode é preferível trabalhar com o úmero de defetos ao vés da fração ão coforme Exemplo: º de soldas com defetos em 100m de oleoduto, º de defetos em um equpameto eletrôco, etc.

39 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) Itrodução É possível costrur gráfcos de cotrole tato para o úmero total de defetos em uma udade, quato para o úmero médo de defetos por udade. Uma udade de speção pode ser um subgrupo (de tamaho costate) de tes 5 rádos 1 TV Uma área de 4m 2

40 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) Suposções Esses gráfcos supõem que o úmero de defetos por udade de speção é bem modelado pela dstrbução de Posso Além dsso, O úmero de locas potecas para defetos deve ser grade Probabldade de ocorrêca de um defeto em qualquer local é a mesma (costate) A udade de speção deve ser a mesma para cada amostra

41 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) Suposções Cosdere que X úmero de defetos em uma udade de speção, segue a dstrbução Posso com parâmetro c c x e c P( X x), x 0,1,2,K x! Sabe-se que, E(X) c e Var(X) c

42 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) Desevolvmeto e Operação Supoha cohecdo ou especfcado o verdadero úmero de defetos. Logo, a lha cetral e os lmtes (*) de cotrole do Gráfco c são defdos por LSC c + 3 LM c LIC c 3 c c (*) O rsco α ão é gualmete alocado para LIC/LSC já que a dstrbução de Posso é assmétrca. Algus autores sugerem o uso de lmtes probablístcos.

43 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) Desevolvmeto e Operação O desvo padrão do processo é dado por σ c c Etretato, ormalmete o verdadero úmero de defetos (c) ão é cohecdo e precsa ser estmado. Seja c o úmero médo de defetos observado em uma amostra prelmar de udades de speção, temos que LSC c + 3 LM LIC c c 3 c c

44 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) Desevolvmeto e Operação Tas lmtes são cosderados como lmtes tetatvos de cotrole. Deve-se examar as amostras prelmares para verfcar se o processo estava sob cotrole, ou seja, valdar os lmtes tetatvos.

45 Gráfco c Exemplo Cosdere o úmero de defetos observados em 26 amostras sucessvas de 100 placas de crcuto mpresso. (1 amostra 1 udade de speção) c ,85

46 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) Exemplo Assm, os lmtes de cotroles tetatvos são dados por LSC c + 3 c 19, ,85 33,22 LM LIC O desvo padrão do processo pode ser estmado por ˆ c 19,85 σ c c 19,85 c 3 c 19, ,85 4,46 6,48

47 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) 40 C Chart 1 Cotrole de Temperatura 30 UCL33.22 Sample Cout 20 _ C LCL Erro de speção Sample Amostra 6 e 20 ecotram-se fora dos lmtes de cotrole Revsar os Lmtes Tetatvos

48 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) C Chart (wthout samples 6 ad 20) UCL32.97 Sample Cout t _ C Sample LCL6.36 Novos Lmtes Tetatvos Nehum padrão ão aleatóro fo detfcado

49 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) C Chart (20 ew samples) UCL32.97 Sample Cout t _ C Sample LCL6.36 Processo cotua sob cotrole. No etato, o úmero de defetos ada é alto. Necessára ação da gerêca para melhorar o processo.

50 Gráfcos de Cotrole para o Número de Defetos (Gráfco c) Aálse Adcoal Dados sobre defetos são mas formatvos que a fração ão coforme. É possível detfcar os dferetes tpos de defetos. Através de um Gráfco de Pareto ou Dagrama de Causa-Efeto pode-se detfcar a causa mas frequete. Tal formação é de grade utldade o desevolvmeto de plaos de ação que devem acompahar os gráfcos de cotrole

51 Gráfco u Itrodução Frequetemete o úmero de udades que compõem os subgrupos é varável. Nesses casos estamos teressados em cotrolar a taxa de defetos por udade e, o gráfco a ser utlzado será o Gráfco u.

52 Gráfco u Redefr o gráfco de cotrole, tomado como base o úmero médo de defetos por udade de speção Redefdo x total de defetos em uma amostra de udades de speção Etão, o úmero médo de defetos por udade de speção será u x

53 Gráfco u Note que u segue a dstrbução Posso. X ~ Posso (c), ode E(X) c e Var(X) c. X ~ Posso (c), ode E(X) c e Var(X) c. Seja u E c c x Var u Var c x E u E x u ) ( 1 ) ( ) ( ) ( ) ( 2 2

54 Gráfco u O desvo padrão do processo é dado por σ u E ( u ) No etato, ormalmete o verdadero úmero médo de defetos por udade E(u) ão é cohecdo e precsa ser estmado. Seja u o úmero médo amostral de defetos por udade, temos que u LSC u + 3 LM u LIC u 3 u

55 Gráfco u Exemplo u Número de defetos em 20 amostras de 5 computadores cada Temos que m 38, m u 1,93 Número da Tamaho da Não Cof. Amostra Amostra () por udade u , , , , , , , , , , , , , , , , , , , ,0

56 Gráfco u Exemplo Assm, os lmtes de cotroles tetatvos são dados por u LSC u + 3 LM u 1,93 u 1,93 ˆ 5 σ u 1, ,93 5 u 1,93 LIC u + 3 1,93 3 0,07 5 O desvo padrão do processo pode ser estmado por 0,62 3,79

57 Gráfco u 4 U Chart UCL3,794 Sample Cout Pe er Ut _ U1,93 0 LCL0, Sample Nehum poto fora dos lmtes de cotrole Nehum padrão ão aleatóro fo detfcado

58 Tamaho de Amostra Varável O procedmeto é usar um gráfco u que terá lha cetral costate, etretato, os lmtes de cotrole rão varar versamete proporcoal a raz quadrada do tamaho da amostra u u m x 1 m 1 x LSC u LM LIC u u u u

59 Gráfco u Amostra varável Exemplo u Número de defetos a cada 50 metros m ,5 1 m x Número da Metros Não Cof. Nº udades Amostra por udade p/ 50m () u ,0 1, ,0 1, ,0 1, ,0 1, ,5 0, ,0 1, ,0 1, ,5 1, ,0 1, ,5 1, ,5 1,42

60 Gráfco u Amostra varável Exemplo Assm, os lmtes de cotroles tetatvos são dados por LSC u LM u + 3 1,42 u 1, ,42 LIC u + 3 u 1,42 3 1,42

61 Gráfco u Amostra Varável 3,0 U Chart (uequal sample szes) 2,5 UCL2,436 Sample Cout Pe er Ut 2,0 1,5 1,0 _ U1,423 0,5 LCL0,411 0, Sample Nehum poto fora dos lmtes de cotrole Nehum padrão ão aleatóro fo detfcado

62 Gráfco c e Gráfco u Fução Característca de Operação Tato para o Gráfco c quato para o Gráfco u, as curvas característcas de operação (CO) são obtdas da dstrbução de Posso. CO: Gráfco c Probabldade β vs verdadero úmero médo de defetos c β P( LIC β P( x ode X ~ Posso (c) < x < LSC c) < LSC c) P( x LIC c)

63 Gráfco c e Gráfco u Fução Característca de Operação Exemplo Cosdere o gráfco c com LIC 6,48 e LSC 33,22 β P( x < 33,22 c) P( x 6,48 c) β P( x 33 c) P( x 6 c) Lembrado que esses lmtes de cotrole foram obtdos de um exemplo ode c 19,85

64 Gráfco c e Gráfco u Fução Característca de Operação c P(X<33) P(X<6) Beta

65 Curva CO - Gráfco c (LIC6.48 e LSC33.22) 1,0 0,9 0,8 0,7 0,6 Beta 0,5 0,4 0,3 0,2 0,1 0,0 c ,85 c

66 Gráfco c e Gráfco u Fução Característca de Operação CO: Gráfco u Para o gráfco u podemos gerar uma curva CO a partr de β β P( LIC < x < LSC u) P( LIC < x LSC u) [ LSC ] x LIC e u ( u) x! x ode X ~ Posso (u), dado que ux/, e LIC deota o meor tero maor ou gual que LIC.

67 Exercíco Um processo que produz aros de roda de ttâo para automóves com motores turbados deve ser cotrolado pelo uso do gráfco para a fração ão coforme. Icalmete, uma amostra de tamaho 150 é retrada a cada da, durate 20 das. a) Estabeleça um gráfco de cotrole para motorar a produção futura. b) Qual o meor tamaho de amostra que pode ser usado para esse processo e ada forecer um lmte feror de cotrole postvo para o gráfco? c) Trace a curva CO para esse gráfco de cotrole. d) Qual a probabldade a probabldade de se detectar uma mudaça a fração ão coforme para 0,03, a tercera amostra após a mudaça?

68

69 Exercíco Os dados a segur represetam o úmero de ão coformdades por 1000 metros em cabos de telefoe. a) Quas são a lha cetral e os lmtes de cotrole para motorar a produção com base o úmero total de ão coformdades? Pela aálse desses dados, você coclura que o processo está sob cotrole estatístco? b) Quas são a lha cetral e os lmtes de cotrole para um gráfco de cotrole para a méda de ão coformdades por udade, usado para motorar a produção futura? c) Trace a curva da fução característca de operação (CO) para o úmero total de ão coformdades (Gráfco c).

70 Exercíco

71 Exercíco Um gráfco de cotrole dca que a fração correte de ão coformes do processo é 0,02. Se 50 tes são specoados a cada da, qual é a probabldade de se detectar uma mudaça a fração ão coforme para 0,04, o prmero da após a mudaça? E o tercero da após a mudaça?

72 Exercíco Ecotre os lmtes de probabldade de 0,999 e 0,001 para um gráfco c quado a méda do processo é gual a 16 ão coformdades. Compare com os lmtes utlzado a dstrbução ormal.

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO 1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos

Leia mais

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares Exercícos - Sequêcas de Números Reas (Solução Prof Carlos Alberto S Soares 1 Dscuta a covergêca da sequẽca se(2. Calcule, se exstr, lm se(2. Solução 1 Observe que se( 2 é lmtada e 1/ 0, portato lm se(2

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

Apostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

Universidade Federal de Alfenas - Unifal-MG Departamento de Ciências Exatas

Universidade Federal de Alfenas - Unifal-MG Departamento de Ciências Exatas Uversdade Federal de Alfeas - Ufal-MG Departameto de Cêcas Exatas Apostla Laboratóro de Físca I Prof. Dr. Célo Wsewsk Alfeas 05. oções geras sobre meddas de gradezas e avalação de certezas.. Medção (measuremet).....

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

Leia mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca

Leia mais

3. TESTES DE QUALIDADE DE AJUSTAMENTO

3. TESTES DE QUALIDADE DE AJUSTAMENTO Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

Módulo: Binômio de Newton e o Triângulo de Pascal. Binômio de Newton e o Triângulo de Pascal. 2 ano do E.M.

Módulo: Binômio de Newton e o Triângulo de Pascal. Binômio de Newton e o Triângulo de Pascal. 2 ano do E.M. Módulo: Bômo de Newto e o Trâgulo de Pascal Bômo de Newto e o Trâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Trâgulo de Pascal Bômo de Newto e o Trâgulo de Pascal Exercícos Itrodutóros Exercíco Para

Leia mais

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração

Leia mais

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais

Uma Calculadora Financeira usando métodos numéricos e software livre

Uma Calculadora Financeira usando métodos numéricos e software livre Uma Calculadora Facera usado métos umércos e software lvre Jorge edraza Arpas, Julao Sott, Depto de Cêcas e Egeharas, Uversdade Regoal ItegradaI, URI 98400-000-, Frederco Westphale, RS Resumo.- Neste trabalho

Leia mais

Probabilidade II Aula 9

Probabilidade II Aula 9 Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas

Leia mais

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

TEORIA DE ERROS MEDIDAS E GRÁFICOS

TEORIA DE ERROS MEDIDAS E GRÁFICOS Uversdade Federal de Juz de Fora Isttuto de Cêcas Eatas Departameto de Físca TEORIA DE ERROS MEDIDAS E GRÁFICOS Prof. Carlos R. A. Lma Edção Março de 010 ÌNDICE CAPÍTULO 1 - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA

Leia mais

O problema da superdispersão na análise de dados de contagens

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

Leia mais

Capítulo 1 PORCENTAGEM

Capítulo 1 PORCENTAGEM Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Capítulo "O estatístco, está casado em méda com 1,75 esposas, que procuram fazê-lo sar de casa,5 otes com 0,5 de sucesso apeas. Possu frote com 0,0 de clação (deotado poder metal),

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini Estatístca Agosto 009 Campus do Potal Prof. MSc. Qutlao Squera Schrode Nomel - ESTATÍSTICA DESCRITIVA. - A NATUREZA DA ESTATÍSTICA COMO SURGIU A ESTATÍSTICA????? A Matemátca surge do covívo socal, da cotagem,

Leia mais

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA SONIA ISOLDI MARTY GAMA

Leia mais

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Proposta de fluxograma orientativo para aplicação de índices de capacidade

Proposta de fluxograma orientativo para aplicação de índices de capacidade Gest. Prod., São arlos, v. 21,. 4, p. 882-894, 2014 http://dx.do.org/10.1590/0104-530x496-13 Proposta de fluxograma oretatvo para aplcação de ídces de capacdade Proposal flowchart for the applcato of capablty

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Introdução. Incerteza: o básico. Perfil do tomador de risco: Teoria da Probabilidade. Prof: Sabino da Silva Porto Júnior

Introdução. Incerteza: o básico. Perfil do tomador de risco: Teoria da Probabilidade. Prof: Sabino da Silva Porto Júnior Icerteza: o básco Prof: Sabo da Slva Porto Júor Sabo@ppge.ufrgs.br Itrodução Até agora: coseqüêcas das escolhas dos cosumdores são cohecdas com certeza. Nova suposção: cosumdores e produtores tem apeas

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

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

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

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

A Medição e o Erro de Medição

A Medição e o Erro de Medição A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção 1.4.1 Os erros aleatóros 1.4.2 Os erros sstemátcos 1.5 O verdadero valor, o erro

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros. JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

Notas de aula da disciplina Probabilidade e Estatística

Notas de aula da disciplina Probabilidade e Estatística otas de aula da dscpla Probabldade e Estatístca Proessor M Sc Adré Luz DAMAT - UTFPR Esta apostla apreseta os tópcos prcpas abordados em sala de aula, cotedo deções, teoremas, eemplos Sua letura ão é obrgatóra,

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I CURSO DE ESTATÍSTICA Prof. Paulo Rcardo Bttecourt Gumarães O SEMETRE

Leia mais

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso

Leia mais

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA O objetvo deste capítulo é apresetar formas da equação da coservação da massa em fução de propredades tesvas faclmete mesuráves, como a temperatura, a pressão,

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

Análise de Regressão e Correlação

Análise de Regressão e Correlação Aálse e Regressão e Correlação Fo já estuao a forma e escrever um cojuto e oservações e uma só varável. Quao se coseram oservações e uas ou mas varáves surge um ovo poto. O estuo as relações porvetura

Leia mais

3 Modelos Lineares Generalizados

3 Modelos Lineares Generalizados 3 Modelos Leares Geeralzados No capítulo foram cosderados apeas modelos leares com dstrbução ormal e fução de lgação detdade. Neste capítulo apresetamos os modelos leares geeralzados (MLG, que foram propostos

Leia mais

2 Estrutura a Termo de Taxa de Juros

2 Estrutura a Termo de Taxa de Juros Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre

Leia mais

Laboratório de Física. Teoria dos Erros, uma Introdução. UNIVASF Sumário TEORIA DOS ERROS [] ALGARISMOS SIGNIFICATIVOS...

Laboratório de Física. Teoria dos Erros, uma Introdução. UNIVASF Sumário TEORIA DOS ERROS [] ALGARISMOS SIGNIFICATIVOS... aboratóro de Físca Sumáro TEOIA DOS EOS []... - AGAISMOS SIGNIFICATIOS.... - INTODUÇÃO.... - AGAISMOS SIGNIFICATIOS....3 - NOTAÇÃO CIENTÍFICA....4 - OPEAÇÕES COM AGAISMOS SIGNIFICATIOS... - INTODUÇÃO À

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

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

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

Leia mais