Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ
|
|
- Marta Castanho Barata
- 6 Há anos
- Visualizações:
Transcrição
1 1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo tem por objetivo os Procedimetos de Amostragem e Tabelas de Ispeção por Variáveis por Percetagem Defeituosa. Será utilizada como referêcia a Norma MI STD 1, do Departameto de Defesa dos Estados idos da América do Norte, edição de 11 de juho de São estabelecidos plaos de amostrages e procedimetos de ispeção por variáveis para aplicação a procura, forecimeto e estocagem, e mauteção de operações de ispeção. Quado aplicados, os padrões serão estabelecidos em especificação, cotratos ou istruções de ispeção.. Defiições..1 Ispeção: É o procedimeto de medida, de exame, de teste, ou outra forma de comparação da uidade de produto, com os requisitos especificados... Ispeção por Variáveis: Ispeção por variáveis é a ispeção quado uma característica de qualidade especificada da uidade de produto é medida em uma escala cotíua, tal como quilogramas, metros ou metros por segudo, etc., e o resultado é aotado (gravado)... idade de Produto: É o item ispecioado para determiar sua qualidade característica mesurável. Pode ser: um simples artigo, um par, um cojuto, um comprimeto, uma área, uma operação, um volume, um compoete de um produto fial, ou o próprio produto fial. A uidade do produto pode ou ão ser a mesma da uidade de compra, suprimeto, produção ou trasporte.. Característica de Qualidade: A característica de qualidade para ispeção por variáveis é aquela característica da uidade do produto que é medida para determiar a coformidade com uma dada especificação...1 imites de Especificação: O limite ou os limites de especificação é o requesito que a característica de qualidade deve ateder. Este requisito pode ser expresso como um imite de especificação Superior ou como um imite de Especificação Iferior, chamado estes casos como imites Simples de Especificação; ou pode ter ambos os imites Superior e Iferior de Especificação, sedo chamado este caso de imite Duplo de Especificação.. Plao de Amostragem: m plao de amostragem é um procedimeto que especifica o úmero de uidades do produto do lote que serão ispecioados e o critério para a aceitação do lote. Plaos de amostrages descritos esta orma são aplicados para a ispeção de uma característica de qualidade simples de uma uidade de produto. Estes plaos podem ser usados, o etato, quado a ispeção de busca é feita em uma plata de
2 um primeiro cotratado ou sub-cotratado ou vededor, ou a destiação de material, e também pode ser usado, quado apropriado, em forecimeto e estocagem, e em ispeção de mauteção operacioal..5 Classificação dos defeitos.5.1 Método de classificação de defeitos: ma classificação de defeitos é a eumeração de defeitos de uma uidade de produto, classificados de acordo com a sua importâcia. m defeito é um desvio da uidade de produto do requisito especificado, do deseho, da descrição de compra, e qualquer mudaça o cotrato ou pedido. Defeitos ormalmete pertecem a uma das seguites classes; porém defeitos podem ser colocados em outras classes Defeito Crítico: m defeito crítico é um defeito que o julgameto e a experiêcia idicam como possível de resultar em um dao ou em codições iseguras para o uso idividual, para a mauteção, ou para a performace tática do produto fial; tal como em um avio, um avião, um taque de guerra, um míssel, um veículo espacial, um meio de trasporte, etc Defeito Maior: m defeito maior é um defeito, diferete do defeito crítico, que igualmete pode resultar em uma falha, ou reduzir substacialmete a utilidade da uidade do produto para o seu propósito pretedido Defeito Meor: m defeito meor é um defeito que ão reduz substacialmete a utilidade da uidade do produto para o seu propósito pretedido, ou é um afastameto dos padrões estabelecidos, porém, que possuem pouca iterferêcia o uso efetivo ou a operação da uidade de produto..6 Percetagem defeituosa.6.1 Expressão da ão-coformidade: A expressão da ão coformidade do produto deverá ser feita em termos de percetagem de defeituosos.6. Percetagem de defeituosos: A percetagem de defeituosos para uma característica da qualidade de um dado lote de produto é o úmero de uidades do produto defeituosas esta característica da qualidade, dividida pelo úmero total de uidades de produto ispecioadas, e multiplicado por 100. É expresso como a equação: úmero de defeituosos Percetagem de defeituosos = x100 úmero de uidades ispecioadas.7 Nível de qualidade aceitável NQA (AQ) O ível de qualidade aceitável é um valor omial expresso em termos de porcetagem de defeituosos, especificado para uma característica simples de qualidade. Algus valores uméricos de NQA variam de 0,0 até 15,00%, coforme mostrados a tabela A-1. Quado a variação do NQA é especificada, ela será tratada como se fosse igual ao valor do NQA para o plao de amostragem estabelecido. Quado o NQA especificado é um valor
3 particular diferete daquele forecido para o plao de amostragem, o NQA que será usado será aquele obtido pela aplicação do padrão apresetado a tabela A-1. Tabela A 1: Tabela de Coversão de AQ (NQA) Para valores especificados de NQA que estejam detro desses itervalos sar este valor de NQA De A ,09 0,0 0,050 0,069 0,065 O,070 0,109 0,10 0,110 0,16 0,15 0,165 0,79 0,5 0,0 0,9 0,0 0,0 0,699 0,65 0,700 1,09 1,0 1,10 1,6 1,5 1,65,79,5,0,9,0,0 6,99 6,5 7,00 10,9 10,0 11,0 16, 15,0.7.1 Especificado NQA s: O valor particular do NQA a ser usado para uma característica simples de qualidade de um dado produto deve ser especificado. No caso de limites duplos de especificação, tato é especificado um valor de NQA para o total de defeituosos acima e abaixo dos limites especificados, quato dois NQA s são especificados, um para o limite superior e outro para o limite iferior de especificação.. Submissão do Produto..1 ote: O termo ote sigifica lote em ispeção, isto é, uma coleção de uidades de produto da qual uma amostra é defiida e ispecioada para determiar a cocordâcia ou ão com o critério de aceitação... Formação do lote: Cada lote deverá, tato quato possível, cosistir de uidades de produto de um tipo simples, grau, classe, tamaho ou composição, fabricada sob, essecialmete, as mesmas codições... Tamaho do lote: O tamaho do lote é o úmero de uidades do produto em um lote, e pode diferir de uma quatidade idicada o cotrato ou ordem de produção, trasporte ou outros propósitos..9 Aceitabilidade do lote.9.1 Critério de aceitação: A aceitação do lote de material submetido à ispeção deverá ser determiada pelo uso de um plao de amostragem associado, com o NQA especificado. Este padrão provê plaos de amostrages baseados o cohecimeto ou descohecimeto da variabilidade. No último caso, dois métodos são cohecidos; um baseado a estimativa do desvio padrão do lote e outro baseado a amplitude média da amostra. Estes métodos são cohecidos como: método do desvio padrão e método da amplitude. Para o caso de
4 limite simples de especificação, o critério de aceitabilidade (aceitação) é dado em duas formas: Forma 1 e Forma..9. Escolha do plao de amostragem: Plaos de amostragem e procedimetos são apresetados a seção B, se a variabilidade é descohecida e é usado o método do desvio padrão; a seção C, se a variabilidade é descohecida e é usado o método da amplitude; e a seção D, se a variabilidade é cohecida. Sem idicação específica, o método da variabilidade descohecida pelo desvio padrão e critério de aceitação Forma (para o caso de limite simples de especificação) deve ser usado..10 Seleção da amostra.10.1 Determiação do tamaho da amostra: O tamaho da amostra é um úmero de uidades de produtos retirados do lote. Tamahos de amostras relativos são obtidos pelas letras códigos. A letra código do tamaho da amostra depede do ível de ispeção e do tamaho do lote. Existem cico íveis de ispeção: I, II, III, IV e V. Quado ão houver idicação, o ível IV deverá ser usado. A letra código do tamaho da amostra a ser aplicada ao ível de ispeção especificado e tamaho de lote dado, é obtida da tabela A-. Tabela A : etras Código de Tamaho da Amostra Tamaho do ote Níveis de Ispeção De A I II III IV V B B B B C 9 15 B B B B D 16 5 B B B C E 6 0 B B B D F 1 65 B B C E G B B D F H B C E G I B D F H J C E G I K D F H J E G I K F H J M G I M N H J M N O, I K N O P I K O P Q De adiate I K P Q Q.10. Retirada da amostra: ma amostra é uma ou mais uidades de produto retiradas do lote. As uidades da amostra deverão ser selecioadas sem cohecimeto de sua qualidade..11 Estimativa da média do processo e da severidade da ispeção: Procedimetos para estimativa da média do processo e do critério de ispeção severa ou reduzida baseado o resultado da ispeção do lote, são idicados mais adiate (parte IIIB, IIIC e IIID)..1 Procedimeto especial para aplicação de plaos de amostrages mistos por variáveis atributos
5 5.1.1 Aplicabilidade: m plao misto de amostragem por atributos-variáveis poderá ser usado sob uma das seguites codições: Codição A: Existe ampla evidêcia de que o produto submetido à ispeção foi selecioado, itecioalmete pelo forecedor para ateder os limites da especificação; através de um processo de seleção de uma quatidade maior do produto, quatidade esta que ão estava atededo à especificação. Codição B: Existem outras codições que garatem o uso de um plao misto de amostragem por atributos-variáveis..1. Defiições.1..1 Ispeção por atributos: Ispeção por atributos é a ispeção ode a uidade de produto é classificada simplesmete como defeituosa ou ão-defeituosa, em relação a um dado requisito ou cojuto de requisitos..1.. Ispeção mista atributos-variáveis: A ispeção mista atributos-variáveis é a ispeção de uma amostra por atributos, além de ser uma ispeção por variáveis já feita em uma amostra prévia, ates que a decisão quato à aceitação ou rejeição de um lote teha sido tomada..1. Seleção de plaos de amostragem: O plao misto de amostragem atributosvariáveis deverá ser selecioado de acordo com o seguite: 1) Selecioar o plao de amostragem por variáveis de acordo com as partes B, C ou D; ) Selecioar o plao de amostragem por atributos, usado um plao de amostragem simples e ispeção rigorosa. O mesmo valor de NQA deverá ser usado, tato para o plao de amostragem por atributos quato para o plao de amostragem por variáveis..1. Determiação da aceitação: m lote atederá o critério de aceitação se uma das seguites codições for satisfeitas: Codição A: O lote está de acordo com o critério de aceitação (limite simples) por variáveis apropriado das partes B, C ou D; Codição B: O lote está de acordo com o critério de aceitação (limite duplo) por atributos apropriado da MI STD 105 D. Se a codição A ão for satisfeita, proceder de acordo com o plao de amostragem por atributos para ateder à codição B. Se a codição B ão for satisfeita, o lote ão atederá o critério de aceitação..1.5 Rigor da ispeção: Os procedimetos para o rigor da ispeção idicados em.11 ão são aplicáveis à ispeção mista atributos-variáveis.
6 6.1 Esquema de utilização de Plaos de Amostragem Método do Desvio Padrão B Variabilidade Descohecida B C Forma 1 imite de Especificação ilateral MI STD 1 Método da Amplitude C Forma imite de Especificação Bilateral Forma Variabilidade Cohecida D SEÇÃO B.1 Plao de Amostragem Variabilidade Descohecida Método do Desvio Padrão Parte I imite Simples de Especificação Seção B Esta parte da Norma descreve o procedimeto para o uso do plao para um limite simples de especificação, quado a variabilidade do lote do qual, a característica da qualidade aalisada, é descohecida e será usado o método do desvio padrão. O critério de aceitação ou de rejeição é apresetado em duas formas equivaletes, idetificadas como Forma 1 ou Forma..1.1 so do Plao de Amostragem: Para determiar se o lote atede o critério de aceitação com relação a uma característica particular e com um valor de NQA, deve-se determiar a letra código do tamaho do lote, usado a tabela A-, de posse do tamaho do lote e do ível de ispeção..1. Selecioado o plao de amostragem, quado a Forma 1 é usada Tabelas Mestres de Amostragem: As tabelas mestres de amostragem para plaos baseados em variabilidade descohecida para um limite simples de especificação, quado
7 7 se usa o método do desvio padrão, são as tabelas B1 e B. A tabela B1 é usada para ispeção ormal e rigorosa e a tabela B é usada para ispeção reduzida..1.. Obtedo o plao de amostragem: O plao de amostragem cosiste de um tamaho de amostra e uma costate de aceitação (k) associada. O plao de amostragem é obtido das tabelas mestres B1 ou B..1.. Tamaho da amostra: O tamaho da amostra é mostrado a tabela mestre, correspodedo a cada letra código de tamaho de amostra..1.. Costate de aceitação, k A costate de aceitação, k, correspodete ao tamaho de amostra idicado a tabela mestre correspodete, é idicado a colua da tabela referete ao NQA usado Procedimeto de Aceitação, lote a lote, quado a Forma 1 é usada Aceitação: O grau de coformidade de uma característica da qualidade com respeito a um limite simples de especificação deverá ser julgado pela quatidade ( x) / s ou pela quatidade ( x ) / s Cálculos: As seguites quatidades deverão ser calculadas: ou, depededo de se o limite especificado é superior ou iferior, ode: é o limite superior de especificação; é o limite iferior de especificação; x é a média da amostra; e s é a estimativa do desvio padrão do lote Critério de aceitação: Compare a quatidade ( x) / s ( x ) / s com a costate de aceitação k. Se ( x) / s ou ( x ) / s que k, o lote será aceito; se ( x) / s será rejeitado. ou ( x ) / s ou a quatidade for igual ou maior do for meor do que k ou egativo o lote Resumo das operações de plao de amostragem, quado é usada a Forma 1 Os seguites passos resumem o procedimeto a ser seguido: 1) Determie a letra código do tamaho da amostra a tabela A, usado o tamaho do lote e o ível de ispeção; ) Obteha o plao da tabela mestre B 1 ou B achado o tamaho da amostra e a costate de aceitação k; ) Selecioe uma amostra aleatória de uidades do lote; ispecioe e registre os resultados da característica de qualidade de cada uidade da amostra; ) Calcule a média da amostra e estime o desvio padrão do lote, s, e também calcule a quatidade ( x) / s para o limite superior de especificação ou a quatidade x / para o limite iferior de especificação ; ( ) s
8 5) Se a quatidade ( x) / s ou ( x ) / s a quatidade for igual ou maior do que k, etão o lote deverá ser aceito; se a quatidade ( x) / s ou a quatidade ( x ) / s for meor do que k ou egativa, etão o lote deverá ser rejeitado..1. Selecioado o plao de amostragem, quado a Forma é usada Tabelas Mestres de Amostrages: As tabelas mestres de amostrages para plaos baseados em variabilidade descohecida para um limite simples de especificação, quado se usa o método do desvio padrão, são as tabelas B e B (parte II). A tabela B é usada para ispeção ormal e rigorosa e a tabela B é usada para ispeção reduzida..1.. Obtedo o plao de amostragem: O plao de amostragem cosiste de um tamaho de amostra e uma percetagem máxima de defeituosa (M) associada. O plao de amostragem é obtido das tabelas mestres B ou B..1.. Tamaho da amostra: O tamaho da amostra é mostrado a tabela mestre, correspodedo a cada letra código de tamaho de amostra..1.. Máxima percetagem de defeituosa permitida, M: A máxima percetagem de defeituosa permitida para a amostra, M, correspodete ao tamaho de amostra idicado a tabela mestre correspodete, é idicado a colua da tabela referete ao NQA usado. Etrar a tabela B-, por cima, para ispeção ormal e por baixo, para ispeção rigorosa. Os plaos de amostragem para ispeção reduzida são apresetados a tabela B Procedimeto de Aceitação, lote a lote, quado é usada a Forma Aceitação O grau de coformidade de uma característica da qualidade com o respectivo limite simples de especificação deverá ser julgado pela porcetagem de produtos ão-coforme acima do limite superior de especificação ou abaixo do limite iferior de especificação. A percetagem de produtos ão-coforme é estimada a tabela B 5 com o ídice de qualidade e o tamaho da amostra Cálculo dos Ídices de Qualidade: Os seguites ídices de qualidade deverão Q = x /, se o limite de especificação for superior ; ou ser calculados: ( ) s Q ( x ) / s =, se o limite de especificação for iferior. A quatidade x e s, são a media da amostra e a estimativa do desvio padrão do lote Percetagem defeituosa estimada do lote: A qualidade de um lote deverá ser expressa por p, a percetagem defeituosa estimada do lote acima do limite superior de especificação; ou por p, percetagem defeituosa estimada do lote abaixo do limite iferior de especificação. A percetagem defeituosa estimada do lote, p ou p é obtida usado Q ou Q a tabela B 5, e usado o tamaho da amostra apropriado Critério de aceitação: Compare a percetagem defeituosa estimada do lote p ou p com a percetagem máxima defeituosa permitida M. O lote será aceito se p ou p
9 9 for meor ou igual a M; o lote será rejeitado se p ou p for maior do que M ou se Q ou Q for egativo Resumo das operações de plao de amostragem, quado é usada a Forma Os seguites passos resumem o procedimeto a ser seguido: 1) Determie a letra código do tamaho da amostra a tabela A, usado o tamaho do lote e o ível de ispeção; ) Obteha o plao da tabela mestre B ou B achado o tamaho da amostra e a percetagem máxima defeituosa permitida M; ) Selecioe uma amostra aleatória de uidades do lote; ispecioe e registre os resultados da característica de qualidade de cada uidade da amostra; ) Calcule a média da amostra e estime o desvio padrão do lote, s; 5) Calcule o ídice de qualidade Q = ( x) / s, se o limite de especificação for superior ; ou Q = ( x ) / s se o limite de especificação for iferior ; 6) Determie a percetagem de defeituosa estimado do lote p ou p, da tabela B 5; 7) Se a percetagem de defeituosa estimado do lote p ou p for igual ou meor do que a percetagem máxima defeituosa permitida M, o lote será aceito; se a percetagem de defeituosa estimado do lote p ou p for maior do que a percetagem máxima defeituosa permitida M, ou se Q ou Q for egativo o lote será reprovado..15 Plao de Amostragem Variabilidade Descohecida Método do Desvio Padrão Parte I I imite Duplo de Especificação Seção B.16 Estimativa da média do processo e critérios para o ispeção reduzida e rigorosa Parte III Seção B.16.1 Estimativa da média do processo: A média de percetagem defeituosa, baseado o grupo de lotes submetidos à ispeção origial, é chamada de média do processo. A ispeção origial é a primeira ispeção de uma quatidade particular de produto submetida à aceitação e é distiguida da ispeção do produto que teha sido re-submetido depois de uma primeira rejeição. A média do processo será estimada dos resultados das amostras ispecioadas de um úmero de lotes precedetes para o propósito de determiação da severidade da ispeção durate o decorrer de um cotrato, de acordo com a defiição de severidade. Qualquer deverá ser icluído somete uma vez a estimativa da média do processo. A estimativa da média do processo é desigada por p, quado calculada em relação ao limite superior de especificação; por p, quado calculado em relação ao limite iferior de especificação; e por p, quado calculada em relação a limite duplo de especificação..16. Resultado aormal: Os resultados das ispeções dos produtos obtidos sob codições ão típicas de produção deverão ser excluídos da estimativa da média do processo..16. Cálculo da estimativa da média do processo: A estimativa da média do processo é a média aritmética da percetagem de defeitos estimada do lote, calculada dos resultados de ispeção de uma amostra de 10 lotes ou de outra forma determiada. Para determiar a
10 10 percetagem defeituosa do lote, os ídices Q e/ou Q devem ser calculados para cada lote. Eles são: Q = ( x) / s e Q = ( x ) / s. COMPONENTES DA AMOSTRAGEM POR VARIÁVEIS - Tamaho do lote N - Nível de Ispeção: I, II, III, IV e V quado ão idicado usar IV - Regime da Ispeção: Severo, Normal, ou Ateuado - Característica (ou especificação): NIATERA : Iferior () ou Superior () BIATERA: Iferior () e Superior () - Nível de Qualidade Aceitável (AQ ou NQA): NIATERA um úico AQ FORMA 1 ou FORMA BIATERA um úico AQ ou dois diferetes AQs FORMA - Variabilidade Descohecida - Método do Desvio Padrão - Método da Amplitude - Variabilidade Cohecida - Tipos de Defeitos: Crítico, Maior, ou Meor - Ídice de Qualidade do ote Q - Percetagem de Defeituosos do ote p FORMA 1: Costate de Aceitação K limite míimo de aceitação
11 11 FORMA : Percetagem Máxima de Defeituosos Permitida M limite máximo de aceitação PASSOS DO PROCEDIMENTO DE AMOSTRAGEM POR VARIÁVEIS 1 Passo: Com o Tamaho do ote (N) e o Nível da Ispeção, as Tabelas A-1 e/ou A-: ecotrar a ETRA CÓDIGO Passo: Variabilidade Descohecida imite Simples de Especificação FORMA 1 Método do Desvio Padrão TABEA B-1 - Costate K (NORMA E RIGOROSA) Costate de Aceitação K - A Quatidade Q deve ser maior ou igual a K para aceitação Variabilidade Descohecida imite Simples de Especificação FORMA 1 Método do Desvio Padrão TABEA B- Costate K (REDZIDA) Costate de Aceitação K A Quatidade Q deve ser maior ou igual a K para aceitação Variabilidade Descohecida imite Simples de Especificação FORMA Método do Desvio Padrão TABEA B- - Percetagem Máxima M (NORMA E RIGOROSA) TABEA B 5 Percetagem Estimada de Defeitos do ote usado Método do Desvio Padrão - p imite Máximo de Aceitação M A percetagem de defeituosos p deve ser meor do que M para a aceitação Variabilidade Descohecida imite Simples de Especificação FORMA Método do Desvio Padrão TABEA B- - Percetagem Máxima M (REDZIDA) TABEA B 5 Percetagem Estimada de Defeitos do ote usado Método do Desvio Padrão - p imite Máximo de Aceitação M A percetagem de defeituosos p deve ser meor do que M para a aceitação Variabilidade Descohecida imite Duplo de Especificação FORMA Método do Desvio Padrão TABEA B- Percetagem Máxima M (NORMA E RIGOROSA) TABEA B 5 Percetagem Estimada de Defeitos do ote usado Método do Desvio
12 1 Padrão - p imite Máximo de Aceitação M A percetagem de defeituosos p deve ser meor do que M para aceitação Variabilidade Descohecida imite Duplo de Especificação FORMA Método do Desvio Padrão TABEA B- Percetagem Máxima M (REDZIDA) TABEA B 5 Percetagem Estimada de Defeitos do ote usado Método do Desvio Padrão - p imite Máximo de Aceitação M A percetagem de defeituosos p deve ser meor do que M para aceitação
13 1 TABEAS TABEA A-1 TABEA A- Tabela de Coversão de AQ etra Código de Tamaho de Amostra Valores de sar este valor Tamaho do Níveis de Ispeção AQ detro de AQ ote das faixas I II III IV V Até 0,09 0,0 B B B B C O,050 0,069 0, B B B B D 0,070 0,109 0, B B B C E 0,110 0,16 0, B B B D F 0,165 0,79 0, B B C E G 0,0 0,9 0, B B D F H 0,0 0,699 0, B C E G I 0,700 1,090 1, B D F H J 1,100 1,60 1, C E G I K 1,650,790, D F H J,00,90, E G I K,00 6,990 6, F H J M 7,000 10,900 10, G I M N 11,00 16,00 15, H J M N O I K N O P I K O P Q I K P Q Q As letras código de tamaho de amostras dadas o corpo da tabela são aplicadas quado os íveis de ispeção idicados são usados. B 1 - imite Simples de Especificação imite Superior - Forma 1 Variabilidade Descohecida - Método do Desvio Padrão Costate de Aceitação iha Iformação Valor Explicação 1 Tamaho da amostra: Soma das medidas: X 5 Soma dos quadrados das medidas: X Fator de Correção (CF): ( X ) / Soma dos quadrados corrigida (SS): 6 Variâcia V: SS / (-1) 7 Estimativa do desvio padrão do lote s: X V CF 9 imite superior de especificação: 10 Quatidade: ( X )/ s 11 Costate de Aceitação: K Ver tabela B 1 ou B - 1 Critério de aceitação: Compare ( X )/ s com k O lote será aceito, se ( X )/ s for igual ou maior do que k. O lote será rejeitado, se ( X )/ s for meor do que k ou egativo.
14 1 B 1 - imite Simples de Especificação imite Iferior - Forma 1 Variabilidade Descohecida - Método do Desvio Padrão Costate de Aceitação iha Iformação Valor Explicação 1 Tamaho da amostra: Soma das medidas: X 5 Soma dos quadrados das medidas: X Fator de Correção (CF): ( X ) / Soma dos quadrados corrigida (SS): 6 Variâcia V: SS / (-1) 7 Estimativa do desvio padrão do lote s: 9 imite iferior de especificação: 10 Quatidade: ( X ) / s X V CF 11 Costate de Aceitação: K Ver tabela B 1 ou B - 1 com k Critério de aceitação: Compare ( ) / X s O lote será aceito, se ( X ) / s for igual ou maior do que k. O lote será rejeitado, se ( X ) / s for meor do que k ou egativo B - imite Simples de Especificação - imite Superior Forma Variabilidade Descohecida Método do Desvio Padrão Percetagem Máxima Defeituosa Permitida iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Soma das Medidas: ΣX 5 Soma dos Quadrados das Medidas: X Fator de Correção (CF): ( X ) / Soma dos Quadrados Corrigida (SS): 6 Variâcia V: SS / (-1) 7 Desvio Padrão Estimado do ote s: 9 imite Superior de Especificação: 10 Ídice de Qualidade: V Q = ( X ) / s X CF 11 Percetagem Defeituosa Estimada do ote: p Tabela B 5 1 Percetagem Defeituosa Máxima Permitida: M Tabela B ou B - 1 Critério de Aceitação: Compare p com M O lote será aceito, se O lote será rejeitado, se p for igual ou meor do que M p for maior do que M ou se Q for egativo
15 15 B - imite Simples de Especificação - imite Iferior Forma Variabilidade Descohecida Método do Desvio Padrão Percetagem Máxima Defeituosa Permitida iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Soma das Medidas: ΣX Soma dos Quadrados das Medidas: X Fator de Correção (CF): ( X ) / 5 Soma dos Quadrados Corrigida (SS): 6 Variâcia V: SS / (-1) 7 Desvio Padrão Estimado do ote (s): 9 imite Iferior de Especificação: 10 Ídice de Qualidade: V Q = ( X ) / s X CF 11 Percetagem Defeituosa Estimada do ote: p Tabela B 5 1 Percetagem Defeituosa Máxima Permitida: M Tabela B ou B 1 Critério de Aceitação: Compare p com M O lote será aceito, se p for igual ou meor do que M O lote será rejeitado, se p for maior do que M ou se Q for egativo B - imite Duplo de Especificação Variabilidade Descohecida - Método do Desvio Padrão m valor de AQ para ambos os imites de Especificação (superior e iferior) Combiados iha Iformação Valor Explicação 1 Tamaho da amostra: Soma das medidas: X Soma dos quadrados das medidas: X Fator de Correção (CF): ( X ) / 5 Soma dos quadrados corrigida (SS): X CF 6 Variâcia V: SS/(-1) 7 Estimativa do desvio padrão do lote s: 9 imite superior de especificação () 10 imite iferior de especificação () 11 1 Ídice de Qualidade: Q = ( X )/ s Ídice de Qualidade: Q = ( X ) / s V 1 Estimativa de percetagem de defeituosos do lote acima de : P Ver tabela B-5 1 Estimativa de percetagem de defeituosos do lote abaixo : P Ver tabela B-5 15 Estimativa total de percetagem de defeituosos do lote P = P + P 16 Percetagem máxima permitida de defeituosos: M Ver tabela B ou B 17 Critério de aceitabilidade: Compare P com M
16 16 1 O lote será aceito, se P for igual ou meor do que M. O lote será rejeitado, se P for maior do que M, ou se tato Q quato Q, ou ambos forem egativos. B - imite Duplo de Especificação Variabilidade Descohecida - Método do Desvio Padrão Diferetes valores de AQ os imites Superior e Iferior de Especificação iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Soma das Medidas: ΣX Soma dos Quadrados das Medidas: Σ 5 Fator de Correção (CF): ( X X ) / Soma dos Quadrados Corrigida (SS): 6 Variâcia V: SS / (-1) 7 Desvio Padrão Estimado do ote s: 9 imite de Especificação (Superior): 10 imite de Especificação (Iferior): 11 Ídice de Qualidade: 1 Ídice de Qualidade: V Q = ( X ) / s Q = ( X ) / s X CF 1 Percetagem Defeituosa Estimada do ote acima de : p Tabela B 5 1 Percetagem Defeituosa Estimada do ote abaixo de : p Tabela B Percetagem Total de Defeituosos Estimada do ote: p = p + p 16 Percetagem Defeituosa máxima Permitida acima de : M Tabela B ou B - 17 Percetagem Defeituosa Máxima Permitida abaixo de : M Tabela B ou B - 1 Critério de Aceitação: Compare a) p com M M b) p com M M M c) p = p + p com o maior valor etre M e O lote será aceito, se todas as três seguites codições forem satisfeitas: a) p for igual ou meor do que M b) p for igual ou meor do que M c) p for igual ou meor do que o maior valor etre M e O lote será rejeitado, se as codições acima ão forem satisfeitas ou se Q = ( X ) / s ou Q ( X ) / s = ou ambos forem egativos M
17 17 C 1 - imite Simples de Especificação imite Superior - Forma 1 Variabilidade Descohecida Método da Amplitude iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Soma das Medidas: ΣX Média da Amplitude R : ( R )/ úmero de subgrupos 5 imite de Superior de Especificação : 6 A Quatidade ( X ) / R 7 Costate de Aceitação: k Tabela C 1 ou C - Critério de Aceitação: Compare O lote será aceito, se ( X ) / R com k ( X ) / R for igual ou maior do que k. O lote será rejeitado, se ( X ) / R for meor do que k ou for egativo. C 1 - imite Simples de Especificação imite Iferior - Forma 1 Variabilidade Descohecida Método da Amplitude iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Soma das Medidas: ΣX Média da Amplitude R : ( R )/ úmero de subgrupos 5 imite Iferior de Especificação: 6 A Quatidade ( X ) / R 7 Costate de Aceitação: k Tabela C 1 ou C - Critério de Aceitação: Compare O lote será aceito, se O lote será rejeitado, se ( X ) / R com k ( X ) / R for igual ou maior do que k. ( X ) / R for meor do que k ou for egativo.
18 1 C - imite Simples de Especificação imite Superior - Forma Variabilidade Descohecida Método da Amplitude iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Soma das Medidas: ΣX Média da Amplitude R : ( R )/ úmero de subgrupos 5 Fator c Tabela C ou C - 6 imite Superior de Especificação: 7 Ídice de Qualidade Q = ( X ). c / R Percetagem Defeituosa Estimada do ote: p Tabela C Percetagem Defeituosa Máxima Permitida: M Tabela C ou C - 10 Critério de Aceitação: Compare p com M O lote será aceito, se p for igual ou meor do que M. O lote será rejeitado, se p for maior do que M ou se Q for egativo. C - imite Simples de Especificação imite Iferior - Forma Variabilidade Descohecida Método da Amplitude iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Soma das Medidas: ΣX Média da Amplitude R : ( R )/ úmero de subgrupos 5 Fator c Tabela C ou C - 6 imite Iferior de Especificação: 7 Ídice de Qualidade Q = ( X ). c / R Percetagem Defeituosa Estimada do ote: p Tabela C Percetagem Defeituosa Máxima Permitida: M Tabela C ou C - 10 Critério de Aceitação: Compare p com M O lote será aceito, se p for igual ou meor do que M. O lote será rejeitado, se p for maior do que M ou se Q for egativo.
19 19 C - imite Duplo de Especificação - Variabilidade Descohecida Método da Amplitude Média m úico valor de AQ para ambos os limites superior e iferior de especificação combiados iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Soma das Medidas: ΣX Amplitude Média R : R / úmero de subgrupos 5 Fator c Tabela C ou C 6 imite Superior de Especificação: 7 imite Iferior de Especificação: Ídice de Qualidade: Ídice de Qualidade: Q = ( X ). c / R Q = ( X ). c / R Percetagem Defeituosa Estimada do ote acima de : Percetagem Defeituosa Estimada do ote abaixo de : Percetagem Total de Defeituosos Estimada do ote: p p p = p + p Tabela C 5 Tabela C 5 1 Percetagem Defeituosa Máxima Permitida: M Tabela C ou C - 1 Critério de Aceitação: Compare p = p + p com M O lote será aceito, se p for igual ou meor do que M O lote será rejeitado, se p for maior do que M ou se Q ou Q ou ambos forem egativos
20 0 C - imite Duplo de Especificação - Variabilidade Descohecida Método da Amplitude Média Diferetes valores de AQ para os limites superior e iferior de especificação. iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Soma das Medidas: ΣX Amplitude Média R : ( R )/ úmero de subgrupos 5 Fator c Tabela C ou C - 6 imite Superior de Especificação: 7 imite Iferior de Especificação: Ídice de Qualidade: Ídice de Qualidade: Q = ( X ). c / R Q = ( X ). c / R Percetagem Defeituosa Estimada do ote acima de : Percetagem Defeituosa Estimada do ote abaixo de : Percetagem Total de Defeituosos Estimada do ote: p p p = p + p Tabela C - 5 Tabela C Percetagem Defeituosa Máxima Permitida acima de : M Tabela C ou C 1 Percetagem Defeituosa Máxima Permitida abaixo de : M Tabela C ou C - 15 Critério de Aceitação: Compare a) p com M ; b) p com M ; c) p com o maior valor etre M e M. O lote será aceito, se as três codições abaixo forem satisfeitas: a) p for igual ou meor do que M ; b) p for igual ou meor do que M ; c) p for igual ou meor do que o maior valor etre M e M. O lote será rejeitado, se Q ou Q ou ambos forem egativos.
21 1 D 1 imite de Especificação Simples imite Superior - Forma 1 Variabilidade Cohecida - Costate de Aceitação iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Variabilidade Cohecida: σ Somatório das Medidas: X 5 imite Superior de Especificação: 6 A Quatidade: ( X ) / σ 7 Costate de Aceitação: k Tabela D - 1 Critério de Aceitação: Compare O lote será aceito, se O lote será rejeitado, se ( X ) / σ com k ( X ) / σ for igual ou maior do que k. ( X ) / σ for meor do que k ou for egativo. D 1 imite de Especificação Simples imite Iferior - Forma 1 Variabilidade Cohecida - Costate de Aceitação iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Variabilidade Cohecida: σ Somatório das Medidas: X 5 imite Iferior de Especificação: 6 A Quatidade: ( X ) / σ 7 Costate de Aceitação: k Tabela D Critério de Aceitação: Compare O lote será aceito, se O lote será rejeitado, se ( X ) / σ com k ( X ) / σ for igual ou maior do que k. ( X ) / σ for meor do que k ou for egativo.
22 D imite Simples de Especificação imite Superior - Forma Variabilidade Cohecida - Percetagem de Defeituosa Máxima Permitida iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Variabilidade Cohecida: σ Somatório das Medidas: X 5 Fator:ν Tabela D - ou D 6 imite Superior de Especificação: 7 Idice de Qualidade: Q = ( X ).ν / σ Percetagem de Defeituosa Estimada do ote: p Tabela D 5 9 Máxima Percetagem de Defeituosa Permitida: M Tabela D ou D - 1 Critério de Aceitação: Compare p com M O lote será aceito, se p for igual ou meor do que M O lote será rejeitado, se p for maior do que M ou se Q for egativo. D imite Simples de Especificação imite Iferior - Forma Variabilidade Cohecida - Percetagem de Defeituosa Máxima Permitida iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Variabilidade Cohecida: σ Somatório das Medidas: X 5 Fator:ν Tabela D ou D 6 imite Iferior de Especificação: 7 Ídice de Qualidade: Q = ( X ).ν / σ Percetagem de Defeituosa Estimada do ote: p Tabela D Máxima Percetagem de Defeituosa Permitida: M Tabela D ou D 1 Critério de Aceitação: Compare p com M O lote será aceito, se p for igual ou meor do que M. O lote será rejeitado, se p for maior do que M ou se Q for egativo.
23 D imite Duplo de Especificação - Variabilidade Cohecida Percetagem de Defeituosa Máxima Permitida m úico valor de AQ para ambos os limites superior e iferior de especificação combiados iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Variabilidade Cohecida: σ Soma das Medidas: ΣX 5 Fator ν Tabela D ou D 6 imite Superior de Especificação: 7 imite Iferior de Especificação: 9 Ídice de Qualidade: = ( X ).ν / σ Ídice de Qualidade: Q Q = ( X ).ν / σ 10 Percetagem Defeituosa Estimada do ote acima de : p Tabela D 5 11 Percetagem Defeituosa Estimada do ote abaixo de : p Tabela D 5 1 Percetagem Total de Defeituosos Estimada do ote: p = p + p 1 Percetagem Defeituosa Máxima Permitida: M Tabela D ou D - 1 Critério de Aceitação: Compare p = p + p com M O lote será aceito, se p for igual ou meor do que M. O lote será rejeitado, se p for maior do que M ou se Q ou Q ou ambos forem egativos.
24 D imite Duplo de Especificação - Variabilidade Cohecida Percetagem de Defeituosa Máxima Permitida Diferetes valores de AQ para os limites superior e iferior de especificação combiados iha Iformação Necessária Valor Explicação 1 Tamaho da Amostra: Variabilidade Cohecida: σ Soma das Medidas: ΣX 5 Fator ν Tabela D ou D - 6 imite Superior de Especificação: 7 imite Iferior de Especificação: 9 Ídice de Qualidade: = ( X ).ν / σ Ídice de Qualidade: Q Q = ( X ).ν / σ 10 Percetagem Defeituosa Estimada do ote acima de : p Tabela D Percetagem Defeituosa Estimada do ote abaixo de : p Tabela D Percetagem Total de Defeituosos Estimada do ote: p = p + p 1 Percetagem Defeituosa Máxima Permitida acima de : M Tabela D ou D - 1 Percetagem Defeituosa Máxima Permitida abaixo de : M Tabela D ou D - 15 Critério de Aceitação: Compare p = p + p com M O lote será aceito se todas as três seguites codições forem satisfeitas:, a) p for igual ou meor do que M ; e b) p for igual ou meor do que M ; e c) p for igual ou meor do que o maior valor etre M e M. O lote será rejeitado, se as codições ateriores ão forem satisfeitas ou se egativos Q ou Q ou ambos forem
25 5 Tabela B 1 Tabela B - 1 Tabela Mestre para Ispeção Normal e Rigorosa, para plaos baseados em variabilidade descohecida Método do Desvio Padrão (imite Simples de Especificação FORMA 1) etra N Nível de Qualidade Aceitável - NQA / AQ Ispeção Normal Código,0,065,10,15,5,0,65 1,00 1,50,50,00 6,50 10,00 15,00 K K K K K K K K K K K K K K B C D E F G H I J K l M N O P Q Nível de Qualidade Aceitável NQA / AQ Ispeção Rigorosa
Cap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisExercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?
1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia maisINFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões
INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela
Leia maisUniversidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química
Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia mais3ª Lista de Exercícios de Programação I
3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros
Leia maisMT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8
Norma Rodoviária DNER-PRO 77/97 Procedimeto Págia de 8 RESUMO Este documeto estabelece o úmero de amostras a serem utilizadas o cotrole estatístico, com base em riscos refixados, em obras e serviços rodoviários.
Leia maisUma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra
Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.
Leia maisINTERVALOS DE CONFIANÇA
INTRVALOS D CONFIANÇA 014 stimação por itervalos 1,..., é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro. Se L( 1,..., ) e U( 1,..., ) são duas fuções tais que L < U e P(L
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b, 0 y f x Isso sigifica que S, ilustrada
Leia mais7. INTERVALOS DE CONFIANÇA
7 INTRVALOS D CONFIANÇA 00 stimação por itervalos,, é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro θ Se L(,, ) e U(,, ) são duas fuções tais que L < U e P(L θ U), o itervalo
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisESCOLA BÁSICA DE ALFORNELOS
ESCOLA BÁSICA DE ALFORNELOS FICHA DE TRABALHO DE MATEMÁTICA 9.º ANO VALORES APROXIMADOS DE NÚMEROS REAIS Dado um úmero xe um úmero positivo r, um úmero x como uma aproximação de x com erro iferior a r
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia mais1.1. Ordem e Precedência dos Cálculos 1) = Capítulo 1
Capítulo. Aritmética e Expressões Algébricas O estudo de cálculo exige muito mais que o cohecimeto de limite, derivada e itegral. Para que o apredizado seja satisfatório o domíio de tópicos de aritmética
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005
PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).
Leia maisESTATÍSTICA E PROBABILIDADES
ESTATÍSTICA E PROBABILIDADES Aluo(a): Turma: Professores: Data: Edu/Vicete Noções de Estatística Podemos eteder a Estatística como sedo o método de estudo de comportameto coletivo, cujas coclusões são
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisA finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.
Prof. Jaete Pereira Amador Itrodução Os métodos utilizados para realização de iferêcias a respeito dos parâmetros pertecem a duas categorias. Pode-se estimar ou prever o valor do parâmetro, através da
Leia maisTeoria da Estimação 1
Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia maisUnidade IX Estimação
Uidade IX Estimação 6/09/07 Itervalos de cofiaça ii. Para a difereça etre médias de duas populações (μ μ ) caso : Variâcias cohecidas Pressupostos: 6/09/07 x - x x - x ; N é - x x ) ( x x x x E ) ( x x
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003)
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA -ESTATÍSTICA II (CE003) Prof. Beito Olivares Aguilera o Sem./6. Usado os dados da Tabela o Aexo (Seção Orçameto da MB),
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisO teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Leia maisCORRELAÇÃO Aqui me tens de regresso
CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.
Leia maisd) A partir do item c) encontre um estimador não viciado para σ 2.
Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisUniversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny
1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis
Leia maisSucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...
Curso Metor www.cursometor.wordpress.com Sucessão ou Sequêcia Defiição Sucessão ou seqüêcia é todo cojuto que cosideramos os elemetos dispostos em certa ordem. jaeiro,fevereiro,...,dezembro Exemplo : Exemplo
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maise, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e
Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisExercícios de Intervalos de Confiança para media, variância e proporção
Exercícios de Itervalos de Cofiaça para media, variâcia e proporção 1. Se uma amostra aleatória =5, tem uma média amostral de 51,3 e uma desvio padrão populacioal de σ=. Costrua o itervalo com 95% de cofiaça
Leia maisStela Adami Vayego DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma
Leia maisMATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho
MATEMÁTICA Professor Haroldo Filho MÓDULO 6 ESTATÍSTICA 1.1 ESTATÍSTICA É a ciêcia que utiliza a coleta de dados, sua classificação, sua apresetação, sua aálise e sua iterpretação para se tomar algum tipo
Leia maisTrabalho 4. Gustavo Mello Reis Página 1
Trabalho 4 Gustavo Mello Reis Págia 1 1) Histograma a) Uma empresa que fabrica suco de laraja egarrafado deseja estudar a quatidade de suco em ml presete em cada embalagem. Para se equadrar as ormas vigetes
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são
Leia maisAjuste de Curvas pelo Método dos Quadrados Mínimos
Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisCAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisIntervalos Estatísticos para uma única Amostra - parte II
Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisPopulação x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisCritérios de correção e orientações de resposta p-fólio
Miistério da Ciêcia, Tecologia e Esio Superior U.C. 037 Elemetos de Probabilidade e Estatística de Juho de 0 Critérios de correção e orietações de resposta p-fólio Neste relatório apresetam-se os critérios
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisCaderno de Exercício 2
1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária
Leia maisDURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total)
DURAÇÃO 1:30 (o teste costa de 3 págias com questões, um formulário e uma tabela - 5 folhas o total) Leia atetamete o euciado ates de respoder a cada questão. as questões de escolha múltipla seleccioe
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão Nome: N.º Turma: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações ecessárias. Quado, para
Leia maisObjetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisEstimação de Parâmetros. 1. Introdução
Estimação de Parâmetros. Itrodução O objetivo da Estatística é a realização de iferêcia acerca de uma população, baseadas as iformações amostrais. Como as populações são caracterizados por medidas uméricas
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisO termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2
MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica
Leia maisDERIVADAS DE FUNÇÕES11
DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia mais3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências
14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2
Leia maisLista IC, tamanho de amostra e TH
Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia mais6. Testes de Hipóteses Conceitos Gerais
6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisParte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais
Capítulo 3: Gestão de stoques Curso de Admiistração de mpresas 2º Semestre 09 Disciplia: Admiistração da Logística e Patrimôio Capítulo 03: Gestão de estoques (Partes 3 e 4) Parte : Itrodução Parte 2:
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia mais