Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ

Tamanho: px
Começar a partir da página:

Download "Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ"

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 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 mais

Distribuições Amostrais

Distribuições 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 mais

Distribuições Amostrais

Distribuições 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 mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: 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 mais

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. 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 mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA 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 mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. 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 mais

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade 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 mais

10 - Medidas de Variabilidade ou de Dispersão

10 - 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 mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. 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 mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio 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 mais

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

Prof. 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 mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 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 mais

Intervalos de Confiança

Intervalos 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 mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 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 mais

3ª Lista de Exercícios de Programação I

3ª 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 mais

MT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8

MT 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 mais

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

Uma 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 mais

INTERVALOS DE CONFIANÇA

INTERVALOS 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 mais

n ) uma amostra aleatória da variável aleatória X.

n ) 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 mais

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

MATEMÁTICA 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 mais

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

MATEMÁTICA 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 mais

7. INTERVALOS DE CONFIANÇA

7. 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 mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS 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 mais

ESCOLA BÁSICA DE ALFORNELOS

ESCOLA 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 mais

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. 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 mais

1.1. Ordem e Precedência dos Cálculos 1) = Capítulo 1

1.1. 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 mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

PROVA 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 mais

ESTATÍSTICA E PROBABILIDADES

ESTATÍSTICA 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 mais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, 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 mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições 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 mais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

binomial 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 mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS 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 mais

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.

A 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 mais

Teoria da Estimação 1

Teoria 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 mais

Estimativa de Parâmetros

Estimativa 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 mais

Unidade IX Estimação

Unidade 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 mais

UNIVERSIDADE 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 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 mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 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 mais

Estimadores de Momentos

Estimadores 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 mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO 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 mais

PROJETO 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 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 mais

O teste de McNemar. A tabela 2x2. Depois - Antes

O 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 mais

CORRELAÇÃO Aqui me tens de regresso

CORRELAÇÃO 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 mais

d) A partir do item c) encontre um estimador não viciado para σ 2.

d) 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 mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação 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 mais

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

TRANSPORTES. 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 mais

Comparação entre duas populações

Comparação 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 mais

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny

Universidade 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 mais

Sucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...

Sucessão 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 mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A 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 mais

Distribuições Amostrais

Distribuições 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 mais

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

e, 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 mais

AEP FISCAL ESTATÍSTICA

AEP 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 mais

Sumário. 2 Índice Remissivo 19

Sumário. 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 mais

Exercícios de Intervalos de Confiança para media, variância e proporção

Exercícios 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 mais

Stela Adami Vayego DEST/UFPR

Stela 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 mais

MATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho

MATEMÁTICA 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 mais

Trabalho 4. Gustavo Mello Reis Página 1

Trabalho 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 mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. 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 mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado 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 mais

Instruções gerais sobre a Prova:

Instruções 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 mais

UNIVERSIDADE 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 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 mais

Ajuste de Curvas pelo Método dos Quadrados Mínimos

Ajuste 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 mais

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

AMOSTRAGEM 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 mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 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 mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC 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 mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A 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 mais

Métodos Quantitativos para Ciência da Computação Experimental Aula #4

Métodos 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 mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova 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 mais

Intervalos Estatísticos para uma única Amostra - parte II

Intervalos 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 mais

Stela Adami Vayego DEST/UFPR

Stela 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 mais

Probabilidade II Aula 12

Probabilidade 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 mais

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade

População 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 mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO 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 mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, 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 mais

Critérios de correção e orientações de resposta p-fólio

Critérios 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 mais

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Lista 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 mais

Caderno de Exercício 2

Caderno 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 mais

DURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total)

DURAÇÃO 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 mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 2

FICHA 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 mais

Objetivo. 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 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 mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras 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 mais

Estimação de Parâmetros. 1. Introdução

Estimação 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 mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema 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 mais

O termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2

O 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 mais

DERIVADAS DE FUNÇÕES11

DERIVADAS 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 mais

1 Distribuições Amostrais

1 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 mais

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências

3.4.2 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 mais

Lista IC, tamanho de amostra e TH

Lista 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 mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO 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 mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: 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 mais

6. Testes de Hipóteses Conceitos Gerais

6. 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 mais

Estimação da média populacional

Estimação 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 mais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais

Parte 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 mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. 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 mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise 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