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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Estimação por Intervalo (Intervalos de Confiança):

Estimação por Intervalo (Intervalos de Confiança): Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc.

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Capítulo 8 Estimativa do Itervalo de Cofiaça Statistics for Maagers Usig Microsoft Excel, 5e 2008 Pearso Pretice-Hall, Ic. Chap 8-1 Objetivos: Neste capítulo, você aprederá: Costruir e iterpretar estimativas

Leia mais

Intervalo de Confiança para uma Média Populacional

Intervalo de Confiança para uma Média Populacional Estatística II Atoio Roque Aula 5 Itervalo de Cofiaça para uma Média Populacioal Um dos objetivos mais importates da estatística é obter iformação sobre a média de uma dada população. A média de uma amostra

Leia mais

Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail.

Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail. Métodos Quatitativos em Cotabilidade Aálise da Variâcia AOVA Prof. José Fracisco Moreira Pessaha professorfmp@hotmail.com Rio de Jaeiro, 8 de setembro de 01 Aálise da Variâcia com um fator (OE WAY AOVA)

Leia mais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,

Leia mais

Estatística II Aula 3. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 3. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula 3 Prof.: Patricia Maria Bortolo, D. Sc. Estimação por Itervalo Objetivos Nesta semaa, veremos: Como costruir e iterpretar estimativas por itervalos de cofiaça para a média e a proporção

Leia mais

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5 Testes de Hipóteses Supoha que o ível crítico de ifestação por um iseto-praga agrícola é de 10% das platas ifestadas. Você decide fazer um levatameto em ove lotes, selecioados aleatoriamete, de uma área

Leia mais

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO

Leia mais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais Comparação de testes paramétricos e ão paramétricos aplicados em delieametos experimetais Gustavo Mello Reis (UFV) gustavo_epr@yahoo.com.br José Ivo Ribeiro Júior (UFV) jivo@dpi.ufv.br RESUMO: Para comparar

Leia mais

Computação Científica - Departamento de Informática Folha Prática 1

Computação Científica - Departamento de Informática Folha Prática 1 1. Costrua os algoritmos para resolver os problemas que se seguem e determie as respetivas ordes de complexidade. a) Elaborar um algoritmo para determiar o maior elemeto em cada liha de uma matriz A de

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I JIRibeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção É uma ciêcia

Leia mais

Problema de Fluxo de Custo Mínimo

Problema de Fluxo de Custo Mínimo Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Ferado Nogueira Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre

Leia mais

ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS

ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS WWWCONVIBRAORG ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS ANDRÉA F RODRIGUES 1, WILTON P SILVA 2, JOSIVANDA P GOMES 3, CLEIDE M D P S SILVA 4, ÍCARO CARVALHO RAMOS

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hipóteses Neste capítulo será estudado o segudo problema da iferêcia estatística: o teste de hipóteses. Um teste de hipóteses cosiste em verificar, a partir das observações de uma amostra,

Leia mais

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

MEDIDAS E INCERTEZAS

MEDIDAS E INCERTEZAS 9//0 MEDIDAS E INCERTEZAS O Que é Medição? É um processo empírico que objetiva a desigação de úmeros a propriedades de objetos ou a evetos do mudo real de forma a descrevêlos quatitativamete. Outra forma

Leia mais

M = 4320 CERTO. O montante será

M = 4320 CERTO. O montante será PROVA BANCO DO BRASIL / 008 CESPE Para a veda de otebooks, uma loja de iformática oferece vários plaos de fiaciameto e, em todos eles, a taxa básica de juros é de % compostos ao mês. Nessa situação, julgue

Leia mais

Vamos estudar o conceito de variabilidade absoluta considerando o conjunto de notas obtidas por cinco alunos:

Vamos estudar o conceito de variabilidade absoluta considerando o conjunto de notas obtidas por cinco alunos: Medidas de Disperção Itrodução: - Observamos ateriormete que as medidas de tedêcia cetral são usadas para resumir, em um úico úmero, aquele parâmetro que será o represetate do cojuto de dados. Estas medidas

Leia mais

Capítulo 5 Cálculo Diferencial em IR n 5.1 Definição de função de várias variáveis: campos vetoriais e campos escalares.

Capítulo 5 Cálculo Diferencial em IR n 5.1 Definição de função de várias variáveis: campos vetoriais e campos escalares. 5. Defiição de fução de várias variáveis: campos vetoriais e. Uma fução f : D f IR IR m é uma fução de variáveis reais. Se m = f é desigada campo escalar, ode f(,, ) IR. Temos assim f : D f IR IR (,, )

Leia mais

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

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química - DEQUI Disciplina: Normalização e Controle da Qualidade NCQ Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química - DEQUI Disciplina: Normalização e Controle da Qualidade NCQ Capítulo 7: Amostragem por Atributos 7.1 Objetivo Trata dos Procedimentos

Leia mais

NORMA TÉCNICA PARA RECEBIMENTO DE BENS DE INFORMÁTICA PELA METODOLOGIA DE INSPEÇÃO POR ATRIBUTOS. Referência: NT-AI.03.05.01. Data: 17/04/2.

NORMA TÉCNICA PARA RECEBIMENTO DE BENS DE INFORMÁTICA PELA METODOLOGIA DE INSPEÇÃO POR ATRIBUTOS. Referência: NT-AI.03.05.01. Data: 17/04/2. NORMA TÉCNICA PARA RECEBIMENTO DE BENS DE INFORMÁTICA PELA METODOLOGIA DE INSPEÇÃO POR ATRIBUTOS Referência: NT-AI.03.05.01 http://www.unesp.br/ai/pdf/nt-ai.03.05.01.pdf Data: 17/04/2.001 STATUS: PRELIMINAR

Leia mais

RESISTORES E RESISTÊNCIAS

RESISTORES E RESISTÊNCIAS ELETICIDADE CAPÍTULO ESISTOES E ESISTÊNCIAS No Capítulo estudamos, detre outras coisas, o coceito de resistêcia elétrica. Vimos que tal costitui a capacidade de um corpo qualquer se opôr a passagem de

Leia mais

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos Aálise de Projectos ESAPL / IPVC Critérios de Valorização e Selecção de Ivestimetos. Métodos Estáticos Como escolher ivestimetos? Desde sempre que o homem teve ecessidade de ecotrar métodos racioais para

Leia mais

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS Miistério do Plaejameto, Orçameto e GestãoSecretaria de Plaejameto e Ivestimetos Estratégicos AJUSTE COMPLEMENTAR ENTRE O BRASIL E CEPAL/ILPES POLÍTICAS PARA GESTÃO DE INVESTIMENTOS PÚBLICOS CURSO DE AVALIAÇÃO

Leia mais

Caderno de Fórmulas. Debêntures Cetip21

Caderno de Fórmulas. Debêntures Cetip21 Última Atualização: 01/04/2016 E ste Cadero tem por objetivo iformar aos usuários a metodologia e os critérios de precisão dos cálculos implemetados Para Debêtures o Cetip21. São aqui apresetadas fórmulas

Leia mais

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD Teste de ióteses VÍCTOR UGO LACOS DÁVILAD Teste De ióteses. Exemlo. Cosidere que uma idustria comra de um certo fabricate, ios cuja resistêcia média à rutura é esecificada em 6 kgf (valor omial da esecificação).

Leia mais

Métodos Quantitativos Aplicados

Métodos Quantitativos Aplicados Métodos Quatitativos Aplicados Aula 3 http://www.iseg.ulisboa.pt/~vescaria/mqa/ Tópicos apresetação Itrodução aos packages estatísticos: SPSS Aálise Uivariada: Redução de dados e caracterização de distribuições

Leia mais

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

Departamento de Engenharia Civil Nivelação de Terrenos

Departamento de Engenharia Civil Nivelação de Terrenos Departameto de Egeharia Civil Nivelação de Terreos Rosa Marques Satos Coelho Paulo Flores Ribeiro 006 / 007 . Nivelação de Terreos Por ivelação de terreos etede-se o cojuto de operações topográficas que

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

O Índice Preço/Lucro é um Indicador Eficiente? Evidências para o Mercado Brasileiro

O Índice Preço/Lucro é um Indicador Eficiente? Evidências para o Mercado Brasileiro O Ídice Preço/Lucro é um Idicador Eficiete? Evidêcias para o Mercado Brasileiro Kelmara Medes Vieira (UFSM) kelmara@smail.ufsm.br Alexadre Majola Gava (UFRGS) ale.gava@terra.com.br Resumo Este Trabalho

Leia mais

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

PG Progressão Geométrica

PG Progressão Geométrica PG Progressão Geométrica 1. (Uel 014) Amalio Shchams é o ome cietífico de uma espécie rara de plata, típica do oroeste do cotiete africao. O caule dessa plata é composto por colmos, cujas características

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE

UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE Debora Jaesch Programa de Pós-Graduação em Egeharia de Produção

Leia mais

Esta Norma estabelece o procedimento para calibração de medidas materializadas de volume, de construção metálica, pelo método gravimétrico.

Esta Norma estabelece o procedimento para calibração de medidas materializadas de volume, de construção metálica, pelo método gravimétrico. CALIBRAÇÃO DE MEDIDAS MATERIALIZADAS DE VOLUME PELO MÉTODO GRAVIMÉTRICO NORMA N o 045 APROVADA EM AGO/03 N o 01/06 SUMÁRIO 1 Objetivo 2 Campo de Aplicação 3 Resposabilidade 4 Documetos Complemetes 5 Siglas

Leia mais

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu Programação Diâmica Aula 3: Programação Diâmica Programação Diâmica Determiística; e Programação Diâmica Probabilística. Programação Diâmica O que é a Programação Diâmica? A Programação Diâmica é uma técica

Leia mais

1.5 Aritmética de Ponto Flutuante

1.5 Aritmética de Ponto Flutuante .5 Aritmética de Poto Flutuate A represetação em aritmética de poto flutuate é muito utilizada a computação digital. Um exemplo é a caso das calculadoras cietíficas. Exemplo:,597 03. 3 Este úmero represeta:,597.

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída

Leia mais

Influência do ruído aéreo gerado pela percussão de pavimentos na determinação de L n,w

Influência do ruído aéreo gerado pela percussão de pavimentos na determinação de L n,w Ifluêcia do ruído aéreo gerado pela percussão de pavimetos a determiação de,w iogo M. R. Mateus CONTRAruído Acústica e Cotrolo de Ruído, Al. If.. Pedro, Nº 74-1º C, 3030 396 Coimbra Tel.: 239 403 666;

Leia mais

4 HIDROLOGIA ESTATÍSTICA: conceitos e aplicações

4 HIDROLOGIA ESTATÍSTICA: conceitos e aplicações 4 HIDROLOGIA ESTATÍSTICA: coceitos e aplicações 4. Coceitos básicos de Probabilidades Um cojuto de dados hidrológicos ecessita ser previamete aalisado com base em algus idicadores estatísticos básicos

Leia mais

Tópicos em Otimização. Otimização Linear - Aplicações

Tópicos em Otimização. Otimização Linear - Aplicações Tópicos em Otimização Otimização Liear - Aplicações Problemas tratados por otimização liear Problema da Mistura: Combiar materiais obtidos a atureza (ou restos de outros á combiados) para gerar ovos materiais

Leia mais

05/08/2014. Transdutores UTS. Dispositivos mostradores. slides do livro FMCI 0.000 0.000 0.000 0.000 0.000 6.414

05/08/2014. Transdutores UTS. Dispositivos mostradores. slides do livro FMCI 0.000 0.000 0.000 0.000 0.000 6.414 05/08/0 8 Propagação de Icertezas Através de s Fudametos da Metrologia Cietífica e Idustrial Motivação Algumas vezes é ecessário compor sistemas de medição reuido módulos já existetes. O comportameto metrológico

Leia mais

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA 5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()

Leia mais

Análise Combinatória I

Análise Combinatória I Aálise Combiatória I O pricípio fudametal da cotagem ada mais é que a maeira mais simples possível de determiar de quatas maeiras diferetes que um eveto pode acotecer. Se eu, por exemplo, estiver pitado

Leia mais

5 Proposta de Melhoria para o Sistema de Medição de Desempenho Atual

5 Proposta de Melhoria para o Sistema de Medição de Desempenho Atual 49 5 Proposta de Melhoria para o Sistema de Medição de Desempeho Atual O presete capítulo tem por objetivo elaborar uma proposta de melhoria para o atual sistema de medição de desempeho utilizado pela

Leia mais

AULA: Inferência Estatística

AULA: Inferência Estatística AULA: Iferêcia Estatística stica Prof. Víctor Hugo Lachos Dávila Iferêcia Estatística Iferêcia Estatística é um cojuto de técicas que objetiva estudar uma oulação através de evidêcias forecidas or uma

Leia mais

O que é Estatística?

O que é Estatística? O que é Estatística? É um método de observação de feômeos coletivos. Ocupa-se da coleta, orgaização, resumo, apresetação e aálise de dados. Objetivo - Obter iformações que permitam uma descrição dos feômeos

Leia mais

PRESTAÇÃO = JUROS + AMORTIZAÇÃO

PRESTAÇÃO = JUROS + AMORTIZAÇÃO AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas

Leia mais

s =, sendo n= n Uma amostra de 60 indivíduos onde a massa corpórea, em kg, tiver média 42kg e um desvio padrão de 3,5 o Erro Padrão da Média será:

s =, sendo n= n Uma amostra de 60 indivíduos onde a massa corpórea, em kg, tiver média 42kg e um desvio padrão de 3,5 o Erro Padrão da Média será: statística Aplicada Prof. Atoio Sales/ 013 DSVIO PADRÃO RRO PADRÃO DA MÉDIA As iferêcias sobre uma população podem ser baseadas em observações a partir de amostras de populações. Como a amostra, a maior

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://wwwuematbr/eugeio SISTEMAS DE AMORTIZAÇÃO A ecessidade de recursos obriga aqueles que querem fazer ivestimetos a tomar empréstimos e assumir dívidas que são pagas com juros que variam de acordo

Leia mais

INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA

INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA Resumo Itervalos de Cofiaça ara médias e roorções com alicações a Egeharia. Ferado Mori Prof.fmori@gmail.com Itervallos de Cofiiaça ara Médiias e Proorções

Leia mais

CRI Certificados de Recebíveis Imobiliários. Guia para Elaboração dos Fluxos de Pagamentos Data: 16/11/2015

CRI Certificados de Recebíveis Imobiliários. Guia para Elaboração dos Fluxos de Pagamentos Data: 16/11/2015 1 CRI Certificados de Recebíveis Imobiliários Guia para Elaboração dos Fluxos de Pagametos Data: 16/11/2015 Sumário/Ídice CRI - CERTIFICADOS DE RECEBÍVEIS IMOBILIÁRIOS... 1 SUMÁRIO/ÍNDICE... 2 1. OBJETIVO...

Leia mais

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013 ANDRÉ REIS MATEMÁTICA TEORIA 6 QUESTÕES DE PROVAS DE CONCURSOS GABARITADAS EXERCÍCIOS RESOLVIDOS Teoria e Seleção das Questões: Prof. Adré Reis Orgaização e Diagramação: Mariae dos Reis ª Edição NOV 0

Leia mais

MATEMÁTICA PARA CONCURSOS II

MATEMÁTICA PARA CONCURSOS II MATEMÁTICA PARA CONCURSOS II Módulo III Neste Módulo apresetaremos um dos pricipais assutos tratados em cocursos públicos e um dos mais temíveis por parte dos aluos: Progressão Aritmética e Progressão

Leia mais

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo. UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

Os juros compostos são conhecidos, popularmente, como juros sobre juros. Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são

Leia mais

Dependência funcional

Dependência funcional Depedêcia fucioal Agélica Toffao Seidel Calazas E-mail: agelica_toffao@yahoo.com.br Normalização Ocorre quado um atributo ou cojuto de atributos depede fucioalmete de outro atributo. Por exemplo: a etidade,

Leia mais

Aula 7. Em outras palavras, x é equivalente a y se, ao aplicarmos x até a data n, o montante obtido for igual a y.

Aula 7. Em outras palavras, x é equivalente a y se, ao aplicarmos x até a data n, o montante obtido for igual a y. DEPARTAMENTO...: ENGENHARIA CURSO...: PRODUÇÃO DISCIPLINA...: ENGENHARIA ECONÔMICA / MATEMÁTICA FINANCEIRA PROFESSORES...: WILLIAM FRANCINI PERÍODO...: NOITE SEMESTRE/ANO: 2º/2008 Aula 7 CONTEÚDO RESUMIDO

Leia mais

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização Curso MI Matemática Fiaceira Professor: Pacífico Referêcia: 07//00 Juros compostos com testes resolvidos. Coceito Como vimos, o regime de capitalização composta o juro de cada período é calculado tomado

Leia mais

Capítulo 2 Análise Descritiva e Exploratória de Dados

Capítulo 2 Análise Descritiva e Exploratória de Dados UNIVERSIDADE FEDERAL DE SÃO CARLOS C E N T R O D E C I Ê N C I A S E X A T A S E D E T E C N O L O G I A D E P A R T A M E N T O D E E S T A T Í S T I C A INTRODUÇÃO AO PLANEJAMENTO E ANÁLISE ESTATÍSTICA

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias) Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada

Leia mais

Pesquisa Operacional

Pesquisa Operacional Faculdade de Egeharia - Campus de Guaratiguetá esquisa Operacioal Livro: Itrodução à esquisa Operacioal Capítulo 6 Teoria de Filas Ferado Maris fmaris@feg.uesp.br Departameto de rodução umário Itrodução

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica

Leia mais

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA Uesp Uiversidade Estadual Paulista FACULDADE DE ENGENHARIA CAMPUS DE GUARATINGUETÁ MBA-PRO ESTATÍSTICA PARA A TOMADA DE DECISÃO Prof. Dr. Messias Borges Silva e Prof. M.Sc. Fabricio Maciel Gomes GUARATINGUETÁ,

Leia mais

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos Aexo VI Técicas Básicas de Simulação do livro Apoio à Decisão em Mauteção a Gestão de Activos Físicos LIDEL, 1 Rui Assis rassis@rassis.com http://www.rassis.com ANEXO VI Técicas Básicas de Simulação Simular

Leia mais

2 Modelos de Programação Linear

2 Modelos de Programação Linear Modelos de Programação Liear Coteúdos do Capítulo Problemas de Programação Liear Resolução pelo método gráfico O Problema do Pitor Miimização Restrições Redudates Solução Múltipla, Ilimitada e Iviável

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

SISTEMA MÉTRICO DECIMAL

SISTEMA MÉTRICO DECIMAL SISTEMA MÉTRICO DECIMAL UNIDADES DE COMPRIMENTO A uidade fudametal chama-se metro (m). Múltiplos: quilômetro (km), hectômetro (hm) e decâmetro (dam) Submúltiplos: decímetro (dm), cetímetro (cm) e milímetro

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER) Deseja-se projetar uma base de dados que dará suporte a

Leia mais

Matemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é:

Matemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é: Resolução das atividades complemetares Matemática M0 Progressões p. 46 (UFBA) A soma dos o e 4 o termos da seqüêcia abaio é: a 8 * a 8 ( )? a, IN a) 6 c) 0 e) 6 b) 8 d) 8 a 8 * a 8 ( )? a, IN a 8 ()? a

Leia mais

AMOSTRAGEM EM AUDITORIAS

AMOSTRAGEM EM AUDITORIAS AMOSTRAGEM EM AUDITORIAS Cytia Matteucci Istituto de Pesquisas Tecológicas do Estado de São Paulo, São Paulo, Brasil, cytiamt@ipt.br RESUMO Este artigo discute e propõe um procedimeto de amostragem que

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

4. Inferência Estatística Estimadores Pontuais

4. Inferência Estatística Estimadores Pontuais 4. Iferêcia Estatística Estimadores Potuais 4.1. Itrodução Em lihas gerais, a Iferêcia Estatística objetiva estudar a população através de evidêcias forecidas pela amostra. É a amostra que cotém os elemetos

Leia mais

MAC122 Princípios de Desenvolvimento de Algoritmos EP no. 1

MAC122 Princípios de Desenvolvimento de Algoritmos EP no. 1 MAC122 Pricípios de Desevolvimeto de Algoritmos EP o. 1 Prof. Dr. Paulo Mirada 1 Istituto de Matemática e Estatística (IME) Uiversidade de São Paulo (USP) 1. Estrutura dos arquivos de images o formato

Leia mais

AMOSTRAGEM. CENSO: Quando é investigada todas (sem exceção) as unidades de uma população.

AMOSTRAGEM. CENSO: Quando é investigada todas (sem exceção) as unidades de uma população. AMOSTRAGEM CENSO X AMOSTRA População: Qualquer cojuto que possui, pelo meos, uma característica em comum. Exemplo: Produção de peças da Idústria X. A população pode ser fiita ou ifiita. População fiita:

Leia mais

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações

Leia mais

MOQ-14 Projeto e Análise de Experimentos

MOQ-14 Projeto e Análise de Experimentos Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear

Leia mais

M = C (1 + i) n. Comparando o cálculo composto (exponencial) com o cálculo simples (linear), vemos no cálculo simples:

M = C (1 + i) n. Comparando o cálculo composto (exponencial) com o cálculo simples (linear), vemos no cálculo simples: PEDRO ORBERTO JUROS COMPOSTOS Da capitalização simples, sabemos que o redimeto se dá de forma liear ou proporcioal. A base de cálculo é sempre o capital iicial. o regime composto de capitalização, dizemos

Leia mais

PROFESSOR: SEBASTIÃO GERALDO BARBOSA

PROFESSOR: SEBASTIÃO GERALDO BARBOSA UNESPAR/FAFIPA - Professor Sebastião Geraldo Barbosa - 0 - PROFESSOR: SEBASTIÃO GERALDO BARBOSA Outubro/203 UNESPAR/FAFIPA - Professor Sebastião Geraldo Barbosa - - TÓPICOS DE MATEMÁTICA FINANCIEIRA ATRAVÉS

Leia mais

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Regressão Linear. Bernardo Almada-Lobo

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Regressão Linear. Bernardo Almada-Lobo MÉTODO ETATÍTICO DE PREVIÃO 8 6 4 98 96 94 9 9 5 5 Regressão Liear Berardo Almada-Lobo Regressão A regressão é uma das técicas estatísticas mais potetes e de utilização mais frequete. É um método matemático

Leia mais

( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução.

( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução. 55 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Itrodução. No processo de resolução de um problema prático é reqüete a ecessidade de se obter a solução de um sistema de equações ão lieares. Dada

Leia mais

Um arquivo digital para dados de monitorização

Um arquivo digital para dados de monitorização Um arquivo digital para dados de moitorização Fábio Costa, Gabriel David, Álvaro Cuha ViBest e INESC TEC, Faculdade de Egeharia Uiversidade do Porto {fabiopcosta, gtd, acuha}@fe.up.pt 1 Uidade de ivestigação

Leia mais

CURSO ONLINE DE EXERCÍCIOS MATEMÁTICA FINANCEIRA & ESTATÍSTICA AULA 09

CURSO ONLINE DE EXERCÍCIOS MATEMÁTICA FINANCEIRA & ESTATÍSTICA AULA 09 1 AULA 09 Olá, amigos! Chegamos hoje ao osso peúltimo simulado! Com mais esta aula, completaremos 8 (ceto e oito) questões resolvidas e miuciosamete aalisadas (54 de cada matéria). Teho a impressão de

Leia mais

CONCURSO PÚBLICO 2013 MATEMÁTICA PARA TODOS OS CARGOS DA CLASSE "D" TEORIA E 146 QUESTÕES POR TÓPICOS. 1ª Edição JUN 2013

CONCURSO PÚBLICO 2013 MATEMÁTICA PARA TODOS OS CARGOS DA CLASSE D TEORIA E 146 QUESTÕES POR TÓPICOS. 1ª Edição JUN 2013 CONCURSO PÚBLICO 01 FUNDAÇÃO UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL UFMS MATEMÁTICA PARA TODOS OS CARGOS DA CLASSE "D" TEORIA E 16 QUESTÕES POR TÓPICOS Coordeação e Orgaização: Mariae dos Reis 1ª Edição

Leia mais

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE MINISÉRIO DAS CIDADES, ORDENAMENO DO ERRIÓRIO E AMBIENE Istituto do Ambiete PROCEDIMENOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENE Abril 2003 . Equadrameto O presete documeto descreve a metodologia a seguir

Leia mais

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4 SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral

Leia mais

9 - INFERÊNCIA ESTATÍSTICA Estimação de Parâmetros

9 - INFERÊNCIA ESTATÍSTICA Estimação de Parâmetros INE 7 - Iferêcia Estatística Estimação de Parâmetros 1 9 - INFERÊNCIA ESTATÍSTICA Estimação de Parâmetros 9.1 - Itrodução Estatística é a ciêcia que se ocupa de orgaizar, descrever, aalisar e iterpretar

Leia mais

APLICAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE NA OTIMIZAÇÃO DE ROTEIROS

APLICAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE NA OTIMIZAÇÃO DE ROTEIROS APLICAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE NA OTIMIZAÇÃO DE ROTEIROS Ferado Soares Gomes Taufer (FURG) feradosoares29@hotmail.com Elaie Correa Pereira (FURG) elaiepereira@prolic.furg.br Este artigo apreseta

Leia mais