CONTROLO ESTATÍSTICO DO PROCESSO

Tamanho: px
Começar a partir da página:

Download "CONTROLO ESTATÍSTICO DO PROCESSO"

Transcrição

1 CONTROLO ESTATÍSTICO DO PROCESSO A. Análise de Pareto Código do defeito A B C D E F G H I. Com o objectivo de diminuir os custos da qualidade, uma empresa produtora de biscoitos e bolachas fez um levantamento dos tipos de defeitos encontrados em embalagens de uma certa variedade de bolacha. Na tabela anexa encontram-se as frequências e os custos adicionais da falta de qualidade associados a cada tipo de defeito. Descrição do defeito Embalagem mal colada nos topos Embalagem mal colada nos lados Embalagem rasgada Embalagem com pequenos furos Data de validade em falta Embalagem com as cores esborratadas Embalalagem com bolachas partidas Número de bolachas superior a 30 Número de bolachas inferior a 30 Custos Frequência adicionais anuais ( ) J Outros a. Realize uma análise de Pareto baseada na frequência dos defeitos. Quais os tipos de defeitos cuja correcção é necessário priorizar? [Defeitos H, A e D devem ser priorizados, porque conjuntamente perfazem 75% das falhas. Eventualmente E também poderia ser incluído, explicando os 4 tipos 82% das falhas totais] b. Realize uma análise de Pareto baseada nos custos adicionais anuais da qualidade decorrentes dos defeitos listados. O que se pode concluir nesta perspectiva? As conclusões são diferentes das obtidas em a)? Comente. [Erros D, G e B são responsáveis por 8,6% dos custos adicionais da qualidade. Nem sempre os erros mais frequentes são os que têm maior peso no acréscimo dos custos da qualidade. Para os objectivos em vista, a análise baseada nos custos seria mais pertinente que a baseada na frequência dos defeitos.]

2 2 B. Cartas de Médias e Amplitude. A profundidade do buraco cilindrico existente numa peça metálica para encaixe de uma outra peça tem especificação de 3,56 ± 0,08 mm. O processo do seu fabrico está a ser monitorado através de cartas de média e amplitude, e durante um certo período de laboração foram recolhidas 27 amostras de 5 peças cada. O registo da monitorização é o seguinte: Amostra Média (mm) Amplitude (mm) 3,50 0,23 2 3,63 0,20 3 3,59 0,38 4 3,55 0,5 5 3,56 0,25 6 3,54 0,20 7 3,58 0,25 8 3,56 0,20 9 3,6 0,8 0 3,54 0,33 3,55 0,30 2 3,59 0,23 3 3,58 0,08 4 3,57 0,20 5 3,60 0,23 6 3,57 0,33 7 3,56 0,5 8 3,60 0,20 9 3,57 0, ,53 0,5 2 3,60 0,5 22 3,59 0,8 23 3,57 0, ,60 0, ,57 0, ,6 0,8 27 3,58 0,20 a. Estabeleça a localização da linha central e dos limites de controlo para as cartas de média e de amplitude. [Carta da média: LC=3,574, LSC=3,70, LIC=3,45; Carta da amplitude: LC=0,28, LSC=0,46, LIC=0] b. As cartas indiciam a existência de causas assinaláveis de variação no processo? Justifique. [Não. Não há pontos fora dos limites de controlo] c. Estime a tolerância natural do processo (6σ) e pronuncie-se sobre a capacidade do processo para atingir a tolerância especificada. [Tolerância natural=6σ 6(0,094) 0,56 e Tolerância especificada=0,6. Como a primeira é cerca de 3,5 vezes superior à segunda, o processo está sob controlo estatístico mas não é capaz de atingir a tolerância especificada] 2. Reconsidere todas as questões colocadas no problema anterior, assumindo agora que o tamanho das amostras é agora n=8. [Carta da média: LSC=3,66, LIC=3,49; Carta da amplitude: LSC=0,4, LIC=0,03. O processo está sob controlo estatístico, mas não consegue atingir a tolerância especificada, visto que a tolerância natural (0,46) é igual ao triplo da tolerância especificada (0,6)]

3 3 3. A medida do diâmetro de uma certa peça de automóvel foi monitorada durante um certo período de tempo através de cartas de média e amplitude. Para o efeito, foram recolhidas 20 amostras de tamanho igual a 5, tendose feito o seguinte registo: Amostra Média Amplitude Observações (mm) (mm) 20,40 0, ,35 0, ,4 0, ,39 0, ,34 0, ,65 0,36 Operador novo 7 20,37 0, ,40 0, ,50 0, ,39 0,29-20,48 0, ,42 0,78 Linha de óleo danificada 3 20,6 0,36 Material de má qualidade 4 20,36 0, ,45 0, ,43 0,3-7 20,38 0, ,3 0, ,54 0, ,44 0,37 - a. Determine os valores centrais e os limites de controlo para as cartas de média e de amplitude. [Carta da média: LC=20,409, LSC=20,62, LIC=20,20; Carta da amplitude: LC=0,365, LSC=0,77, LIC=0] b. Identifique eventuais pontos que caiam fora dos limites de controlo nas duas cartas. [Carta da média: amostra 6 e amostra 3; Carta da amplitude: amostra 2] c. Calcule os limites de controlo revistos das cartas da média e da amplitude. [Carta da média: LSC=20,6, LIC=20,2; Carta da amplitude: LSC=0,73, LIC=0] d. Estime o valor de σ e da tolerância natural do processo. [Usar os limites revistos: 0,46; 0,876] 4. Num processo que está a ser acompanhado por cartas de média e amplitude com amostras de n=4, encontrou-se que, ao fim da recolha de 20 amostras: X = 4,340 R = 0,320 a. Estabeleça os limites de controlo para as cartas de média e de amplitude. [Carta da média: LSC=2,079, LIC=2,055; Carta da amplitude: LSC=0,037, LIC=0] b. Suponha que a variável medida tinha a especificação 2,050 ± 0,020. Compare a tolerância natural deste processo com a amplitude de tolerâcia especificada, e comente a capacidade do processo para atingir a especificação. [A tolerância natural (6σ=0,047) é ligeiramente superior à especificada (0,40). É aconselhável tentar reduzir a variabilidade do processo]

4 4 5. Num processo que está a ser acompanhado por cartas de média e amplitude com amostras de n=3, encontrou-se que, ao fim da recolha de 30 amostras: X = 2930 R = 230 a. Calcule os limites de controlo e estime σ, admitindo que o processo está sob controlo. [Carta da média: LSC=472,9, LIC=389,; Carta da amplitude: LSC=05,5, LIC=0; σ 24,2] b. Suponha que o limite inferior de especificação da variável era igual a 370. Se o processo estiver sob controlo, o que se pode dizer acerca da sua capacidade para cumprir esta especificação [O valor mais baixo da distribuição do processo é m-3s 358 está bastante abaixo do LIE. O processo está a ser capaz de cumprir a especificação] Amostra 6. O peso individual de bolachas de um certo tipo (em g) estava a ser acompanhado na linha de produção de uma fábrica através de cartas de controlo de média e amplitude. Os valores registados para 20 amostras de 5 bolachas cada constam do quadro abaixo. O valor especificado da variável era 37 ± 3 g. Média (g) Amplitude (g) Observações 34, , , , , , , , ,8 9 Operador novo 0 37,8 6 Operador novo 35, ,4 4 Falha de corrente 3 34,0 4 Material de má qualidade 4 35, , , , , , ,6 6 - a. Desenhe as cartas de controlo correspondentes. [Carta da média: LSC=37,09, LIC=29,93; Carta da amplitude: LSC=3,, LIC=0] b. As cartas indiciam a presença de causas assinaláveis de variação no processo? Justifique. [Carta da média: dois pontos fora dos limites, nº0 e nº2; Carta da amplitude: dois pontos fora dos limites, nº9 e nº3] c. Determine os limites de controlo revistos, se for caso disso. [Carta da média: LSC=35,92, LIC=30,08; Carta da amplitude: LSC=0,70, LIC=0] d. Estime a tolerância natural do processo. [6σ=3,05 g] e. O processo está a conseguir atingir as especificações? [Sim. A tolerância natural é cerca de 50% da especificada (26g)]

5 5 7. O diâmetro de uma certa peça está a ser sujeito a controlo estatístico mediante cartas de média e amplitude. Após se terem examinado 30 amostras de 5 peças cada uma, registou-se: X = R = 330 a. Calcular os limites de controlo para as cartas de média e amplitude. [Carta da média: LSC=49,3, LIC=36,7; Carta da amplitude: LSC=23,3, LIC=0] b. Estime a média e o desvio padrão do processo, assumindo que ele está sob controlo estatístico. [média=43; desvio padrão=4,73] c. Quais são as tolerâncias naturais deste processo?. [µ+3σ=57,2;µ- 3σ=28,8] 8. A voltagem de saída da fonte de alimentação de uma certa máquina fotocopiadora tem uma especificação de 350 ± 5 volts. Amostras de 4 unidades são retiradas a cada hora de laboração e testadas. Ao fim de 30 amostras, registou-se: X = 0560 R = 86,5 a. Calcular os limites de controlo para as cartas de média e amplitude, e estime o valor de σ. [Carta da média: LSC=354,0, LIC=349,90; Carta da amplitude: LSC=6,58, LIC=0; σ=,40] b. Assumindo que o processo está sob controlo e que a variação do produto segue uma distribuição normal, qual é a proporção de defeituosos que está a ser produzida? [P(x<345)+P(X>355)= 0,000+0,07 0,07, ou seja,7%]

6 6 9. Um equipamento electrónico foi concebido para emitir um sinal sonoro de 200 ms de duração. Durante a sua produção, amostras de n=5 artigos foram periodicamente recolhidas e testadas. Os registos de 25 amostras são apresentados abaixo. Nº da Amostra Duração do sinal sonoro (ms) a. Desenhe as cartas de média e amplitude. [Carta da média: LSC=206,03, LIC=93,24; Carta da amplitude: LSC=23,42, LIC=0] b. O processo está sob controlo estatístico? Justifique. [Sim. Não se detectaram causas assinaláveis de variação] c. Estime o desvio padrão do processo. [σ=4,764] d. Assumindo que a distribuição do sinal sonoro é aproximadamente normal, qual é a proporção de artigos que se espera que cumpra com as especificações 90,5 e 20,5 ms?. [P(90,5<X<20,5)=0,96, cerca de 96%] 0. Estão a ser utilizadas cartas de média e amplitude baseadas em amostras de 5 peças para controlar um processo. As especificações para uma certa característica crítica são 29 ± 0. Os produtos que excedem o Limite Superior de Especificação (LSE) podem ser reparados, mas os situados abaixo do Limite Inferior de Especificação (LIE) serão descartados. Ao fim de 50 amostras, registaram-se os seguintes valores: X = 06200,0 R = 58,5 a. Determine os limites de controlo para as cartas. [Carta da média: LSC=230,7, LIC=27,29; Carta da amplitude: LSC=24,59, LIC=0] b. Assumindo que o processo está sobre controlo e a característica medida tem distribuição normal, estimar σ e determinar as

7 7 percentagens de produto que deve ser reparada e que deve ser descartada. [σ=5;p(x<209)=0,003, 0,3%; P(X>229)=0,587, 6%] C. Cartas de Médias e Desvio Padrão. Estão a ser utilizadas cartas de controlo de média e desvio padrão para monitorar a resistência em Ohms no processo de fabrico de resistências para reóstatos. As cartas baseiam-se em amostras de n=5, e após 30 amostras, obteve-se: X = s = 26 a. Determine os limites de controlo para as cartas. [Carta da média: LSC=2004,30, LIC=888,7; Carta do desvio padrão: LSC=84,7, LIC=0] b. Estime o valor de σ, assumindo que o processo está sobre controlo estatístico. [σ=43,] c. Assumindo que a distribuição gerada pelo processo é aproximadamente normal, calcule a proporção de bobinas que está conforme a especificação 2000 ± 50. [P(850<X<250)=0,987, 98,7%] 2. Para controlar um processo, fizeram-se simultaneamente cartas de média e amplitude, e cartas de média e desvio padrão, baseadas em amostras n=4. Calcule os limites de controlo para estas cartas, sabendo que ao fim das primeiras 00 amostras recolhidas se registaram os seguintes valores: 00 X = R = 2076 s = 932,8 [Cartas média/amplitude: LSC=45,2, LIC=4,94; LSC=47,37, LIC=0. Cartas média/ desvio padrão: LSC=45,26, LIC=4,89; LSC=2,4, LIC=0] 3. Para controlar a profundidade de um rasgo (em mm) num eixo de um motor, estão a ser construídas cartas de média e desvio padrão baseadas em amostras de n=4 peças. Ao fim de 25 amostras tinham-se registado os seguintes dados:

8 8 Nº da amostra Média (mm) Desvio padrão (mm) Observações 6, ,40 0, ,36 0, ,65 0,045 Operador novo 5 6,39 0, ,40 0,04 7 6,43 0, ,37 0, ,50 0,08 0 6,42 0,045 6,39 0,04 2 6,38 0, ,40 0,05 4 6,4 0, ,45 0, ,34 0, ,36 0, ,42 0,25 Linha de óleo danificada 9 6,35 0, ,5 0,054 Material de má qualidade 2 6,40 0, ,39 0, ,39 0, ,38 0, ,4 0,029 a. Calcule os limites para as cartas de média e desvio padrão. [Carta da média: LSC=6,47, LIC=6,35; Carta do desvio padrão: LSC=0,08, LIC=0] b. O processo está sob controlo estatístico? Justifique. [Carta da média: pontos amostrais nº 4, 9, 6 e 20 fora dos limites; Carta do desvio padrão: ponto amostrais nº 8 fora dos limites] c. Calcule os limites de controlo revistos, se for caso disso. [Carta da média: LSC=6,45, LIC=6,33; Carta do desvio padrão: LSC=0,074, LIC=0] 4. O teor de humidade (em %) de um certo alimento está a ser monitorado mediante cartas de controlo, tomando amostras de n=8 unidades de produto. Apresentam-se na tabela abaixo os valores registados para a média, a amplitude e o desvio padrão de 22 amostras: Nº da amostra Média (%) Desvio padrão (%) Amplitude (%) 2,72 0,536,2 2 2,80 0,339 0,9 3 3,04 0,669,7 4 3,4 0,477,3 5 2,52 0,526,3 6 3,20 0,543,5 7 2,78 0,92 2,2 8 3,8 0,526,3 9 3,28 0,963 2,4 0 2,74 0,329 0,9 2,78 0,370 0,9 2 2,92 0,438,2 3 2,94 0,559,4 4 3,8 0,492,2 5 2,88 0,432,2 6 2,92 0,554,3 7 3,02 0,683,8 8 3,04 0,82 0,5 9 3,4 0,573,6 20 2,84 0,69,5 2 2,90 0,36 0,8 22 2,94 0,54,3

9 9 a. Obtenha as cartas da média e da amplitude. [Carta da média: LSC=3,45, LIC=2,45; Carta da amplitude: LSC=2,49, LIC=0,8] b. Liste os pontos fora de controlo nas cartas de média e amplitude. [Nenhum ponto fora dos limites em ambas] c. Assuma que o teor de humidade tem uma distribuição aproximadamente normal, e que as suas especificações são 3,0 ± 0,5. i. Estime o valor do desvio padrão do processo [σ=0,469] ii. Estime a percentagem de produtos que deverá ser considerada como não-conforme. [P(X>LSE=0,2, P(X<LIE)=0,7; portanto 29%] iii. O processo está a conseguir atingir as especificações? [Não: a tolerância especifica (=,0) é quase três vezes inferior à tolerância natural (6σ=2,84] iv. Repita ii. e iii., supundo agora que a especificação era 3,0 ± 2,0. [0% de não-conformes. Processo atinge especificações] d. Obtenha as cartas de média e desvio padrão, e identifique pontos fora de controlo [Carta da média: LSC=3,53, LIC=2,37; Carta do desvio padrão: LSC=0,955, LIC=0,097; nenhum ponto fora dos limites] D. Cartas do Número de Defeituosos (cartas np). A inspecção diária de uma certa componente electrónica para o fabrico de televisores ao longo de um período de 2 dias forneceu os resultados da tabela abaixo. a. Obter a carta np para estes dados. [LC 8; LSC 3;, LIC 6] b. Identificar os eventuais pontos fora de controlo. [Há 3 pontos amostrais fora dos limites: nº 5, 6, 0] c. Calcule os limites de controlo revistos, se for caso disso. [LC 6; LSC 28;, LIC 5] Dia Tamanho do lote (n) Número de rejeitados (r) Total Uma empresa produz concentrado de sumo de laranja congelado, que é depois vendido em embalagens cilindricas de cartão com uma capacidade de 250 ml. As embalagens são construídas numa máquina que enrola a folha de cartão e depois aplica na base uma tampa metálica. A inspecção

10 0 das embalagens permite avaliar se elas deixarão eventualmente escapar produto pela costura lateral ou através da tampa metálica da base. Para estabelecer uma carta de controlo do número de não-conformes, foram recolhidas 30 amostras de n=50 embalagens cada, a intervalos de meia hora. Os dados recolhidos constam da tabela abaixo. a. Obter a carta np para estes dados. [LC 2; LSC 2;, LIC 3] b. Identificar os eventuais pontos fora de controlo. [Há 2 pontos amostrais fora dos limites: nº 5 e nº 23] c. Calcule os limites de controlo revistos, se for caso disso. [LC ; LSC 20, LIC 2] Nº da Número de nãoconformes Observações Amostra (r) Novo material Novo operador Total Um certo artigo é fabricado em lotes de 200 items cada. Os lotes são submetidos a uma inspecção 00%. O registo dos 25 primeiros lotes mostrou que havia um total de 75 artigos que não estavam conformes as especificações. a. Determine os limites de controlo para a carta np destes dados. [LC=3; LSC 8;, LIC 0] b. Assuma que todos os pontos da carta caem dentro dos limites de controlo. Estime a fracção média de não-conformes, µ p. [µ p =0,05] c. Se este valor de µ p se mantiver inalterado, qual é a probabilidade de que o 26º lote contenha exactamente 7 artigos não-conformes? E que contenha pelo menos 7 artigos não-conformes? (Use a tabela da lei de Poisson acumulada). [0,022; 0,034]

11 E. Cartas da Fracção Defeituosa (cartas p). No fabrico de um determinado artigo, acompanhou-se o processo através de cartas da fracção defeituosa, tomando amostras de tamanho n=300 durante um período de 25 dias. Os registos figuram na tabela abaixo. a. Determinar o valor central e os limites de controlo para uma carta p. [LC 0,075; LSC=0,0402;, LIC 0] b. Assumindo que todos os pontos fora dos limites que eventualmente apareçam se devem a causas especiais de variação devidamente identificadas na folha de registo, calcule os limites de controlo revistos e desenhe a carta. [Amostra do 5º dia fora dos limites;lc=0,054; LSC=0,0367, LIC 0] Dia Tamanho do lote (n) Número de rejeitados (r) Total Numa empresa que fabrica geradores eléctricos, são inspeccionados diariamente 50 geradores. A melhor estimativa da fracção defeituosa é 0,076. a. Determine o valor central e os limites de controlo para uma carta p. [LC=0,076; LSC=0,88; LIC 0] b. Num certo dia, foram encontrados 5 geradores defeituosos. O processo estava sob controlo nesse dia? [Como a proporção de defeituosos nesse dia (=0,0) estava dentro dos limites de controlo, conclui-se que o processo estava sob controlo] 3. Numa companhia que fabrica vários tipos de tubos de raios catódicos, o processo de fabrico de um certo tipo de tubo está a ser acompanhado por cartas p. Os registos correspondentes a um período de 2 dias durante o qual o processo esteve atribulado figuram na tabela abaixo.

12 2 a. Determine o valor central e os limites de controlo para uma carta p. [LC=0,26; LSC=0,392; LIC=0,28] b. Assumindo que todos os pontos fora dos limites que eventualmente apareçam se devem a causas especiais de variação devidamente identificadas na folha de registo, calcule os limites de controlo revistos e desenhe a carta. [Amostra do 2º dia fora dos limites;lc=0,25; LSC=0,380, LIC=0,20] Dia Tamanho do lote (n) Fracção rejeitada (p) 00 0, , , , , , , , , , , , , , , , , , , , ,24 4. Um fabricante compra parafusos de pequena dimensão, que são vendidos em embalagens contendo vários milhares de unidades do produto. Como uma parte do processo de aceitação destes parafusos, costuma seleccionar aleatoriamente 400 parafusos de cada embalagem, submetendo-os depois a uma inspecção visual para detectar os nãoconformes. Numa encomenda de 0 embalagens do produto, as proporções de parafusos rejeitados em amostras recolhidas em cada embalagem foram: 0 0 0,5 0,75 0 2,0 0,25 0 0,25,25 Acha que esta encomenda de parafusos evidencia a vigência de controlo estatístico no processo do fabrico dos parafusos? [Não. Há pontos fora dos limites de controlo (LSC=0,575;LIC=0,425)] F. Cartas do Número de Defeitos (cartas c). A tabela abaixo apresenta o número de não-conformidades observadas em 26 amostras sucessivas de 00 circuitos electrónicos impressos. Repare-se que, por razões de conveniência operacional, a unidade de amostragem foi definida como sendo 00 circuitos.

13 3 a. Determine o valor central e os limites de controlo para uma carta c. [LC 9,85; LSC=33,22, LIC 6,48] b. Há evidência para acreditar que o processo esteja a ser afectado por causas assinaláveis de variação? Justifique. [Sim. As amostras nº 5 e nº 20 estão fora dos limites de controlo] c. Se for caso disso, determine o valor central e os limites de controlo revistos. [LC 9,67; LSC=32,98, LIC 6,37] Nº da amostra Nº de não-conformidades (c) Observações Novo inspector (inexperiente) Problemas com o controlo da temperatura na máquina de soldar A tabela abaixo apresenta o número de não-conformidades observadas em 25 amostras de tecido de um certo tipo, cada com uma área de m 2. a. Determine o valor central e os limites de controlo para uma carta c. [LC 4,08; LSC=0,, LIC 0] b. Há evidência para acreditar que o processo esteja a ser afectado por causas assinaláveis de variação? Justifique. [Não. Não há pontos fora dos limites de controlo] Nº da amostra Nº de não-conformidades (c)

14 4 G. Cartas do Número de Defeitos por Unidade (cartas u). Uma cadeia de distribuição de produtos biotecnológicos está a monitorar os embarques de material através da sua rede de distribuição. Para o efeito, os erros detectados na entrega e/ou na documentação acompanhante estão a ser registados numa base semanal. Semanalmente, eram aleatoriamente seleccionadas e examinadas 50 encomendas, e os erros registados. Na tabela abaixo figuram os dados de 20 semanas. a. Determine o valor central e os limites de controlo para uma carta u. [LC 0,074; LSC=0,894, LIC 0] b. Desenhe a carta e tire conclusões. Nº da semana Tamanho da amostra Nº total de nãoconformidades 2. Uma empresa fabrica caixas plásticas para as CPU s de computadores pessoais por um processo de moldagem por injecção. Periodicamente, são recolhidas amostras de 5 artigos do processo, registando-se o número de não conformidades nelas encontradas. Na tabela abaixo figuram os dados de 25 amostras. a. Determine o valor central e os limites de controlo para uma carta u. [LC 0,528; LSC=,5, LIC 0] b. Identifique os pontos fora de controlo. Caso seja pertinente, calcule os limites de controlo revistos. [Amostras nº 4 e nº 23 fora de controlo; LC 0,426; LSC=,3, LIC 0] c. Suponha que em vez de amostras de 5 caixas se tinham recolhido amostras de 0 caixas. Repita as alíneas a) e b) e comente. [a) LC 0,264; LSC=0,75, LIC 0; b) Amostras nº 4 e nº 23 fora de controlo; LC 0,23; LSC=0,65, LIC 0]

15 5 Nº da amostra Tamanho da amostra Nº total de não-conformidades INSPECÇÃO POR AMOSTRAGEM A. Curvas Características de Operação e Índices de Qualidade. Considere o plano de amostragem simples em que n=50, c= e N=2000. a. Sem utilizar tabelas, estime as probabilidades de aceitação de lotes com 0,4, 2, 4, e 6% de defeituosos, respectivamente. [0,9824, 0,7358, 0,4060 e 0,992, respectivamente] b. Verifique agora os valores que calculou, recorrendo às tabelas apropriadas. 2. Um plano de amostragem tem n=0 e c=3. Sabe-se que o tamanho do lote é elevado quando comparado com o tamanho da amostra. a. Usando a tabela estatística apropriada, estime as probabilidades de aceitação de lotes com 0,5,, 2, 3, 4, 5, 6 e 8% de defeituosos. [0,998, 0,974, 0,89, 0,58, 0,359, 0,202, 0,05, 0,025, respectivamente] b. Desenhe a curva CO para este plano de amostragem. c. Estime os valores aproximados da percentagem de defeituosos a que correspondem valores de P a iguais a 0,95, 0,50 e 0,0, respectivamente. Que nome especial têm o primeiro e o terceiro destes valores da percentagem de defeituosos? [Os valores podem ser lidos directamenete na curva CO, e são,3, 3,6 e 6,6%, respectivamente (Poderiam também ser achados na Tabela das Distribuições de Poisson Acumuladas). Chamam-se NQA e LTPD, respectivamente]

16 6 3. Considere o plano de amostragem simples em que n=75, c= e N=500. a. Estime p 0,95, p 0,50 e p 0,0 (% de defetuosos dos lotes cujas probabilidades de aceitação são 0,95, 0,50 e 0,0, respectivamente). [Usando tabelas, encontra-se 0,5, 2,24 e 5,9%, respectivamente] b. Estime a P a de um lote com 2% de defeituosos. [0,558] 4. Considere o plano de amostragem simples em que n=75, c= e N=2000. a. Estime as P a s de lotes com 0,2, 0,4, 0,6, 0,8,,0,,2,,4,,6,,8, 2,0, 2,, 2,2, 2,3, 2,4, 2,5, 3,0, 3,5, 4,0, 4,5 e 5% de defeituosos. [Usando a aproximação de Poisson, encontra-se 0.990, 0,963, 0,925, 0,878, 0,827, 0,773, 0,77, 0,663, 0,60, 0,558, 0,533, 0,509, 0,486, 0,463, 0,44, 0,343, 0,263, 0,99, 0,50, 0,2, respectivamente] b. Esboçe a Curva da Qualidade Média Resultante (QMR), e estime o Limite da Qualidade Média Resultante (LQMR). [LQMR,2%] 5. Um fabricante de artigos eléctricos recebe componentes de três fornecedores diferentes. A sua prática é seleccionar dos lotes submetidos uma amostra aleatória representando 0% do tamanho do lote, e rejeitálos quando encontra neles uma ou mais peças defeituosas. Suponha que os fornecedores A, B e C submeteram componentes em lotes de 00, 250 e 000 artigos, respectivamente. a. Para cada um dos fornecedores, estime p 0,95, p 0,50 e p 0,0. [A partir das tabelas da Poisson acumulada, e fazendo as interpolações necessárias, estimam-se os seguintes valores: Fornecedor A-: 0,52%, 6,94%, 23,%; Fornecedor B- 0,2%, 2,78%, 9,24%; Fornecedor C- 0,052%, 0,69%, 2,3%] b. Considera a metodologia usada pelo fabricante correcta? Justifique. [É incorrecta: lotes com um nível de qualidade muito diferente são aceites com idêntica probabilidade. O nível de qualidade aceitável do fornecedor A (NQA A =0,52%)é cerca de 0 vezes superior ao do fornecedor C (NQA C =0,052%). O interesse do fabricante seria manter o mesmo NQA para todos os fornecedores.] c. Calcule a probabilidade de aceitação de um lote com p=3% de defeituosos oriundo de cada um dos três fornecedores. [Utilizando a tabela da Poisson acumulada, conclui-se que um lote com 3% de defeituosos é aceite em 74% das vezes no caso do fornecedor A, 47% das vezes no caso do fornecedor B e em apenas 5% das vezes no caso do fornecedor C. Mais uma vez se comprova que a metodologia utilizada pelo fabricante é inaceitável!] 6. Considere os seguintes dois planos de amostragem simples: i. N=5000, n=50, c=; ii. N=5000, n=00, c=2. Apresentam-se abaixo as respectivas Curvas Características de Operação (curvas CO) e Curvas da Qualidade Média Resultante (curvas QMR). a. A partir das curvas CO, estime os valores aproximados de NQA e LTDP. Assuma que os valores dos riscos do produtor e do consumidor são iguais a 5% e 0%, respectivamente. [Plano (i): NQA 0,8% e LTPD 8%; Plano (ii): NQA 0,9% e LTPD 5,4%]

17 7 b. A partir das curvas QMR, estime os valores do Limite da Qualidade Média Resultante (LQMR) e da percentagem de defeituosos para a qual QMR atinge um máximo. [Plano (i): LQMR,7 00p 3,%; Plano (ii): LQMR,4 e 00p 2,2%] Curvas CO.0 Probabilidade de aceitação (P a ) (i) (ii) Percentagem de defeituosos (00p) Curvas QMR 2.0 Qualidade Média Resultante (QMR) (ii) (i) Percentagem de defeituosos (00p)

18 8 B. Tabelas da Norma MIL-STD-05E (ANSI/ASQC Z.4; ISO 2859). Caracterize os seguintes planos de amostragem para aceitação, regidos pela Norma MIL-STD-05E: a. Amostragem simples, Nível II, inspecção normal, N=000, NQA=,0. [Letra código J, n=80, Ac=2, Re=3] b. Amostragem simples, Nível III, inspecção rigorosa, N=5000, NQA=,5. [Letra código M, n=35, Ac=8, Re=9] c. Amostragem dupla, Nível I, inspecção reduzida, N=000, NQA=,0. [Letra código G; ª amostra: n=3, Ac=0, Re=2; 2ª amostra: n=26, Ac=0, Re=2] d. Amostragem dupla, Nível III, inspecção rigorosa, N=5000, NQA=,5. [Letra código M; ª amostra: n=200, Ac=3, Re=7; 2ª amostra: n=400, Ac=, Re=2] e. Amostragem múltipla, Nível I, inspecção normal, N=5000, NQA=,0. [Letra código J; ª amostra: n=20, Ac=#, Re=2; 2ª amostra: n=40, Ac=0, Re=3; 3ª amostra: n=60, Ac=0, Re=3; 4ª amostra: n=80, Ac=, Re=4; 5ª amostra: n=00, Ac=2, Re=4; 6ª amostra: n=20, Ac=3, Re=5; 7ª amostra: n=40, Ac=4, Re=5] 2. Dos seguintes planos de amostragem, qual é o que oferece a menor protecção contra lotes que possuem % de defeituosos: A. n=25, Ac=3, Re=4; B. n=200, Ac=3, Re=4; C. n=200, Ac=2, Re=3; D. n=25, Ac=2, Re=3? [Plano A, porque tem a maior Probabilidade de Aceitação (A:Pa=0,965; B:Pa=0,857;C:Pa=0,677; D:Pa=0,0,868)] 3. Num processo de controlo por amostragem regido pela norma MIL-STD- 05E, foi utilizada uma amostragem simples, nível de inspecção II, e NQA=4%, sendo o tamanho do lote igual a a. Caracterize os planos de amostragem para as situações de inspecção normal, inspecção rigorosda e inspecção reduzida. [Letra código K; inspecção normal: n=25, Ac=0, Re=; inspecção rigorosa: n=25, Ac=8, Re=9; inspecção reduzida: n=50, Ac=5, Re=8] b. Utilize tabelas da Lei de Poisson Acumulada para calcular as probabilidades de aceitação de um produto com 4% de defeituosos, sob inspecção normal, inspecção rigorosa e inspecção reduzida. [0,986, 0,932 e 0,983, respectivamente] c. Assuma que está a ser aplicada uma inspecção normal, nas condições estipuladas no plano de amostragem supracitado. Uma série de lotes com 8% de defeituosos é submetida para aceitação. Qual é o valor aproximado da probabilidade de ser necessária uma mudança para inspecção rigorosa após a ocorrência dos dois primeiros lotes com aquelas características? (Nota: admita que não ocorreram rejeições nos quatro lotes precedentes) [0,739]

19 9 d. Assuma que está a ser aplicada uma inspecção rigorosa nas condições da alínea c). Após a rejeição de um lote, a qualidade do produto melhora até ao ponto em que os lotes só têm agora 4% de nãoconformes. Qual é a probabilidade aproximada de a inspecção normal voltar a ser implementada após os próximos cinco lotes deste tipo? [0,7032] e. Suponha que um lote com 8% de não-conformes é submetido a inspecção reduzida, nas condições estipuladas no plano de amostragem do problema. Utilize tabelas da Lei de Poisson Acumulada para calcular as probabilidades de que: i. o lote seja aceite e a inspecção reduzida continuada; [0,785] ii. o lote seja aceite, mas a inspecção normal seja retomada; [0,64] iii. o lote seja regeitado. [0,05] 4. Num processo de aceitação por amostragem regido pela norma MIL-STD- 05E, foi utilizada uma amostragem simples, nível de inspecção II, e NQA=0,4%, sendo o tamanho do lote igual a 500. a. Caracterize os planos de amostragem para as situações de inspecção normal e inspecção rigorosa. [Letra código K; inspecção normal: n=25, Ac=, Re=2; inspecção rigorosa: n=200, Ac=, Re=2] b. Assuma que, para a situação descrita, o processo tem estado a operar em regime de inspecção normal e que os últimos cinco lotes inspeccionados foram aceites. De repente, a qualidade dos lotes muda para,6% de não-conformes. Calcule: i. a probabilidade aproximada de que o próximo lote a ser inspeccionado seja aceite; [0,406] ii. a probabilidade de que se torne necessário mudar de inspecção normal para inspecção apertada dentro dos próximos cinco lotes a serem inspeccionados. [0,9083] c. Suponha que, nas condições acima descritas, o processo está agora sob inspecção apertada. Entretanto, foram tomadas medidas correctivas, por tal forma que a média de não-conformes baixou para 0,4%, o valor do NQA. O último lote inspeccionado foi rejeitado. i. Calcule a probabilidade aproximada de que o próximo lote a ser inspeccionado seja aceite; [0,809] ii. Calcule a probabilidade de que a inspecção mude de apertada para normal no âmbito dos próximos cinco lotes a serem inspeccionados. [0,3465]

- C E Q - Exercícios Resolvidos. Controlo Estatístico da Qualidade. Instituto Superior Técnico. Secção de Tecnologia Mecânica

- C E Q - Exercícios Resolvidos. Controlo Estatístico da Qualidade. Instituto Superior Técnico. Secção de Tecnologia Mecânica Instituto Superior Técnico Secção de Tecnologia Mecânica Exercícios Resolvidos Qualidade no Processo de Fornecimento ontrolo Estatístico da Qualidade - E Q - 2005 Pedro Vilaça Exercício 1 : A Hi-Tech Industries

Leia mais

LAN 2740 INSPEÇÃO DA QUALIDADE. Inspeção para aceitação Planos de amostragem

LAN 2740 INSPEÇÃO DA QUALIDADE. Inspeção para aceitação Planos de amostragem LAN 2740 INSPEÇÃO DA QUALIDADE Inspeção para aceitação Planos de amostragem INSPEÇÃO DA QUALIDADE Em um processo produtivo, a inspeção da qualidade pode ser efetuada em diversos estágios: recepção de matéria-prima

Leia mais

Inspeção de Qualidade

Inspeção de Qualidade Inspeção de Qualidade Roteiro 1. Inspeção para Aceitação 2. Planos de Amostragem Simples 3. Determinação Plano de Amostragem 4. Inspeção Retificadora 5. Plano de Amostragem Dupla 6. Referências Inspeção

Leia mais

CAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS

CAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS CAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS 1. PLANOS DE AMOSTRAGEM tamanho do lote; nível de inspeção; tamanho da amostra; tipos de inspeção; regime de inspeção; nível de qualidade aceitável

Leia mais

UNIVERSIDADE DA BEIRA INTERIOR. Verde Castanho Vermelho Azul Branco Total

UNIVERSIDADE DA BEIRA INTERIOR. Verde Castanho Vermelho Azul Branco Total UNIVERSIDADE DA BEIRA INTERIOR Probabilidades e Estatística 2008/2009 GESTÃO E ECONOMIA FICHA DE TRABALHO 6: Teste de Ajustamento. 1. Uma máquina de lavar a roupa é vendida em cinco cores: verde, castanho,

Leia mais

CONTROLE ESTATÍSTICO DE PROCESSOS

CONTROLE ESTATÍSTICO DE PROCESSOS Ferramentas da Qualidade CONTROLE ESTATÍSTICO DE PROCESSOS CONTROLE ESTATÍSTICO DE PROCESSOS (3/4) Gráficos de controle Gráfico de controle de variáveis Gráfico de controle de atributos Gráficos de Controle

Leia mais

CEP: Controle Estatístico de Processo

CEP: Controle Estatístico de Processo CEP: Controle Estatístico de Processo CEP: Controle Estatístico de Processos CEP (SPC Statistical Process Control) é uma técnica estatística para verificar a qualidade de um produto, durante o processo

Leia mais

Controle Estatístico do Processo (CEP)

Controle Estatístico do Processo (CEP) Controle Estatístico do Processo (CEP) CONTROLE ESTATÍSTICO DO PROCESSO É UM MÉTODO QUE PERMITE CONTROLAR CONTÍNUAMENTE AS CARACTERÍSTICAS CHAVES DE UM PRODUTO E PROCESSO, VISANDO A SUA MELHORIA. ORIGEM

Leia mais

CE219 - Controle Estatístico de Qualidade

CE219 - Controle Estatístico de Qualidade CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 06 de junho, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 06 de junho, 2017 1 / 29 Aula 9 - Amostragem de aceitação

Leia mais

Morgana Pizzolato, Dr a. Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

Morgana Pizzolato, Dr a. Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Morgana Pizzolato, Dr a. Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Inspeção 100% Inspeção por amostragem 2 ATIVIDADE Cinco caixas (A, B, C, D,

Leia mais

Inspeção de Qualidade

Inspeção de Qualidade Inspeção de Qualidade Nem sempre a inspeção 100% é possível ou necessária. 1.Inspeção para aceitação Na inspeção por amostragem, itens são selecionados aleatoriamente do lote para compor a amostra. Dependendo

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA

ESCOLA SUPERIOR DE TECNOLOGIA Departamento Matemática Disciplina Estatística Aplicada Curso Engenharia Mec. Gest. Industrial 4º Semestre 2º Folha Nº2: Probabilidades 1. Na inspecção final a uma componente electrónica esta é classificada

Leia mais

Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Inspeção 100% Inspeção por amostragem 2 ATIVIDADE Cinco caixas

Leia mais

Aceitação por amostragem. Introdução. Introdução. Engenharia Alimentar. Controlo da Qualidade 2005

Aceitação por amostragem. Introdução. Introdução. Engenharia Alimentar. Controlo da Qualidade 2005 Aceitação por amostragem Controlo da Qualidade 2005 Engenharia Alimentar Introdução Procedimentos para aceitar ou rejeitar um dado lote de produto Pode ser utilizado Recepção da matéria prima Durante várias

Leia mais

PRO 2712 CONTROLE DA QUALIDADE 1. Inspeção por Amostragem

PRO 2712 CONTROLE DA QUALIDADE 1. Inspeção por Amostragem PRO 2712 CONTROLE DA QUALIDADE 1 Inspeção por Amostragem PRO 2712 CONTROLE DA QUALIDADE 2 UM EXEMPLO SIMPLES Caixas com 10 bolas coloridas 10 PRETAS 9 PRETAS 1 BRANCA 8 PRETAS 1 BRANCA A B C 7 PRETAS 3

Leia mais

Exemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN)

Exemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN) EXEMPLOS Exemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN) É dada a tabela de escolha do código de amostra em função do tamanho do lote e do nível de inspeção

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA

ESCOLA SUPERIOR DE TECNOLOGIA Departamento Matemática Curso Engenharia e Gestão Industrial 1º Semestre 2º Folha Nº8 Testes de hipóteses paramétricos 1. O director comercial de uma cadeia de lojas pretende comparar duas técnicas de

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cientifica Curso Matemática Engenharia Electotécnica Curricular Folha Nº7. Considere uma fábrica que produz cabos eléctricos cujos diâmetros são normalmente distribuídos com média µ e desvio padrão

Leia mais

CAPÍTULO 6 CARACTERÍSTICAS DE OPERAÇÃO DOS PLANOS DE AMOSTRAGEM

CAPÍTULO 6 CARACTERÍSTICAS DE OPERAÇÃO DOS PLANOS DE AMOSTRAGEM CAPÍTULO 6 CARACTERÍSTICAS DE OPERAÇÃO DOS PLANOS DE AMOSTRAGEM A CCO define para cada plano de amostragem: a probabilidade de aceitação do lote (P) que tem uma qualidade p em porcentagem defeituosa, e

Leia mais

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :

Leia mais

Ficha Facultativa de Avaliação de Controlo Estatístico de Qualidade

Ficha Facultativa de Avaliação de Controlo Estatístico de Qualidade Ficha Facultativa de Avaliação de Controlo Estatístico de Qualidade Cotação: 2 Valores a adicionarem à nota do Teste Final (com um máximo total de 20 Valores). Regra: Entregar na aula de CGQ de 14 de Novembro

Leia mais

Departamento de Matemática - IST(TP)

Departamento de Matemática - IST(TP) Departamento de Matemática - IST(TP) Secção de Estatística e Aplicações Probabilidades e Estatística LEIC+LERC+LEE 2 o Exame/2 o Teste 2 o Semestre/2 a Época 2007/08 Duração: 3 horas/1 hora e 30 minutos

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é

Leia mais

2)Para o exercício anterior e usando os limites de controle e estimativas revistas para este processo, determine se este está estável. Justifique.

2)Para o exercício anterior e usando os limites de controle e estimativas revistas para este processo, determine se este está estável. Justifique. ª LISTA DE ESTATÍSTICA (apresentar os cálculos com 4 casas decimais) )Em uma fábrica de produtos de higiene foram medidos os pesos de sabonetes em amostras de tamanho cinco. Supõe-se que o peso dos sabonetes

Leia mais

Morgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

Morgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Morgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Teorema do Limite Central (TLC) Introdução ao Controle Estatístico

Leia mais

Lista de Exercícios 2 Probabilidades Escola Politécnica, Ciclo Básico

Lista de Exercícios 2 Probabilidades Escola Politécnica, Ciclo Básico Lista de Exercícios 2 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) O número de quilômetros que um carro pode rodar sem que a bateria descarregue possui distribuição exponencial

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA

ESCOLA SUPERIOR DE TECNOLOGIA Departamento Matemática Disciplina Estatística Aplicada Curso Engenharia Mec Gest Industrial º Semestre º Folha Nº3: Variáveis Aleatórias De um lote que contém 0 parafusos, dos quais 5 são defeituosos,

Leia mais

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo

Leia mais

Garantia da qualidade no aprovisionamento

Garantia da qualidade no aprovisionamento arantia da qualidade no aprovisionamento Transparências de apoio às disciplinas de estão da Qualidade e Fiabilidade e ontrolo de Qualidade rupo de ontrolo e estão Qualidade no aprovisionamento Que questões

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA

ESCOLA SUPERIOR DE TECNOLOGIA Departamento Matemática Curso Engenharia do Ambiente 2º Semestre 1º Folha Nº 5: Testes Paramétricos Probabilidades e Estatística 1. O director comercial de uma cadeia de lojas pretende comparar duas técnicas

Leia mais

Variáveis aleatórias discretas

Variáveis aleatórias discretas Probabilidades e Estatística + Probabilidades e Estatística I Colectânea de Exercícios 2002/03 LEFT + LMAC Capítulo 3 Variáveis aleatórias discretas Exercício 3.1 Uma caixa contém 6 iogurtes dos quais

Leia mais

Amostragem e distribuições por amostragem

Amostragem e distribuições por amostragem Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística

Leia mais

Controle Estatístico de Qualidade. Capítulo 5 (montgomery)

Controle Estatístico de Qualidade. Capítulo 5 (montgomery) Controle Estatístico de Qualidade Capítulo 5 (montgomery) Gráficos de Controle para Variáveis Relembrando Dois objetivos do CEP: Manter o processo operando em condição estável durante maior parte do tempo;

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA

ESCOLA SUPERIOR DE TECNOLOGIA Departamento Matemática Curso Engenharia e Gestão Industrial 1º Semestre 2º Folha Nº8 Testes de hipóteses paramétricos 1. O director comercial de uma cadeia de lojas pretende comparar duas técnicas de

Leia mais

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100% . Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística

Leia mais

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais

Leia mais

x, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade

x, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 6 Estimação Pontual Exercício 6.1. Considere a população X com função densidade de probabilidade { x, x < 1 f(x)

Leia mais

ANEXO A CONTROLE DE QUALIDADE: NORMA MIL-STD-105E

ANEXO A CONTROLE DE QUALIDADE: NORMA MIL-STD-105E 134 ANEXO A CONTROLE DE QUALIDADE: NORMA MIL-STD-105E 134 135 Aqui se apresenta um resumo baseado na consulta do própria norma MIL- STD-105E (1989) e em MONTGOMERY (2005). Nessa norma apresenta-se padrões

Leia mais

MATERIAL TÊXTIL PARA TOLDO MILITAR Requisitos Gerais Especificação. 1 Objetivo Normas e/ou Documentos Complementares Definições...

MATERIAL TÊXTIL PARA TOLDO MILITAR Requisitos Gerais Especificação. 1 Objetivo Normas e/ou Documentos Complementares Definições... NORMA DO EÉRCITO BRASILEIRO MATERIAL TÊTIL PARA TOLDO MILITAR Requisitos Gerais Especificação N E B / T E-299 SUMÁRIO Página 1 Objetivo... 1 2 Normas e/ou Documentos Complementares... 1 3 Definições...

Leia mais

Probabilidade e Estatística 2011/2

Probabilidade e Estatística 2011/2 Probabilidade e Estatística 2011/2 Prof. Fernando Deeke Sasse Exercícios resolvidos sobre distribuições discretas Distribuição Binomial 1. Lotes de 50 peças são examinados. O número médio de peças não-conformes

Leia mais

PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades

PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades PRO71 ESTATÍSTICA 3.1 PRO 71 ESTATÍSTICA I 3. Distribuições de Probabilidades Variáveis Aleatórias Variáveis Aleatórias são valores numéricos que são atribuídos aos resultados de um eperimento aleatório.

Leia mais

Curso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09. Prof. Eduardo R Luz - MsC

Curso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09. Prof. Eduardo R Luz - MsC Curso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09 Prof. Eduardo R Luz - MsC AULA 1 SUMÁRIO A Administração da Qualidade O Controle da Qualidade CEP Origem e história Outros conceitos relacionados ao CEP

Leia mais

Morgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

Morgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Morgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Cronograma parcial DPS1037 Data Aula Conteúdo 10/ago 1 Introdução à Engenharia da Qualidade

Leia mais

Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014)

Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014) Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014) 1) Seja X v.a. representando o número de usuários de um microcomputador no período

Leia mais

Lista de Exercícios para Segundo Exercício Escolar

Lista de Exercícios para Segundo Exercício Escolar Universidade Federal de Pernambuco Centro de Ciências Exatas e da Natureza Departamento de Estatística Contato: Professora Fernanda De Bastiani, coord-area-2@de.ufpe.br Lista de Exercícios para Segundo

Leia mais

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

Engenharia da Qualidade II. Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Engenharia da Qualidade II Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente.

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Terceira Lista de Exercícios

UNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Terceira Lista de Exercícios UNIVERSIDADE FEDERAL DA PARAÍBA Cálculo das Probabilidades e Estatística I Professora: Juliana Freitas Pires Terceira Lista de Exercícios Parte I: Variáveis aleatórias, Esperança e Variância Questão 1.

Leia mais

UFRGS - Graduação em Estatística Disciplina: Mat2282 Análise Estat. Não Paramétrica Lista de exercícios 02: testes paramétricos de hipóteses

UFRGS - Graduação em Estatística Disciplina: Mat2282 Análise Estat. Não Paramétrica Lista de exercícios 02: testes paramétricos de hipóteses 01. Dados os valores: 4, 6, 3, 6 e 6, de uma amostra aleatória de 5 (cinco) observações de uma variável X, estime a média e a variância de X e admitindo que X tenha uma distribuição normal, teste, a 5%,

Leia mais

Turma: Engenharia Data: 12/06/2012

Turma: Engenharia Data: 12/06/2012 DME-IM-UFRJ - 2ª Prova de Estatística Unificada Turma: Engenharia Data: 12/06/2012 1 - Admita que a distribuição do peso dos usuários de um elevador seja uma Normal com média 75kg e com desvio padrão 15kg.

Leia mais

Universidade da Beira Interior Departamento de Matemática

Universidade da Beira Interior Departamento de Matemática Universidade da Beira Interior Departamento de Matemática ESTATÍSTICA Ano lectivo: 2007/2008 Curso: Ciências do Desporto Folha de exercícios nº4: Distribuições de probabilidade. Introdução à Inferência

Leia mais

Ano Lectivo 2006/2007 Ficha nº4

Ano Lectivo 2006/2007 Ficha nº4 Instituto Superior Politécnico de Viseu Departamento de Matemática da Escola Superior de Tecnologia Estatística Aplicada Engenharia Mecânica e Gestão Industrial Ano Lectivo 2006/2007 Ficha nº4 1. De um

Leia mais

Disciplina: Gestão da Qualidade

Disciplina: Gestão da Qualidade Disciplina: Gestão da Qualidade As Sete Ferramentas da Qualidade: Cartas de Controle Prof. Fernando Porto Introdução As cartas de controle, conhecidas originalmente como gráficos de Shewhart ou gráficos

Leia mais

LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro.

LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro. LISTA 3 Introdução à Probabilidade (Profa. Cira.) OBS. Apenas os exercícios indicados como adicional não constam no livro. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - V. A. C O N T Í N

Leia mais

Procedimentos de Aprovação e Recepção

Procedimentos de Aprovação e Recepção Page no. 1 of 10 1 Norma de referência As normas de referências são GB 13476-99, JIS A5337-95, BS1881: Part 120-1983, JC/T947-2005. 2 Procedimento de aprovação 2.1 Definições Elemento de estaca PHC Tipo

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Científica Matemática Curso Engenharia do Ambiente 2º Semestre 1º Folha Nº 5: Testes Paramétricos Probabilidades e Estatística 1. O director comercial de uma cadeia de lojas pretende comparar duas

Leia mais

Engenharia da Qualidade. Unidade 3 Inspeção por Amostragem para Aceitação Prof. Luciana Rosa Leite

Engenharia da Qualidade. Unidade 3 Inspeção por Amostragem para Aceitação Prof. Luciana Rosa Leite Engenharia da Qualidade Unidade 3 Inspeção por Amostragem para Aceitação Prof. Luciana Rosa Leite Conteúdo da Unidade 3.1 Inspeção da Qualidade 3.2 Riscos e parâmetros 3.3 Tipos de amostragem 3.4 Planos

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA

ESCOLA SUPERIOR DE TECNOLOGIA Departamento Matemática Curso Engenharia e Gestão Industrial 2º Semestre 1º Folha Nº4 Distribuições discretas 1. De um lote que contém 10 parafusos, dos quais 5 são defeituosos, extraem-se 2 com reposição.

Leia mais

Gráfico de Controle por Atributos

Gráfico de Controle por Atributos Gráfico de Controle por Atributos Roteiro 1. Gráfico de np. Gráfico de p 3. Gráfico de C 4. Gráfico de u 5. Referências Gráficos de Controle por Atributos São usados em processos que: Produz itens defeituosos

Leia mais

INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA

INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Exame - Época de Recurso SEMESTRE PAR 7/8 Data: 6 de Julho de 8 Duração:

Leia mais

Exercício 4 Calcule média e o desvio padrão distribuição de frequências dada abaixo:

Exercício 4 Calcule média e o desvio padrão distribuição de frequências dada abaixo: Exercício 2 Um paciente fez seis exames de sangue em 6 meses consecutivos para medir seu nível de fosfato por decilitro de sangue. Os resultados obtidos foram: 5,6 5,2 4,6 4,9 5,7 6,4. Calcule a média,

Leia mais

Intervalos de Confiança

Intervalos de Confiança Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de

Leia mais

ESTIMAÇÃO POR INTERVALO DE CONFIANÇA. Profª Sheila Oro 1

ESTIMAÇÃO POR INTERVALO DE CONFIANÇA. Profª Sheila Oro 1 ESTIMAÇÃO POR INTERVALO DE CONFIANÇA Profª Sheila Oro 1 DEFINIÇÃO Um itervalo de confiança (ou estimativa intervalar) é uma faixa (ou um intervalo) de valores usada para se estimar o verdadeiro valor de

Leia mais

Módulo 3 Cartas de controle por atributos

Módulo 3 Cartas de controle por atributos Módulo 3 Cartas de controle por atributos Tipos de cartas de controle Atributos Existem duas situações em que se utilizam atributos: 1) Quando as medidas não são possíveis, como características inspecionadas

Leia mais

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas. 1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento

Leia mais

a) Inspeção por Atributos Neste caso verifica-se a ocorrência de defeitos, sem determinar-se sua intensidade. É uma avaliação qualitativa.

a) Inspeção por Atributos Neste caso verifica-se a ocorrência de defeitos, sem determinar-se sua intensidade. É uma avaliação qualitativa. Aula 8 - INSPEÇÃO DA QUALIDADE (NORMA NBR 5426) É o processo que busca identificar se uma peça, amostra ou lote atende determinadas especificações da qualidade. Realiza-se em produto já existente ou em

Leia mais

Análise da : -Estabilidade e - Capacidade/Capabilidade de Processos

Análise da : -Estabilidade e - Capacidade/Capabilidade de Processos Análise da : -Estabilidade e - Capacidade/Capabilidade de Processos Prof. Diego Por que medir a estabilidade e capacidade/capabilidade? Principais erros dos gestores SOB CONTROLE 1 Tratar uma causa comum

Leia mais

Inferência Estatística

Inferência Estatística Metodologia de Diagnóstico e Elaboração de Relatório FASHT Inferência Estatística Profa. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Duas distribuições importantes Normal T- Student Estimação

Leia mais

Lista de Exercícios #8 Assunto: Teste de Hipóteses

Lista de Exercícios #8 Assunto: Teste de Hipóteses . ANPEC 8 - Questão 5 Indique se as seguintes considerações sobre a teoria dos testes de hipótese são verdadeiras (V) ou falsas (F): () No teste de hipótese para proporções, se a variância da proporção

Leia mais

3.3. Diga qual é o número médio e a variância dos animais que sobrevivem?

3.3. Diga qual é o número médio e a variância dos animais que sobrevivem? 1. Um treinador de andebol tem à sua disposição 20 jogadores dos quais deve selecionar 10 para formar uma equipa para um jogo. 12 dos jogadores são atacantes e os restantes saõ defesas. 1.1. Se o selecionador

Leia mais

Estatística para Cursos de Engenharia e Informática

Estatística para Cursos de Engenharia e Informática Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Lista de Exercícios Terceira Prova. Parte I: Distribuição Amostral

UNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Lista de Exercícios Terceira Prova. Parte I: Distribuição Amostral UNIVERSIDADE FEDERAL DA PARAÍBA Cálculo das Probabilidades e Estatística I Professora: Juliana Freitas Pires Lista de Exercícios Terceira Prova Parte I: Distribuição Amostral Questão 1. Seja X N(90; 26).

Leia mais

ESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em simplificaaulas.com

ESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em simplificaaulas.com ESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em Conceitos e Fundamentos População: conjunto de elementos, número de pessoas de uma cidade. Amostra: parte

Leia mais

Controle Estatístico da Qualidade

Controle Estatístico da Qualidade Controle Estatístico da ESQUEMA DO CAPÍTULO 15.1 MELHORIA E ESTATÍSTICA DA QUALIDADE 15.2 CONTROLE ESTATÍSTICO DA QUALIDADE 15.3 CONTROLE ESTATÍSTICO DE PROCESSO 15.4 INTRODUÇÃO AOS GRÁFICOS DE CONTROLE

Leia mais

DISTRIBUIÇÃO NORMAL. Para facilitar o trabalho do cálculo da área sob a curva, podemos escrever a fórmula acima da seguinte forma:

DISTRIBUIÇÃO NORMAL. Para facilitar o trabalho do cálculo da área sob a curva, podemos escrever a fórmula acima da seguinte forma: DISTRIBUIÇÃO NORMAL m.a.perissinotto DIN - 1 Seu aspecto gráfico é semelhante a um sino e, para sua construção, são necessários dois parâmetros: µ ( média ) e s ( desvio padrão ). A curva teórica é simétrica

Leia mais

Problemas 1. Determine o valor esperado das seguintes variáveis aleatórias: a. A varável aleatória definida no Probl. 4.1.

Problemas 1. Determine o valor esperado das seguintes variáveis aleatórias: a. A varável aleatória definida no Probl. 4.1. Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 7 Caracterização Adicional de Variáveis Aleatórias. Problemas 1. Determine o valor esperado das seguintes variáveis aleatórias: a.

Leia mais

Estatística Aplicada

Estatística Aplicada Estatística Aplicada Intervalos de Confiança Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada INTERVALOS DE CONFIANÇA Processos de estimação Estimação por ponto: o processo em

Leia mais

Probabilidades e Estatística 2004/05. Colectânea de Exercícios. Testes de hipóteses LEIC, LERCI, LEE

Probabilidades e Estatística 2004/05. Colectânea de Exercícios. Testes de hipóteses LEIC, LERCI, LEE Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 8 Testes de hipóteses 8.1 Seja X N (µ, 4). Para testar a hipótese H 0 : µ = 1 contra a alternativa H 1 : µ = 2 usa-se

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departamento de Matemática Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 1 o Teste A 21/04/2012 9:00 Duração: 1 hora e 30 minutos Justifique convenientemente

Leia mais

CE219 - Controle Estatístico de Qualidade

CE219 - Controle Estatístico de Qualidade CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 47 Aula 3 - Métodos e filosofia do

Leia mais

CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES

CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?

Leia mais

2. Suponhamos que foi extraída a seguinte amostra de uma população normal: Determine um intervalo de confiança a 95% para a média.

2. Suponhamos que foi extraída a seguinte amostra de uma população normal: Determine um intervalo de confiança a 95% para a média. Escola Superior de Tecnologia de Viseu Fundamentos de Estatística 007/008 Ficha nº 6 1. a) Determine o intervalo de confiança a 90% para a média de uma população normal de variância igual a 4, com base

Leia mais

Distribuição de Probabilidade

Distribuição de Probabilidade Distribuição de Probabilidade ENG09004 2014/2 Prof. Alexandre Pedott pedott@producao.ufrgs.br Introdução O histograma é usado para apresentar dados amostrais extraídas de uma população. Por exemplo, os

Leia mais

Engenharia da Qualidade. Profa. Luciana Rosa Leite

Engenharia da Qualidade. Profa. Luciana Rosa Leite Engenharia da Qualidade Profa. Luciana Rosa Leite Unidade 1 Introdução à Engenharia Da Qualidade 1.1 Evolução da Gestão da Qualidade 1.2 Revisão de conceitos estatísticos Exercícios Evolução da Gestão

Leia mais

Exame de Segurança Estrutural Mestrado em Estruturas de Engenharia Civil Duração: 2horas 15/04/1998

Exame de Segurança Estrutural Mestrado em Estruturas de Engenharia Civil Duração: 2horas 15/04/1998 Exame de Segurança Estrutural Mestrado em Estruturas de Engenharia Civil Duração: horas 5/04/998 De acordo com a nomenclatura corrente os métodos de verificação da segurança estrutural com base probabilística

Leia mais

Lista 3: Distribuição de Probabilidade Discreta

Lista 3: Distribuição de Probabilidade Discreta Probabilidade Lista 3: Distribuição de Probabilidade Discreta 1) Um produto eletrônico contém 40 circuitos integrados. A probabilidade de que qualquer circuito integrado seja defeituoso é de 0,01. Os circuitos

Leia mais

x P(X = x) 0,1 0,7 0,2

x P(X = x) 0,1 0,7 0,2 GET001 Fundamentos de Estatística Aplicada Lista de Exercícios Módulo IV Parte a Profa. Ana Maria Farias 2017-1 CAPÍTULOS 1 e 2 1. Com objetivo de planejamento, um banco determinou a distribuição de probabilidade

Leia mais

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete

Leia mais

x P(X = x) 0,1 0,7 0,2

x P(X = x) 0,1 0,7 0,2 GET00172 Fundamentos de Estatística Aplicada Lista de Exercícios Inferência Profa. Ana Maria Farias CAPÍTULOS 1 e 2 1. Com objetivo de planejamento, um banco determinou a distribuição de probabilidade

Leia mais

Métodos Quantitativos

Métodos Quantitativos Métodos Quantitativos Prof. Edson Nemer Site: www.professornemer.com Ementa Introdução ao Controle Estatístico de Processos Revisão de Conceitos Básicos de Estatística Distribuição de Frequências e Histogramas

Leia mais

Distribuições amostrais

Distribuições amostrais Distribuições amostrais Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 14, 2014 Souza () Distribuições amostrais October 14, 2014 1 / 23 Distribuição Amostral Objetivo Estender a noção de uma

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera 2 o Sem./17 MODELOS DISCRETOS. 1. Seja X o número de caras obtidas

Leia mais

Intervalos de Confiança - Amostras Pequenas

Intervalos de Confiança - Amostras Pequenas Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016

Leia mais