3 Descrição do Processo e Análises Preliminares
|
|
- Marcelo Carmona Castilhos
- 5 Há anos
- Visualizações:
Transcrição
1 Descrição do Processo e Análises Preliminares O caso estudado foi um dos processos de uma empresa de cosméticos, situada em ova Iguaçu, Rio de Janeiro. A indústria fabrica uma diversidade de produtos destinados aos cabelos; a pesquisa restringiu-se a um produto que é composto por uma bisnaga (frasco) com emulsão. Este produto é destinado ao preparo de coloração para tingimento do cabelo. O processo de enchimento das bisnagas é composto por múltiplos canais (bicos), oito bicos de uma enchedora, que enchem num mesmo instante de tempo oito unidades do mesmo produto. É possível alterar o volume de enchimento de cada canal (bico) separadamente dos demais (ajuste individual), bem como modificar o volume de todos os bicos simultaneamente (ajuste geral). O mecanismo de enchimento somente possibilita ajuste no volume do cilindro dos bicos (volume que será dispensado nos frascos), ou seja, não é possível ajuste direto no peso a ser dispensado nos frascos. A emulsão, matéria-prima utilizada pela enchedora, é produzida em reatores com capacidade de fabricação de duas toneladas. Depois de fabricada, a emulsão é analisada pelo laboratório, para constatar que atende às especificações de qualidade. Constatada a qualidade da emulsão, ela é transferida para o tanque de armazenagem através do sistema de bombas. Depois de estocada, a emulsão está pronta para entrar na linha produtiva, sendo estão transferida por gravidade para a máquina de enchimento, que se encarrega de encher os frascos. Por fim, os produtos são encaixotados e empilhados em paletes. O fluxograma na Figura ilustra o processo produtivo.
2 7 Fabricação da emulsão Inspeção da qualidade da emulsão SIM Atende as especificações ÃO Transferência do produto fabricado para o tanque de armazenamento Reprocessamento da emulsão Abastecimento por gravidade do tanque para a máquina de enchimento Enchimento das bisnagas Encaixotamentos dos produtos Empilhamento no palete Figura Processo Produtivo A Figura ilustra a disposição dos equipamentos e operadores que compõem a linha produtiva.
3 Figura Linha de Produção A Figura apresenta a foto da máquina de envase (enchedora) e a Figura, a foto do tanque que a abastece. Figura Máquina de envase
4 9 Figura Tanque de armazenamento Descrição do Problema Como mencionado anteriormente, o processo de envase possui oito canais, que enchem em um mesmo instante de tempo oito frascos do mesmo produto. O objetivo proposto nesta pesquisa é estabelecer um esquema de CEP para monitorar o funcionamento da enchedora. Para isso, a variável utilizada no monitoramento será o peso do frasco cheio. A pesquisa se inicia com o entendimento do processo. Para isso despenderam-se vários dias junto à produção coletando dados do processo de envase. As observações coletadas perfazem um total de seis conjuntos de amostras, cada uma em um diferente dia de produção e com lotes distintos de fabricação. As amostras são de tamanho um, ou seja, a cada instante de tempo mediu-se o peso de um frasco cheio por cada bico. Obteve-se desta forma observações em cada instante t, uma por bico, com o cuidado de identificar o bico correspondente a cada observação. Além disso, calculou-se a média das observações no instante t, que será chamada daqui por diante, de nível-base (algumas vezes denominado somente de base ), de acordo com a nomenclatura de Passos (005). De posse dos dados (valores nos bicos a e nível-base), elaborou-se uma plotagem das séries temporais dos mesmos e uma subseqüente análise do seu comportamento para expurgar os dados não representativos da população, ou seja, dados que identifiquem a presença de causas especiais. Após este filtro, estabeleceram-se as estatísticas descritivas para cada conjunto de amostras. Finalmente, através do conhecimento adquirido sobre o processo e das estatísticas descritivas, suposições foram estabelecidas como forma de orientar as análises subseqüentes.
5 0 As Figuras 5, 7, 9,,, 5 e 6 apresentam a série temporal do peso do frasco envasado por cada bico, e as Figuras 6,, 0,, e 7 apresentam o Boxplot. 9 7 Bico Bico Bico 9 90 Bico Bico 5 Bico Bico 7 Bico Base Observação 9 7 Figura 5 Série de observações para o conjunto de amostras otas: A máquina apresentou pane diversas vezes após a retirada das amostras de 5 (demarcada por um circulo); Intervalo entre amostras: 0 minutos (a cada 0 minutos, coletou-se uma observação de cada bico; esperam-se 0 minutos para repetir a coleta).
6 Figura 6 Boxplot para o conjunto de amostras Através do boxplot na Figura 6 começam a aparecer algumas evidências no processo; são elas: Os bicos possuem médias diferentes; Quanto às variâncias, não está claro se são idênticas ou distintas. Há uma leve indicação de que o bico talvez possua variância superior à dos demais, por exemplo, mas esta indicação não é suficientemente evidente para ser conclusiva; O processo produziu pontos extremos para os bicos 6, e para o nívelbase, na amostra 6, a partir da qual o equipamento apresentou diversas panes. Lembrando que a característica controlada é o peso bruto dos frascos, empregarse-á freqüentemente somente o termo média e variância para referir-se à média e a variância desse peso.
7 9 6 Bico Bico Bico 90, 9, ,6 7,6 Bico Bico 5 Bico 6, 9,0 7 7, Bico 7 9 Bico Base,5,,0,0 6 7 Observação 7,5 6 Figura 7 Série de observações para o conjunto de amostras otas: As amostras não foram obtidas a intervalos de tempos regulares; O lote do produto terminou após a última observação; ão houve mudança de lote durante este conjunto de amostra.
8 Figura Boxplot para o conjunto de amostras
9 6 9 Bico Bico Bico 9 7,5 5,0 Bico Bico 5 Bico 6 9 7,5 Bico 7 Bico Base 5,0 9 7,5 5,0 6 9 Observação 6 9 Figura 9 Série de observações para o conjunto de amostras otas: Intervalo entre amostras de 0 minutos; O produto armazenado no tanque estava próximo do fim, quando foram realizadas as medidas da oitava amostra (a mesma está sinalizada no gráfico através de um circulo); Entre as amostras 9 e 0 inicia-se o envase de um novo lote; Antes da coleta da amostra, o operador ajustou o peso dos bicos; Antes da amostra o operador voltou a ajustar os pesos dos bicos. a Figura 0 está o boxplot para o conjunto de amostras.
10 5 Figura 0 Boxplot para o conjunto de amostras O boxplot do conjunto de amostras, figura 0, apresenta algumas evidências que se repetem nos conjuntos 5 e 6 de amostras. As evidências são: Médias aparentemente distintas entre os bicos; ão há evidência de variâncias diferentes entre os bicos; Ao final do lote o peso diminui, suposição realizada após uma inspeção visual da série de observações, inclusive a nona amostra (última observação do lote) de todos os bicos teve o menor peso registrado; Após o início de um novo lote (observação ) a média parece se alterar, o que pode ser atribuído ao ajuste no peso realizado pelo operador.
11 6 Bico Bico Bico 9 90 Bico Bico 5 Bico Bico 7 Bico Base 9 90 Observação Figura Série de observações para o conjunto de amostras otas: Intervalo entre amostras: 0 minutos; ão houve mudança de lote; O valor baixo nas primeiras amostras parece ser devido a uma causa especial, no entanto não se conhece tal causa. Construiu-se a seguir os boxplots dos bicos e do nível-base para melhor avaliar se a amostra deve ser considerada um outlier.
12 7 Figura Boxplot para o conjunto de amostras Analisando os boxplots da Figura constata-se que a amostra foi um ponto extremo em vários bicos. Isto sugere que houve uma causa especial atuando no início do processo, embora não se tenham registros que permitam identificá-la. Essa amostra será eliminada das análises futuras. Permanece ainda, a evidência de diferentes médias entre os bicos; as variâncias parecem semelhantes (ainda que o bico 5 pareça ter variância ligeiramente menor que os demais, neste conjunto de amostra).
13 9 9 7 Bico Bico Bico 90 Bico Bico 5 Bico Bico 7 Bico Base Observação 9 7 Figura Série de observações para o conjunto 5 de amostras otas: Intervalo de 0 minutos entre amostras; Início de um novo lote entre as amostras e ; Ajuste geral do peso (diminuição no peso) após a retirada das amostras. o boxplot da Figura expurgaram-se as observações referentes ao segundo lote, bem como os dados do primeiro lote após a amostra número 9 (marcada nos gráficos com um circulo preto), pois visualmente nota-se que o peso está diminuindo devido ao mesmo motivo observado no conjunto de amostras, a espuma contida no final do tanque. Em suma, foram consideradas na análise apenas as amostras de a 9.
14 9 Figura Boxplot para o conjunto 5 de amostras Repete-se aqui a evidência já presente nos conjuntos de amostras anteriores, de médias distintas entre os bicos (neste conjunto de amostras isso é muito mais evidente que nas anteriores); quanto à variância, fica difícil dizer se há diferenças exceto pelo bico 6, que neste conjunto de amostras apresenta variância menor que as demais.
15 Bico Bico Bico 90 5 Bico Bico 5 Bico Bico 7 Bico Base Observação Figura 5 Série de observações para o conjunto 6 de amostras otas: Início de um novo lote na observação 7. este conjunto de amostra na plotagem dos dados se evidencia uma peculiaridade do processo que ainda não se tinha dado nota. Observa-se que ao iniciar um novo lote (observação 7) há uma descontinuidade nos gráficos, ou seja, a média do processo se modifica. a próxima análise consideraram-se somente as 6 primeiras observações com a finalidade de verificar se as primeiras observações são outliers.
16 95 6 Bico Bico Bico 90 5 Bico Bico 5 Bico Bico 7 Bico Base Observação 6 Figura 6 Série de 6 primeiras observações para o conjunto 6 de amostras
17 Figura 7 Boxplot para o conjunto 6 de amostras considerando as 6 primeiras amostras os boxplots (figura 7) há evidência de causas especiais influenciando as observações, e. Logo, estas observações serão também excluídas das análises futuras. Repete-se a suspeita de queda no peso (ver Figura 6) pelo fato de no final do tanque haver espuma, o que está evidenciado pelos comportamentos das amostras 7 à 6. Análises Estatísticas Foram aplicados testes estatísticos (que serão descritos a seguir) para confirmar ou não as hipóteses levantadas com esta análise exploratória dos dados, ou seja, para verificar especificamente: Se os bicos possuem médias estatisticamente distintas entre si; Se as variâncias dos bicos são estatisticamente diferentes (ou não);
18 Médias diferentes em lotes diferentes num mesmo bico, ou seja, a média em um bico se modifica de dia para dia, assim como entre diferentes lotes no mesmo dia; Se as variâncias dos bicos não são constantes ao longo do tempo; Mudança na média (diminuição no peso) quando o tanque de armazenagem se aproxima do final; Se as médias dos bicos variam de lote para lote uniformemente para todos os bicos, ou seja, se a densidade da matéria-prima é o único fator a afetar o peso. o entanto, para verificar essas suposições, só devem ser usadas observações representativas do processo sob controle. Assim, foram expurgadas as observações julgadas anômalas conforme a análise preliminar descrita acima. Especificamente, as observações mantidas e descartadas dos diversos conjuntos de amostras são: Conjunto de amostras: As 5 primeiras amostras foram consideradas; Conjunto de amostras: O conjunto de amostras foi completamente descartado. Conjunto de amostras: Descartaram-se as primeiras amostras; Conjunto de amostras: Descartaram-se somente a primeira amostra; Conjunto 5 de amostras: Consideraram-se somente as 9 primeiras amostras; Conjunto 6 de amostras: Descartaram-se as primeiras amostras considerando as seguintes, que serão denominadas sub-conjunto 6.; consideram-se também do conjunto 6 de amostras as 9 últimas amostras, denominadas sub-conjunto 6.. Desta forma, o conjunto 6 de amostras foi subdividido em dois sub-conjuntos, considerados provenientes de duas populações distintas. Entretanto quando se for testar se a média se modifica quando o tanque de armazenagem se aproxima do final serão considerados as observações afetadas por esta causa especial, são elas:
19 Conjunto de amostras: Consideraram-se as 9 primeiras amostras; Conjunto 5 de amostras: Consideraram-se as amostras 0 a ; Conjunto 6 de amostras: Consideraram-se as amostras 7 a 5. Resumem-se a seguir, nas tabelas a 7, as estatísticas descritivas dos conjuntos de amostras considerados (apenas com as observações consideradas válidas). Tabela Estatísticas descritivas do conjunto de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Valid (listwise) Range Mean Std. Deviation Variance 5,05 9,997,79,670 5,9 9,7760,65,7 5,5 9,99,566,99 5,55 9,500,760,5 5, 9,660,59097,9 5, 9,70,67,9 5,6 95,5,0 5,57 9,967,675,5 5,65 966,6,7 5 Tabela Estatísticas descritivas do conjunto de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Valid (listwise) Range Mean Std. Deviation Variance 0,5 9,066,05, 0,0 6,907,597,65 0,96,00,606,6 0, 7,7,7656,56 0,6 9,670,65,0 0,75 7,69,655, 0,,,567, 0, 7,0,70060,9 0,69,950,,05 0
20 5 Tabela Estatísticas descritivas do conjunto de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Valid (listwise) Range Mean Std. Deviation Variance,5 9,96,90,,5 9,,6060,6,6 9,79,9,70, 99,79,56, 90,07,975,0,00 95,7066,50,55 90,797,6060,67, 9,,706,55,6 975,7976, Tabela 5 Estatísticas descritivas do conjunto 5 de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Valid (listwise) Range Mean Std. Deviation Variance 9, 9900,65565,0 9,5,056,7, 9,7 90,999,55596,09 9,,77,60,0 9, 99,550,6 9,5,67,556,0 9,9 9,600,65677, 9,9 90,7956,5099, 9,9 9,979,6707,07 9 Tabela 6 Estatísticas descritivas do conjunto 6. de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Valid (listwise) Range Mean Std. Deviation Variance,,00,6,,,7077,656,5,7 9,59,7,,055,,675,,75,6,0,77 90,76,50,7,96 90,,956,76, 9,9,505,5,65 9,60,00,05
21 6 Tabela 7 Estatísticas descritivas do conjunto 6. de amostras Bico Range Mean Std. Deviation Variance 9, 9,0600,790,56 Bico 9,06 9,575, Bico 9,99 9,0,669,95 Bico 9,6 90,59,655,7 Bico5 9,5 9567,760, Bico6 9,9 9,7,6557,9 Bico7 9,59 9,67,7,050 Bico 9,9 9,567,907, Base 9,0 9,,,0 Valid (listwise) 9 Como alguns dos testes a seguir têm como premissa que as observações sejam normalmente distribuídas, as tabelas 7 a são resultados dos testes de normalidade gerados pelo SPSS, para todos os conjuntos de amostras considerados. O output do SPSS gera duas estatísticas de teste, a de Kolmogorov-Smirnov mais adequada às situações em que só se dispõe de uma pequena quantidade de dados (n < 0) e a outra estatística de Shapiro-Wilk, aplicável a amostras com tamanho n > 0. A hipótese testada é: H 0 : Os dados seguem uma distribuição normal H : Os dados não seguem uma distribuição normal Tabela Teste de normalidade para o conjunto de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico a Kolmogorov-Smirnov Shapiro-Wilk Statistic df Sig. Statistic df Sig., 5,00*,97 5,,6 5,00*,9 5,, 5,09,90 5,5,56 5,00*,96 5,7, 5,0,6 5,0,50 5,00*,9 5,,0 5,00*,9 5,79,6 5,00*,96 5,99 *. This is a lower bound of the true significance. a. Lilliefors Significance Correction
22 7 Tabela 9 Teste de normalidade para o conjunto de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico a Kolmogorov-Smirnov Shapiro-Wilk Statistic df Sig. Statistic df Sig.,0 0,00*,970 0,59,0 0,00*,979 0,7,5 0,07,9 0,095, 0,,0 0,000,0 0,9,9 0,055,095 0,00*,97 0,777,06 0,00*,97 0,656,65 0,07,0 0,000 *. This is a lower bound of the true significance. a. Lilliefors Significance Correction Tabela 0 Teste de normalidade para o conjunto de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico a Kolmogorov-Smirnov Statistic df Sig. Statistic df Sig.,5,07,99,00,096,00*,97,65,6,00*,966,0,0,00*,97,6,07,00*,96,5,076,00*,95,75,06,00*,96,9,06,00*,9,759 *. This is a lower bound of the true significance. a. Lilliefors Significance Correction Shapiro-Wilk Tabela Teste de normalidade para o conjunto 5 de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico a Kolmogorov-Smirnov Shapiro-Wilk Statistic df Sig. Statistic df Sig.,75 9,00*,9 9,,7 9,00*,977 9,97,7 9,00*, 9,90,9 9,00*,957 9,767, 9,00*,97 9,9,09 9,00*,9 9,6,7 9,99,7 9,9, 9,00*,9 9,05 *. This is a lower bound of the true significance. a. Lilliefors Significance Correction
23 Tabela Teste de normalidade para o conjunto 6. de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico a Kolmogorov-Smirnov Shapiro-Wilk Statistic df Sig. Statistic df Sig.,99,6,9,75,7,096,796,006,6,00,66,000,6,067,799,007,5,00*,967,5,,00*,9,,59,07,,0,6,00,05,00 *. This is a lower bound of the true significance. a. Lilliefors Significance Correction Tabela Teste de normalidade para o conjunto 6. de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico a Kolmogorov-Smirnov Statistic df Sig. Statistic df Sig.,7 9,05, 9,09,6 9,00*,97 9,55,5 9,00*,0 9,05,0 9,00*, 9,67, 9,00*,9 9,9,79 9,00*,97 9,907,75 9,00*,95 9,5,7 9,050, 9,0 *. This is a lower bound of the true significance. a. Lilliefors Significance Correction Shapiro-Wilk Os resultados de um modo geral demonstram que o peso segue uma distribuição normal, com ocasionais afastamentos da normalidade, possivelmente devido a causas especiais não identificadas. De fato, é fácil observar pelos gráficos das séries de observações que os casos de p-value (Sig.) pequeno correspondem na maioria das vezes a séries com picos ou vales acentuados ou alguma outra quebra de padrão. A primeira análise realizada foi a verificação se os parâmetros (médias e variâncias) dos bicos eram iguais. As estatísticas descritivas apresentadas nas tabelas a 6 dão a impressão de que tanto a média, como as variâncias dos bicos são diferentes. o entanto é necessário realizar testes formais para testar igualdade das médias e variâncias dos bicos. A seguir, são apresentados todos os resultados do teste de Levene, de homogeneidade de variâncias (Tabela ) dentro de cada conjunto de amostras. Formalmente, as hipóteses testadas são:
24 9 H 0 : Todos os bicos possuem variâncias semelhantes H : Pelo menos um bico possui variância distinta dos demais Tabela Teste de homogeneidade de variância para os conjuntos de amostras Conjuntos de amostras Levene Statistic df df Sig. Coonjunto de amostras 7 0,7 Coonjunto de amostras 0,5 7 Coonjunto de amostras, ,5 Coonjunto 5 de amostras, ,79 Coonjunto 6. de amostras Coonjunto 6. de amostras,0 7 6 Como o menor dos p-values (Sig.) encontrados foi de,5% (os demais sendo bem maiores que este valor, alguns inclusive acima de 50%), não se tem evidência suficiente para rejeitar a hipótese de igualdade de variância entre os bicos num mesmo conjunto de amostra. A análise seguinte foi avaliar se as médias dos bicos são iguais em cada conjunto de amostras. O teste utilizado para avaliar a hipótese de médias iguais (AOVA) está exibido abaixo. As hipóteses são: H 0 : Todos os bicos possuem médias iguais H : Pelo menos bico possui média diferente Tabela 5 AOVA para o conjunto de amostras Sum of Between Groups Squares df Mean Square F Sig. 6,6 7,5 57,50,000 Within Groups 5,55,06 Total 0,097 9 Tabela 6 AOVA para o conjunto de amostras Sum of Between Groups Squares df Mean Square F Sig.,099 7,7,95,000 Within Groups 9,,6 Total,57 9
25 50 Tabela 7 AOVA para o conjunto de amostras Sum of Between Groups Squares df Mean Square F Sig ,77,000 Within Groups 5,67 96,5 Total 6,776 0 Tabela AOVA para o conjunto 5 de amostras Sum of Between Groups Squares df Mean Square F Sig. 7 5,07 6,,000 Within Groups 6,5 6,5 Total 6,9 7 Tabela 9 AOVA para o conjunto 6. de amostras Sum of Between Groups Squares df Mean Square F Sig.,0 7,60 6,00,000 Within Groups,99 96,7 Total,9 0 Tabela 0 AOVA para o conjunto 6. de amostras Sum of Between Groups Squares df Mean Square F Sig. 97,960 7,99,97,000 Within Groups 5,6 6,00 Total,570 7 Com um nível de significância de 5 % conclui-se que pelo menos um bico possui média diferente dos demais num mesmo conjunto de amostras. Através do próximo teste, verificam-se quais bicos possuem médias estatisticamente equivalentes. as tabelas a 6 cada coluna contém um grupo de bicos que pode ser considerado de médias semelhantes (grupo homogêneo), o teste utilizado foi o de Tukey.
26 5 Tabela Bicos com médias estatisticamente semelhantes no conjunto de amostras Tukey HSD a Bicos Sig. 5 9, , , , ,967 Subset for alpha = , ,99,967,07,000,000 Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 5,000. Tabela Bicos com médias estatisticamente semelhantes no conjunto de amostras a Subset for alpha =.05 Tukey HSD Bicos Sig. 0 6, ,69 0 7,0 0 7,7 0,00 0, Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = , ,670,000,90,000,569 Tabela Bicos com médias estatisticamente semelhantes no conjunto de amostras Tukey HSD a Bicos Sig. 5 9, 90,07 Subset for alpha = ,797 90,797 90,797 9, 9, 9, 9,96 9,96 9,79,000,057,00,0,907 Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size =,000.
27 5 Tabela Bicos com médias estatisticamente semelhantes no conjunto 5 de amostras Tukey HSD a Bicos Sig. 9,056 9,77,77 9,67 Subset for alpha = , , ,999 90, ,600,96,90,0,5 Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 9,000. Tabela 5 Bicos com médias estatisticamente semelhantes no conjunto 6. de amostras Tukey HSD a Bicos Sig.,055,7077,7077,75,75,00,00 Subset for alpha =.05 9,9 9, , 90,76,07,6,077,7 Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size =,000.
28 5 Tabela 6 Bicos com médias estatisticamente semelhantes no conjunto 6. de amostras Tukey HSD a Bicos Sig. 9 90, ,0600 Subset for alpha = ,67 9 9, ,0 9,0 9 9,7,65,,0 Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 9,000. ota-se que a maioria dos conjuntos de amostras (conjuntos,, 5 e 6.) apresentou quatro grupos com médias estatisticamente semelhantes, e para o conjunto cinco grupos foram estabelecidos, e para o conjunto 6., apenas três grupos. Abaixo são listados os resultados das análises realizadas até o momento. É importante observar que estas conclusões somente levaram em consideração comparações entre os parâmetros dentro de um mesmo conjunto de amostra, ou seja, entre os bicos do conjunto de amostra. Isto é, não se verificou se tais parâmetros são semelhantes no decorrer do tempo. A suspeita de variâncias distintas entre os bicos pode ser descartada, ou seja, os bicos possuem variâncias estatisticamente equivalentes; As médias são estatisticamente distintas entre os bicos. Apesar de a máquina possibilitar um ajuste individual do peso, esta regulagem é pouco eficaz devido à falta de um dispositivo que indique a quantidade de volume dispensado por bico, resultando em um processo com vários bicos com médias diferentes. A análise a seguir (tabela 7), utilizando os conjuntos de amostras,,, 5, 6. e 6., avalia se as variâncias no mesmo bico são iguais em lotes de fabricação diferentes, isto é, se a variância do bico é constante entre os conjuntos de amostras mencionados.
29 5 Tabela 7 Teste de homogeneidade de variâncias entre os conjuntos de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Levene Statistic df df Sig.,6 5 0,,7 5 0,50,6 5 0,6,57 5 0,76,65 5 0,67,5 5 0,065,0 5 0,9, ,65,69 5 0, Apesar de numericamente as variâncias de um mesmo bico parecerem ser diferentes entre conjuntos de amostras, a estatística de Levene exibida na tabela 7 contradiz tal hipótese. A um nível de significância de 5% não há evidência suficiente para rejeitar a suposição de que as variâncias são iguais entre os conjuntos de amostras para um mesmo bico. A etapa seguinte foi avaliar se as médias dos bicos variam entre os conjuntos de amostras. As hipóteses testadas foram: H 0 : A média do bico é igual nos diferentes conjuntos de amostras H : A média do bico é diferente em pelo menos um conjunto de amostras A tabela apresenta os resultados da AOVA.
30 55 Tabela AOVA para os Conjuntos de Amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Sum of Squares df Mean Square F Sig. 5,70 5 0,7 57,795,000 57, 0,5,7 65,67 5,7 99,6,000 6,0 0,5 0,997 99, , 7,00,000 55,0 0,5 5,76 77,56 5 5,57 6,96,000 56,6 0,50,0,5 5,709 9, ,6 7, 7,6 5 65,5 7,6,000 0,50 0,75 6,6 5,55 5 0,97 79,55,000,05 0,9 96,900 7, 5 55,776,69,000 5,76 0,,59 56,56 5, 65,9,000,75 0, 69,06 Pode-se ver que a hipótese H 0 é rejeitada (p-valores todos iguais a 00, na precisão de digitos). Há, portanto, evidência suficiente para concluir que pelo menos um conjunto de amostra de cada bico possui média diferente. Os gráficos a seguir (Figuras a 5) apresentam as médias de um mesmo bico em todos os conjuntos de amostras, para melhor visualização da sua variação a figura 6 mostra a variação do nível-base.
31 56 Figura Plotagem do peso médio para o bico nos conjuntos de amostras válidos Figura 9 Plotagem do peso médio para o bico nos conjuntos de amostras válidos
32 57 Figura 0 Plotagem do peso médio do bico para os diversos conjuntos de amostras Figura Plotagem do peso médio do bico para os diversos conjuntos de amostras
33 5 Figura Plotagem do peso médio do bico 5 para os diversos conjuntos de amostras Figura Plotagem do peso médio do bico 6 para os diversos conjuntos de amostras
34 59 Figura Plotagem do peso médio do bico 7 para os diversos conjuntos de amostras Figura 5 Plotagem do peso médio do bico para os diversos conjuntos de amostras
35 60 Figura 6 Plotagem do peso médio do nível-base para os diversos conjuntos de amostras Como a hipótese de igualdade de variâncias apresentou um p-valor baixo para o bico 6 e a AOVA para verificar a hipótese se as médias são iguais para diferentes conjuntos de amostras é sensível à comparação de populações com diferenças de variâncias, optou-se por complementar a AOVA com estatísticas robustas à violação da premissa de variância constante. Assim empregaram-se mais dois testes que são bastante robustos a violação dessa premissa: () O primeiro é o de Kruskal-Wallis, que testa a hipótese de as medianas das populações serem iguais; () O segundo teste é o de Brown- Forsythe, que testa a hipótese de as médias das populações serem iguais. Os resultados de ambos os testes estão mostrados nas Tabelas 9 e 0. Teste de Kruskal-Wallis H 0 : A mediana das populações são iguais H : Pelo menos uma é diferente Tabela 9 Teste de Kruskal-Wallis para os bicos e nível-base Chi-Square df Asymp. Sig. a. Kruskal Wallis Test Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base 0, 999 9,,7 7 9,59 7,9 96, ,000,000,000,000,000,000,000,000,000 b. Grouping Variable: Amostra
36 6 Para todos os bicos conclui-se que a mediana é diferente em lotes de produção diferentes, ou seja, pelo menos um conjunto de amostras é obtida de uma população diferente conclusão equivalente à obtida através da AOVA, que apesar de ter uma premissa violada, demonstrou resultado semelhante ao teste de Kruskal-Wallis. O próximo teste (Tabela 0) obteve resultado semelhante ao da AOVA e ao de Kruskal- Wallis, não havendo dúvida de que as médias dos bicos são variáveis. Tabela 0 Teste robusto de igualdade de médias Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Brown-Forsythe Brown-Forsythe Brown-Forsythe Brown-Forsythe Brown-Forsythe Brown-Forsythe Brown-Forsythe Brown-Forsythe Brown-Forsythe a. Asymptotically F distributed. Statistic a df df Sig. 6, ,0,000 0, 5 6,95, ,9,000 76, ,07,000,5 5 70,5,000, ,6,000 77, ,,000,5 5 5,60,000 96,9 5 69,96,000 Sintetizando essa segunda etapa da análise, concluiu-se que: As médias são diferentes em pelo menos um conjunto de amostras ou lote para cada bico; As variâncias são semelhantes em conjuntos de amostras diferentes (lotes diferentes) em cada bico. A freqüente alteração das médias no tempo provavelmente ocorre devido a dois fatores; o primeiro e talvez mais importante é que, quando o tanque de armazenagem se aproxima do final, ou seja, a emulsão nele contida está terminando, a mesma passa a conter muito ar (espuma), fazendo com que sua densidade diminua. Como o mecanismo de enchimento da máquina admite sempre uma quantidade de volume constante, o peso diminui. Quando o operador detecta que o peso começou a baixar, ele busca compensar essa queda no peso aumentando o volume de enchimento de todos os bicos (ajuste geral). Assim gera uma alteração na regulagem da máquina, que será novamente ajustada quando se iniciar o novo lote de fabricação (set-up). o entanto o ajuste realizado nunca será
37 6 igual ao anterior, pois a máquina não possui nenhum dispositivo preciso que indique o valor médio do volume. Conseqüentemente haverá uma alteração na média dos pesos em todos os bicos. O segundo fator é a variação na densidade da emulsão entre lotes de fabricação diferentes, o que também gera uma variação na média. Como já mencionado, a enchedora opera com volume de enchimento constante, o que acarreta alterações nos pesos. É de se esperar que tanto o ajuste geral do volume como a mudança de densidade dos lotes de produto afetem todos os bicos da mesma forma, ou seja, se um bico estiver dispensando mais volume (peso) que os demais num mesmo conjunto de amostras, ele também deverá dispensar mais produto que os demais bicos nos demais conjuntos de amostras. O mesmo vale para o bico com menor média e para os demais: as médias dos bicos podem mudar, mas mantendo a mesma ordem entre si. Os gráficos a seguir (Figuras 7 a ) permitem verificar se isso de fato ocorre. Figura 7 Plotagem dos pesos médios dos bicos para o conjunto de amostras
38 6 Figura Plotagem dos pesos médios dos bicos para o conjunto de amostras Figura 9 Plotagem dos pesos médios dos bicos para o conjunto de amostras
39 6 Figura 0 Plotagem dos pesos médios dos bicos para o conjunto 5 de amostras Figura Plotagem dos pesos médios dos bicos para o conjunto 6. de amostras
40 65 Figura Plotagem dos pesos médios dos bicos para o conjunto 6. de amostras Os gráficos mostram que um bico não é consistentemente o maior ou o menor. Por exemplo, o bico teve a maior média nos conjuntos de amostras e, mas nos conjuntos e 5 os bicos com maiores médias foram o bico 5 e o bico 7 respectivamente. os conjuntos 6. e 6. de amostras o bico 6 apresentou maior média em ambos os lotes, mas o bico com segunda maior média varia, sendo para o conjunto 6. o bico 7 e no conjunto 6. de amostras o bico. Uma possível resposta para esse comportamento dos bicos é que o operador poderia ter ajustado alguns dos bicos (ajuste de peso individual). o entanto, os conjuntos de amostras e 5 foram retirados em dias consecutivos, sem que o operador tenha efetuado qualquer ajuste. Uma outra hipótese dessa variação poderia ter sido causada pela diferença de densidade, o que teria gerado o mesmo bico com o valor máximo da média em todos conjuntos de dados, o que não ocorreu. Para testar a hipótese que as médias dos bicos variam de lote para lote independentemente da densidade dos lotes, considerar-se-á o conjunto 6 de amostras, onde ocorreu mudança de lote de produto. Calculou-se a média de cada bico nas 6 primeiras observações (antes da mudança do lote) e depois nas demais observações (novo lote) (ou seja, para cada bico obteve-se uma média antes da mudança do lote e outra média depois da mudança do lote). Logo, se supuser que a densidade afete proporcionalmente a todos os bicos, é razoável esperar que as diferenças nas médias dos bicos sejam estatisticamente semelhantes, por exemplo:
41 66 μ μ = μ μ =... = μ μ onde μ ij, i = ou representa o lote (primeiro lote e segundo lote) e (j representa o bico =,,...). Tabela Diferença entre as médias dos bicos antes e após a mudança no lote μ -μ μ -μ μ -μ μ -μ μ 5 -μ 5 μ 6 -μ 6 μ 7 -μ 7 μ -μ μ b -μ b μ j -μ j,60,,69,7,,,,7,6 A Figura representa o gráfico de probabilidade normal ( P-P plot ). Probability Plot of Diferenças ormal Score 0 - -,0,, Diferenças,,6 Figura Gráfico de probabilidade normal Os pontos não estão propriamente bem alinhados, mas os afastamentos não são muito grandes, de modo que não se pode rejeitar a hipótese que as médias sejam iguais. A variação observada entre as médias tanto pode ser devida apenas à flutuação aleatória natural, como pode haver algum fator, não conhecido, alterando as médias dos bicos de forma não aleatória. Por fim avaliou-se a suposição de que a média varia quando o tanque de armazenagem se aproxima do final, ou seja, o peso dos bicos diminui à medida que o tanque se aproxima do final, isto é, se o operador não alterar o ajuste geral no sentido de aumentar o volume de enchimento. A análise seguinte levou em consideração os níveisbase para os conjuntos, 5 e 6 de amostras. A Figura mostra as séries temporais do nível-base para o conjuntos, 5 e 6.
42 67 Gráfico dos conjuntos, 5 e 6 de amostras para o nível base 6 0 ível Base ível Base 5 9,0 9,5 9,5 9,0 9,5 9,5 ível Base 6 7,0 7,0 6 0 Amostra Figura Série temporal dos níveis-base para os conjuntos, 5, e 6 de amostras o conjunto de amostras os dados referentes ao primeiro lote vão até a 9ª amostra; da décima em diante, correspondem a outro lote. o conjunto 5 de amostras, os dados do primeiro lote vão até a a amostra e o conjunto 6 de amostras os dados do primeiro lote, vão até a 5 a amostras. uma primeira inspeção visual, nota-se em todos os gráficos uma queda significativa no peso quando o lote se aproxima do final. Os operadores da máquina afirmam veementemente que o peso sempre diminui quando o tanque se aproxima do fim, devido à espuma contida no final do tanque. Para averiguar esta afirmação, ajustar-se-á uma linha de regressão, à série de observações, e se observará se o coeficiente angular é significativamente negativo. A série de valores do nível-base com a reta de regressão correspondente estão nas Figuras 5, 7 e 9; as Tabelas, e 6 apresentam os resultados da regressão. As Figuras 6, e 0 são os gráficos de probabilidade normal dos resíduos.
43 6 90,5 90 9, ,5 7, Figura 5 Regressão linear para o nível-base do conjunto de amostras Tabela Sumário do modelo de regressão do conjunto de amostras Adjusted Std. Error of Durbin- Model R R Square R Square the Estimate Watson,660 a,6,55,6776, a. Predictors: (Constant), Amostra b. Dependent Variable: ível_base Figura 6 Plotagem de probabilidade normal dos resíduos padronizados da regressão
44 69 Tabela Coeficientes do modelo de regressão para o conjunto de amostras Model (Constant) Amostra Unstandardized Coefficients a. Dependent Variable: ível_base Standardized Coefficients B Std. Error Beta t Sig. 9,9,9,000 -,0,07 -,660 -,,05 90, 90 9, 9,6 9, 9, 9,, Figura 7 Regressão linear para o nível-base do conjunto 5 de amostras Tabela Sumário do modelo de regressão do conjunto 5 de amostras Adjusted Std. Error of Durbin- Model R R Square R Square the Estimate Watson,99 a,,,676, a. Predictors: (Constant), Amostra b. Dependent Variable: ível_base
45 70 Figura Plotagem de probabilidade normal dos resíduos padronizados da regressão Tabela 5 Coeficientes do modelo de regressão para o conjunto 5 de amostras Model (Constant) Amostra Unstandardized Coefficients a. Dependent Variable: ível_base Standardized Coefficients B Std. Error Beta t Sig. 9,9 0,570,000 -,090,0 -,99 -,09,000
46 7,5,,,, 7,9 7, 7,7 7, Figura 9 Regressão linear para o nível-base do conjunto 6 de amostras Tabela 6 Sumário do modelo de regressão do conjunto 6 de amostras Adjusted Std. Error of Durbin- Model R R Square R Square the Estimate Watson,76 a,50,50,,99 a. Predictors: (Constant), Amostra b. Dependent Variable: ível_base
47 7 Figura 0 Plotagem de probabilidade normal dos resíduos padronizados da regressão Tabela 7 Coeficientes do modelo de regressão para o conjunto 6 de amstras Model (Constant) Amostra Unstandardized Coefficients a. Dependent Variable: ível_base Standardized Coefficients B Std. Error Beta t Sig. 9,60,96,000 -,07,0 -,76 -,0,07 Verificando as premissas da regressão:. Erro ter distribuição normal com média igual a 0 e;. O erro ser probabilisticamente independente. A premissa número é satisfeita, conforme a estatística d de Durbin-Watson (ver última coluna das tabelas, e 6), que apresentaram d próximo de, o que significa dizer que os resíduos são não correlacionados, ou seja, não há evidência suficiente para
48 7 concluir que os erros sejam autocorrelacionados. Com relação aos erros serem normalmente distribuídos, os gráficos de probabilidade acima ( P-P plots ) não mostram afastamentos significativos da normalidade em nenhum dos conjuntos analisados (ainda que para o conjunto a distribuição apresente caudas ligeiramente mais pesadas que o esperado. Como as premissas sobre a distribuição de probabilidades do erro foram satisfeitas, podem-se analisar os coeficientes angulares (Beta) acima para verificar se eles são significamente diferentes de zero, ou melhor, se são negativos. Com um α de 5 % pode-se rejeitar a hipótese de eles serem nulos, com exceção do conjunto de amostras, onde o p-value foi 5,%, o que ainda nos leva a rejeição da hipótese nula. Concluindo a análise exploratória, eis os problemas encontrados, relativos ao processo em questão:. Médias distintas entre os bicos;. Mudança na média quando o tanque de armazenagem se aproxima do final;. Médias diferentes em lotes diferentes num mesmo bico. O objetivo da análise exploratória é justamente conhecer o processo. Os pontos acima foram chamados de problemas por que não existe um esquema de CEP que contemple processos com essas características. A seguir enumeraram-se as abordagens existentes para controle de processos com múltiplos canais e comentam-se as razões pelas quais tais métodos não são aplicáveis.. A group charts clássica não pode ser aplicada porque as médias dos bicos são diferentes;. Utilizar uma group chart com dados padronizados também não é possível pois a média do processo é variável;. Impossibilidade de se estabelecer parâmetros para uma group chart de diferenças, pois o processo possui média variável. Logo não se terá como determinar os limites de controle;. O fato de a média ser variável também tornará proibitiva a utilização da padronização das diferenças;
49 7 5. O modelo de Mortell e Runger do mesmo modo será inviável, pois os X i s não são amostras de uma mesma distribuição. Pela inexistência de esquemas com tais características para o processo, o capítulo seguinte apresentará uma proposta original. Complementando a análise, as tabelas a representam as matrizes de correlações cruzadas para os conjuntos de amostras válidos, e as Figuras a 6 apresentam os correlogramas. Tais matrizes e correlogramas são apresentadas com o propósito de completar a compreensão do processo. Correlações cruzadas positivas surgem em processos multicanal devido a parcela comum de variação, e tendem a ser tão maiores quanto maior a razão entre a variabilidade desta parcela e a variabilidade das parcelas residuais de cada canal. Observa-se que há várias correlações significativas, embora algumas sejam pequenas. De qualquer forma, os conjuntos de amostras possuem às vezes poucos pontos e algumas causas especiais não identificadas podem estar afetando os resultados. Vale comentar que esta análise é meramente informativa, pois (adiantando a informação) tais correlações não têm influência sobre o esquema de CEP que será proposto. Tabela Matriz de correlação para o conjunto de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Bico Pearson Correlation,97 *,60 *,605 **,6 **,550 *,079,50 *,59 ** Sig. (-tailed),00,0,00,005,07,9,09, Bico Pearson Correlation,97 * -,06,69 **,59,,090 -,06,57 * Sig. (-tailed),00,5,006,09,,75,, Bico Pearson Correlation,60 * -,06,0,7,,0,77 **,595 ** Sig. (-tailed),0,5,5,9,,7,00, Bico Pearson Correlation,605 **,69 **,0,7 **,5 *,06,5 *,9 ** Sig. (-tailed),00,006,5,00,05,0,0, Bico5 Pearson Correlation,6 **,59,7,7 **,5 *,0, *,77 ** Sig. (-tailed),005,09,9,00,0,6,0, Bico6 Pearson Correlation,550 *,,,5 *,5 * -,0,59 *,65 ** Sig. (-tailed),07,,,05,0,,09, Bico7 Pearson Correlation,079,090,0,06,0 -,0 -,0,59 Sig. (-tailed),9,75,7,0,6,,60, Bico Pearson Correlation,50 * -,06,77 **,5 *, *,59 * -,0,697 ** Sig. (-tailed),09,,00,0,0,09,60, Base Pearson Correlation,59 **,57 *,595 **,9 **,77 **,65 **,59,697 ** Sig. (-tailed),000,0,00,000,000,005,76, *. Correlation is significant at the 0.05 level (-tailed). **. Correlation is significant at the 0.0 level (-tailed).
50 75 Tabela 9 Matriz de correlação para o conjunto de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Bico Pearson Correlation,7,70, -,07,6, *,09,50 ** Sig. (-tailed),,075,0,,7,00,, Bico Pearson Correlation,7,75,,005,0,06,9,5 ** Sig. (-tailed),,77,,9,067,66,, Bico Pearson Correlation,70,75, *,077 -,6 *,06,, * Sig. (-tailed),075,77,0,,09,67,07, Bico Pearson Correlation,,, *,9,05,9,60 **,7 ** Sig. (-tailed),0,,0,060,6,,000, Bico5 Pearson Correlation -,07,005,077,9, ** -,00,7 **,56 ** Sig. (-tailed),,9,,060,007,0,00, Bico6 Pearson Correlation,6,0 -,6 *,05, ** -,05,067,7 * Sig. (-tailed),7,067,09,6,007,9,6, Bico7 Pearson Correlation, *,06,06,9 -,00 -,05,07,57 * Sig. (-tailed),00,66,67,,0,9,, Bico Pearson Correlation,09,9,,60 **,7 **,067,07,7 ** Sig. (-tailed),,,07,000,00,6,, Base Pearson Correlation,50 **,5 **, *,7 **,56 **,7 *,57 *,7 ** Sig. (-tailed),00,006,00,000,00,0,06, *. Correlation is significant at the 0.05 level (-tailed). **. Correlation is significant at the 0.0 level (-tailed). Tabela 0 Matriz de correlação para o conjunto de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Bico Pearson Correlation,,50 **,7 *,7 *,0,75 *,7 **,796 ** Sig. (-tailed),07,00,09,06,0,07,00,000 Bico Pearson Correlation,, *,05,99 *, *,0 -,069,9 ** Sig. (-tailed),07,07,7,0,0,7,0,00 Bico Pearson Correlation,50 **, *,097,,06,,0,60 ** Sig. (-tailed),00,07,,0,6,09,0,000 Bico Pearson Correlation,7 *,05,097,65 -,05 -,060,5 *,66 ** Sig. (-tailed),09,7,,05,65,6,00,00 Bico5 Pearson Correlation,7 *,99 *,,65, -,06,6 *,556 ** Sig. (-tailed),06,0,0,05,,,0,000 Bico6 Pearson Correlation,0, *,06 -,05,,0 -,06,9 * Sig. (-tailed),0,0,6,65,,56,5,09 Bico7 Pearson Correlation,75 *,0, -,060 -,06,0,99,5 ** Sig. (-tailed),07,7,09,6,,56,5,00 Bico Pearson Correlation,7 ** -,069,0,5 *,6 * -,06,99,59 ** Sig. (-tailed),00,0,0,00,0,5,5,000 Base Pearson Correlation,796 **,9 **,60 **,66 **,556 **,9 *,5 **,59 ** Sig. (-tailed),000,00,000,00,000,09,00,000 **. Correlation is significant at the 0.0 level (-tailed). *. Correlation is significant at the 0.05 level (-tailed).
51 76 Tabela - Matriz de correlação para o conjunto 5 de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Bico Pearson Correlation,565 -,50,6,9 **,5,6 *,5, ** Sig. (-tailed),056,07,7,000,,0,5, Bico Pearson Correlation,565 -,50,56,7 *,65,55 *,6,07 ** Sig. (-tailed),056,,7,0,0,09,0, Bico Pearson Correlation -,50 -,50,70 -,9 -,9 -,55,007 -,9 Sig. (-tailed),07,,6,09,7,06,9, Bico Pearson Correlation,6,56,70,0 -,57,,,56 Sig. (-tailed),7,7,6,5,7,,095, Bico5 Pearson Correlation,9 **,7 * -,9,0,7,569,55,90 ** Sig. (-tailed),000,0,09,5,,055,09, Bico6 Pearson Correlation,5,65 -,9 -,57,7,,0,5 Sig. (-tailed),,0,7,7,,56,, Bico7 Pearson Correlation,6 *,55 * -,55,,569, -,0,60 * Sig. (-tailed),0,09,06,,055,56,00, Bico Pearson Correlation,5,6,007,,55,0 -,0,55 Sig. (-tailed),5,0,9,095,09,,00, Base Pearson Correlation, **,07 ** -,9,56,90 **,5,60 *,55 Sig. (-tailed),00,00,6,057,000,76,0, **. Correlation is significant at the 0.0 level (-tailed). *. Correlation is significant at the 0.05 level (-tailed). Tabela Matriz de correlação para o conjunto 6. de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Bico Pearson Correlation,96,6,05 -,0,69 ** -,,7 *,750 ** Sig. (-tailed),6,,,67,00,5,09,00 Bico Pearson Correlation,96,6 -,0 -,7 -,5 -,55 * -,97,0 Sig. (-tailed),6,,,6,09,05,59,55 Bico Pearson Correlation,6,6 -,707 ** -,,59,0,0,55 * Sig. (-tailed),,,00,,96,67,67,00 Bico Pearson Correlation,05 -,0 -,707 **,06,05 -,5 *,077 -,069 Sig. (-tailed),,,00,0,5,09,0, Bico5 Pearson Correlation -,0 -,7 -,,06,0 -, -,057, Sig. (-tailed),67,6,,0,60,,7,5 Bico6 Pearson Correlation,69 ** -,5,59,05,0,0,676 **, ** Sig. (-tailed),00,09,96,5,60,5,006,000 Bico7 Pearson Correlation -, -,55 *,0 -,5 * -,,0,000 -,00 Sig. (-tailed),5,05,67,09,,5,500,9 Bico Pearson Correlation,7 * -,97,0,077 -,057,676 **,000,6 ** Sig. (-tailed),09,59,67,0,7,006,500,009 Base Pearson Correlation,750 **,0,55 * -,069,, ** -,00,6 ** Sig. (-tailed),00,55,00,,5,000,9,009 **. Correlation is significant at the 0.0 level (-tailed). *. Correlation is significant at the 0.05 level (-tailed).
52 77 Tabela Matriz de correlação para o conjunto 6. de amostras Bico Bico Bico Bico Bico5 Bico6 Bico7 Bico Base Bico Pearson Correlation,7 * -,6,9,6,50,77,00,766 ** Sig. (-tailed),0,6,,06,067,,0, Bico Pearson Correlation,7 * -,5,69, **,7 *,0,5 *,6 ** Sig. (-tailed),0,09,,00,0,6,050, Bico Pearson Correlation -,6 -,5 -, -,50 -,79 *,00 -,957 ** -,55 Sig. (-tailed),6,09,9,0,0,9,000, Bico Pearson Correlation,9,69 -,,7,,06,66,559 Sig. (-tailed),,,9,5,,97,, Bico5 Pearson Correlation,6, ** -,50,7,05 ** -,06,6 *,7 ** Sig. (-tailed),06,00,0,5,00,9,0, Bico6 Pearson Correlation,50,7 * -,79 *,,05 ** -,76, **,7 ** Sig. (-tailed),067,0,0,,00,59,00, Bico7 Pearson Correlation,77,0,00,06 -,06 -,76 -,0,0 Sig. (-tailed),,6,9,97,9,59,, Bico Pearson Correlation,00,5 * -,957 **,66,6 *, ** -,0,6 * Sig. (-tailed),0,050,000,,0,00,, Base Pearson Correlation,766 **,6 ** -,55,559,7 **,7 **,0,6 * Sig. (-tailed),00,00,06,059,00,00,75, *. Correlation is significant at the 0.05 level (-tailed). **. Correlation is significant at the 0.0 level (-tailed). As Figuras a 6 como já mencionado apresentam os correlogramas para os diversos conjuntos de amostras. Pode-se observar que não há autocorrelação significativa. Há um único coeficiente de correlação significativo, o de lag, no nível-base, para o conjunto de amostras, mas, dados o grande número de correlogramas e a coerência de seus resultados, tal ocorrência pode ser considerada espúria, e possivelmente devida a alguma causa especial.
53 7 Correlograma conjunto bico Correlograma conjunto bico,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto bico Correlograma conjunto bico,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto bico 5 Correlograma conjunto bico 6,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto bico 7,0 0, -0, -,0 Figura Correlogramas de todos os bicos e nível-base para o conjuntos de amostras
54 79 Correlograma conjunto bico Correlograma conjunto nível base,0 0, -0, -,0,0 0, -0, -,0 Figura Continuação Correlograma conjunto bico Correlograma conjunto bico,0 0, -0, -,0,0 0, -0, -, Correlograma conjunto bico Correlograma conjunto bico,0 0, -0, -,0,0 0, -0, -, Figura Correlogramas de todos os bicos e nível-base para o conjuntos de amostras
55 0 Correlograma conjunto bico 5 Correlograma conjunto bico 6,0 0, -0, -,0,0 0, -0, -, Correlograma conjunto bico 7 Correlograma conjunto bico,0 0, -0, -,0,0 0, -0, -, Correlograma conjunto nível base,0 0, -0, -, Figura Continuação
56 Correlograma conjunto bico Correlograma conjunto bico,0 0, -0, -,0,0 0, -0, -, Correlograma conjunto bico Correlograma conjunto bico,0 0, -0, -,0,0 0, -0, -, Correlograma conjunto bico 5 Correlograma conjunto bico 6,0 0, -0, -,0,0 0, -0, -, Figura Correlogramas de todos os bicos e nível-base para o conjuntos de amostras
57 Correlograma conjunto bico 7 Correlograma conjunto bico,0 0, -0, -,0,0 0, -0, -, Correlograma conjunto nível base,0 0, -0, -, Figura Continuação Correlograma conjunto 5 bico Correlograma conjunto 5 bico,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto 5 bico Correlograma conjunto 5 bico,0 0, -0, -,0,0 0, -0, -,0 Figura Correlogramas de todos os bicos e nível-base para o conjuntos 5 de amostras
58 Correlograma conjunto 5 bico 5 Correlograma conjunto 5 bico 6,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto 5 bico 7 Correlograma conjunto 5 bico,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto 5 nível base,0 0, -0, -,0 Figura Continuação Correlograma conjunto 6, bico Correlograma conjunto 6, bico,0 0, -0, -,0,0 0, -0, -,0 Figura 5 Correlogramas de todos os bicos e nível-base para o conjuntos 6. de amostras
59 Correlograma conjunto 6, bico Correlograma conjunto 6, bico,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto 6, bico 5 Correlograma conjunto 6, bico 6,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto 6, bico 7 Correlograma conjunto 6, bico,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto 6, nível base,0 0, -0, -,0 Figura 5 Continuação
60 5 Correlograma conjunto 6, bico Correlograma conjunto 6, bico,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto 6, bico Correlograma conjunto 6, bico,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto 6, bico 5 Correlograma conjunto 6, bico 6,0 0, -0, -,0,0 0, -0, -,0 Correlograma conjunto 6, bico 7 Correlograma conjunto 6, bico,0 0, -0, -,0,0 0, -0, -,0 Figura 6 Correlogramas de todos os bicos e nível-base para o conjuntos 6. de amostras
Exame de Recorrência de Métodos Estatísticos. Departamento de Matemática Universidade de Aveiro
Exame de Recorrência de Métodos Estatísticos Departamento de Matemática Universidade de Aveiro Data: 6/6/6 Duração: 3 horas Nome: N.º: Curso: Regime: Declaro que desisto Classificação: As cotações deste
Leia maisINSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO PORTO Ano lectivo 2009/20010 EXAME: DATA 24 / 02 / NOME DO ALUNO:
INSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO PORTO Ano lectivo 2009/20010 Estudos de Mercado EXAME: DATA 24 / 02 / 20010 NOME DO ALUNO: Nº INFORMÁTICO: TURMA: PÁG. 1_ PROFESSOR: ÉPOCA: Grupo I (10
Leia maisExame de Recurso de Métodos Estatísticos. Departamento de Matemática Universidade de Aveiro
Exame de Recurso de Métodos Estatísticos Departamento de Matemática Universidade de Aveiro Data: /7/6 Duração: 3 horas Nome: N.º: Curso: Regime: Declaro que desisto Classificação: As cotações deste exame
Leia maisMódulo 16- Análise de Regressão
Módulo 6 Análise de Regressão Módulo 6- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de moeda
Leia maisTestes de Hipóteses. : Existe efeito
Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs. H 1 : Existe efeito Hipótese nula Hipótese alternativa Varia conforme a natureza
Leia maisExame Final de Métodos Estatísticos
Exame Final de Métodos Estatísticos Data: de Junho de 26 Duração: 3h. Nome: Curso: Declaro que desisto N. Mec. Regime: As cotações deste exame encontram-se na seguinte tabela. Responda às questões utilizando
Leia maisInstituto Universitário de Lisboa (ISCTE-IUL) Licenciaturas em Gestão e Finanças & Contabilidade Estatística II - Exame de 1ª época
Instituto Universitário de Lisboa (ISCTE-IUL) Licenciaturas em Gestão e Finanças & Contabilidade Estatística II - Exame de 1ª época Duração: 2h +30m Nota: Não são prestados esclarecimentos durante a prova!
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia mais4. ANÁLISE DOS RESULTADOS DA PESQUISA
68 4. ANÁLISE DOS RESULTADOS DA PESQUISA Conforme já comentado, este estudo visa analisar a relação entre o EVA e o retorno das ações no mercado acionário brasileiro, através da aplicação de dois modelos
Leia maisVerificando as pressuposições do modelo estatístico
Verificando as pressuposições do modelo estatístico Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 As pressuposições do modelo estatístico: 1) os efeitos do modelo estatístico devem ser
Leia maisTestes não paramétricos são testes de hipóteses que não requerem pressupostos sobre a forma da distribuição subjacente aos dados.
TESTES NÃO PARAMÉTRICOS Testes não paramétricos são testes de hipóteses que não requerem pressupostos sobre a forma da distribuição subjacente aos dados. Bioestatística, 2007 15 Vantagens dos testes não
Leia mais5 Análise dos resultados
5 Análise dos resultados Os dados foram analisados utilizando o software SPSS (Statistical Package for Social Sciences) base 18.0. Para Cooper e Schindler (2003) a análise de dados envolve a redução de
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisCONHECIMENTOS ESPECÍFICOS
De acordo com o comando a que cada um dos itens de 51 a 120 se refira, marque, na folha de respostas, para cada item: o campo designado com o código C, caso julgue o item CERTO; ou o campo designado com
Leia mais'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV
69 'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV O presente capítulo objetiva entender o comportamento das séries de retorno financeiras para as carteiras de investimento elaboradas no capítulo anterior. Tal análise
Leia mais6 Tratamento e análise dos dados
Tratamento e análise dos dados 58 6 Tratamento e análise dos dados Este capítulo apresenta as séries temporais das variáveis previdenciárias e dos indicadores apresentados na revisão de literatura. Relata
Leia maisAssociação entre duas variáveis
Associação entre duas variáveis Questões de interesse: Será que duas variáveis são independentes ou pelo contrário dependentes? E se forem dependentes, qual o tipo e grau de dependência? Existem diversas
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisVERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
Leia maisEstatística Aplicada à Administração II
Estatística Aplicada à Administração II Tópico: Análise Discriminante (No SPSS e no Minitab) Bibliografia: R.A. Johnson, Applied Multivariate Statistical Analysis, Prentice Hall, 1992 L.J. Corrar; E. Paulo;
Leia maisGroup Statistics. residência N Mean Std. Deviation Std. Error Mean. Avaliação Breve do Estado Mental. meio rural 11 27,73 1,849,557
ANEXO M: Output 1 Teste t de Student para amostras independentes, para comparação entre médias obtidas nos quatro instrumentos de avaliação pelas duas amostras: meio rural e meio urbano. Group Statistics
Leia maisA UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia mais([DPHGH5HFRUUrQFLDGH0pWRGRV(VWDWtVWLFRV. 'HSDUWDPHQWRGH0DWHPiWLFD±8QLYHUVLGDGHGH$YHLUR. Nome: N.º: Curso:
([DP5FRrFLD0pWRRV(VWDWtVWLFRV 'SDWDPWR0DWPiWLFD±8LYVLD$YLR Data: 5/06/2004 Duração: 3 horas Nome: N.º: Curso: Declaro que desisto Classificação: As cotações deste exame encontram-se na seguinte tabela:
Leia mais4 Análise Exploratória
4 Análise Exploratória Ao analisar uma série temporal é de fundamental importância que seja feita a análise exploratória de dados. Tal procedimento permite que sejam identificadas diversas informações
Leia mais5 Resultados e Interpretação do Índice Construído
5 Resultados e Interpretação do Índice Construído Apresentam-se, nesta seção, os resultados dos scores e interpretação da escala produzida. O objetivo é responder questões do tipo: O que significa uma
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisBioestatística. Paulo Nogueira quarta-feira, 11 de Janeiro de 2012
Bioestatística Paulo Nogueira quarta-feira, 11 de Janeiro de 2012 Bioestatística? Bioestatística Biologia + Estatística (Portmanteau) Biometria Estatística aplicada às ciências da saúde Para que serve
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisPlanejamento de Experimentos Suposições do Modelo e Comparações Múltiplas
1 / 30 Planejamento de Experimentos Suposições do Modelo e Comparações Múltiplas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 30 Exemplo típico: Resistência de uma nova fibra sintética
Leia maisEconometria Semestre
Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.
Leia maisEstatística descritiva
Estatística descritiva Para que serve a estatística? Qual o seu principal objectivo? obter conclusões sobre a população usando uma amostra? População Amostragem Amostra Uma ou mais variáveis (X) são observadas
Leia maisRenda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
Leia maisModelos de Análise de Variância
Modelos de Análise de Variância Delineamento Completamente Aleatorizado: k tratamentos, r réplicas (balanceado) yi iid ~ N ; i i Normalidade Variância constante ( homocedasticidade ) Independência Análise
Leia maisExplore sexo do sujeito
EXAMINE VARIABLES=somatização ObComp Sensibilidinter DepresE BY sexo /PLOT BOXPLOT STEMLEAF NPPLOT /COMPARE GROUP /STATISTICS DESCRIPTIVES /CINTERVAL 95 /MISSING LISTWISE /NOTOTAL. Explore Somatização
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisProf. Dr. Alfredo J Rodrigues. Departamento de Cirurgia e Anatomia Faculdade de Medicina de Ribeirão Preto Universidade de São Paulo
Bioestatística Básica RCA 5804 1. Experimentos no qual o sujeito recebe + de 1 tratamento 2. Alternativas para teste T e Análise de Variância 3. Correlação Prof. Dr. Alfredo J Rodrigues Departamento de
Leia maisANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j
SUMÁRIO 1 Análise de Variância 1 1.1 O Teste F...................................... 1.2 Verificando as pressuposições do modelo..................... 5 1.2.1 Verificação de Normalidade.........................
Leia maisAnálise de Variância a um factor
1 Análise de Variância a um factor Análise de experiências com vários grupos de observações classificados através de um só factor (por exemplo grupos de indivíduos sujeitos a diferentes tratamentos para
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisIMC para adolescentes:
ANEXO 1 Anexo 1 IMC para adolescentes: Idade Sexo Baixo Peso Peso Normal 6 anos 7 anos 8 anos 9 anos 10 anos 11 anos 12 anos 13 anos 14 anos 15 anos 16 anos 17 anos Masculino Feminino Masculino Feminino
Leia maisMétodos Estatísticos sticos Aplicados à Engenharia de Software Experimental
Métodos Estatísticos sticos Aplicados à Engenharia de Marco Antônio P. Araújo COPPE/UFRJ maraujo@cos.ufrj.br Márcio de O. Barros PPGI / marcio.barros@uniriotec.br Leonardo G. P. Murta COPPE/UFRJ murta@cos.ufrj.br
Leia maisBIOESTATÍSTICA. EXERCÍCIOS Folha 7 ANO LECTIVO: 2007/2008 ANOVA
BIOESTATÍSTICA Departamento de Matemática EXERCÍCIOS Folha 7 ANO LECTIVO: 2007/2008 ANOVA 1. A anemia é uma doença que afecta muitas pessoas e que pode ter diversas origens. Pretendendo-se avaliar possíveis
Leia maisApostila de estatística básica R Commander Organizador: Daniel Magalhães Lima. Autores:
Apostila de estatística básica R Commander Organizador: Daniel Magalhães Lima Autores: Sumário Importando dados... 3 Explorando dados Tendência central, dispersão e gráficos... 3 Teste de normalidade...
Leia mais4 Análise dos resultados 4.1. Perfil do respondente
4 Análise dos resultados 4.. Perfil do respondente Através da análise dos questionários aplicados, verificou-se que o perfil típico do respondente foi: mulher, entre 3 e 40 anos, remunerações de até oito
Leia maisAnálise espacial da incidência de Dengue no município de São Paulo
Análise espacial da incidência de Dengue no município de São Paulo João Vitor, Joyane, Nayara e Rafael TRABALHO FINAL - ETAPA III - MTI QUADRIMESTRE 2015.2 Introdução ESCALA: Distrital TEMPO: 2010 O uso
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisANEXO A: Questionário de Dados Sócio-demográficos e Profissionais
ANEXO A: Questionário de Dados Sócio-demográficos e Profissionais Totalmente em desacordo Em desacordo Indeciso De acordo Totalmente de acordo Não me afecta Afecta-me um pouco Afecta-me moderada/ Afecta-me
Leia maisRegressão linear múltipla. Regressão linear múltipla
Regressão linear múltipla 35 R 2 = 61% Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M. Pagano e Gravreau e Geraldo
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS PNV 2452 TRATAMENTO E ANÁLISE DE DADOS 2015 MOTIVAÇÃO PARA A ANÁLISE DE DADOS Data Summary Number of Data Points = 30000 Min Data Value = 0.00262 Max Data Value = 982 Sample Mean
Leia maisAssociação entre duas variáveis
Associação entre duas variáveis Questões de interesse: Será que duas variáveis são independentes ou pelo contrário dependentes? E se forem dependentes, qual o tipo e grau de dependência? Medir o grau de
Leia maisUniversidade Católica Portuguesa Faculdade de Ciências Económicas e Empresariais. ESTATÍSTICA MULTIVARIADA 2º. Semestre 2006/07
Universidade Católica Portuguesa Faculdade de Ciências Económicas e Empresariais ESTATÍSTICA MULTIVARIADA 2º. Semestre 2006/07 28.Maio.2007 José Filipe Rafael I Um colega seu está a tentar explicar o salário
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisBioestatística Básica
Bioestatística Básica Curso de Pós-Graduação RCA 5804 PROF. DR. ALFREDO J RODRIGUES DEPARTAMENTO DE CIRURGIA E ANATOMIA FACULDADE DE MEDICINA DE RIBEIRÃO PRETO UNIVERSIDADE DE SÃO PAULO alfredo@fmrp.usp.br
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisCONSULTADORIA INFORMÁTICA, LDA. Análise Bivariada
CONSULTADORIA INFORMÁTICA, LDA. Análise Bivariada Testes Paramétricos Os procedimentos estatísticos e as conclusões são baseados na distribuição subjacente aos dados disponíveis em estudo. Fazem uso de
Leia mais4.1 Análise Comparativa dos Índices Propostos usando a Abordagem Tradicional
4 Resultados Os resultados da pesquisa foram elaborados da seguinte maneira: inicialmente são apresentadas as estatísticas descritivas relativas às variáveis envolvidas na pesquisa, ou seja, identificaram-se
Leia maisISCTE Instituto Superior de Ciências do Trabalho e da Empresa
ISCTE Instituto Superior de Ciências do Trabalho e da Empresa Licenciatura em Gestão Exame de 2ª Época de Estatística II Duração: 2h +30m Nota: Não são prestados esclarecimentos durante a prova! Só é permitida
Leia mais4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA
4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA No capítulo 4, são aplicados os métodos individuais e os combinados à projeção de curto prazo da série de consumo residencial
Leia mais([DPHGH5HFRUUrQFLDGH0pWRGRV(VWDWtVWLFRV
Data: 09/07/2003 ([DPHGH5HFRUUrQFLDGH0pWRGRV(VWDWtVWLFRV Duração: 2 horas Nome: N.º: Curso: Regime: Número de folhas suplementares entregues pelo aluno: Declaro que desisto (VWDSURYDFRQVLVWHHPTXHVW}HVGHUHVSRVWDDEHUWDHDVUHVSHFWLYDVFRWDo}HVHQFRQWUDPVHQDWDEHODTXHVHVHJXH
Leia maisINSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
Leia maisUniversidade de Brasília - Y Instituto de Psicologia. Programa de Pós-graduação em Psicologia Social, do Trabalho e das Organizações.
Universidade de Brasília - Y Instituto de Psicologia Programa de Pós-graduação em Psicologia Social, do Trabalho e das Organizações. ROTEIRO PARA REALIZAÇÃO DO TESTE t de COMPARAÇÃO ENTRE MÉDIAS, CORRELAÇÕES
Leia maisAnálise da Variância. Prof. Dr. Alberto Franke (48)
Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros
Leia maisProjeto de Experimentos
Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída
Leia maisSHOW. [DataSet1] C:\Documents and Settings\Tito\Ambiente de trabalho\almas\dadostodoscomresiduos.sav
GET FILE=' '. DATASET NAME Set1 WINDOW=FRONT. PRESERVE. SET RNG=MT MTINDEX=2000000. SHOW RNG. SHOW Output Created 21-DEC-2013 23:23:56 Active set Set1 SHOW RNG. Processor Time 00:00:00,00 Elapsed Time
Leia mais4 Aplicação para o mercado brasileiro
4 Aplicação para o mercado brasileiro 4.1 Dados Uma aplicação da metodologia de Simulação Histórica Filtrada (SHF) foi realizada, a partir dos preços de opções do mercado brasileiro, como forma de verificar
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisAula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS. *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC);
Aula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC); proc plan; factors blocos=3 ordered parcelas=9 ordered;
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 3 Distribuição Normal Multivariada
ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EXERCÍCIOS PRÁTICOS - CADERO 3 Distribuição ormal Multivariada 22-02-11 3.1 3.1. Considere três variáveis bidimensionais (X 1, X 2 ) com distribuição normal
Leia maisResultados dos testes estatísticos
Resultados dos testes estatísticos Estudo da fiabilidade do instrumento para avaliação dos comportamentos e atitudes Factor Analysis Communalities Initial Extraction Item47 1,000,759 Item48 1,000,801 Item49
Leia maisISCTE IUL Instituto Universitário de Lisboa. Licenciatura em Gestão Estatística I 1º Teste. 26 Outubro de 2013 Duração: 1h 30m
ISCTE IUL Instituto Universitário de Lisboa Licenciatura em Gestão Estatística I 1º Teste Duração: 1h 30m Nota: Não são prestados esclarecimentos durante a prova! Só é permitida a consulta do formulário
Leia maisAnálise de Controle Estatístico em um Processo Petroquímico
Análise de Controle Estatístico em um Processo Petroquímico Autores do Artigo: Danilo Soares Bittencourt Karina Rossini Rogério Miorando Cenário Unidade Industrial de estudo é produtora de polietileno
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia mais([DPH)LQDOGH0pWRGRV(VWDWtVWLFRV
Data: 01/06/2004 ([DPH)LQDOGH0pWRGRV(VWDWtVWLFRV Duração: 3 horas Nome: N.º: Curso: Regime: Declaro que desisto $V FRWDo}HV GHVWH H[DPH HQFRQWUDPVH QD VHJXLQWH WDEHOD 5HVSRQGD jv TXHVW}HV XWLOL]DQGR R
Leia mais6 Teste de Normalidade das Cargas Fatoriais
6 Teste de Normalidade das Cargas Fatoriais Até o presente momento os intervalos de confiança e os valores-p para o TIAF são sugeridos com base em métodos não paramétricos, que não exigem a normalidade
Leia maisExame Final de Métodos Estatísticos
Exame Final de Métodos Estatísticos Data: 09/06/2003 Duração: 2h00 Número: Nome: Regime: Curso: Número de folhas suplementares: Declaro que desisto: Esta prova consiste em 5 questões de resposta aberta.
Leia maisRegressão Linear em SPSS
Regressão Linear em SPSS 1. No ficheiro Calor.sav encontram-se os valores do consumo mensal de energia, medido em milhões de unidades termais britânicas, acompanhados de valores de output, em milhões de
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisESTATÍSTICA MULTIVARIADA. 2º. Semestre 2006/07
ESTATÍSTICA MULTIVARIADA º. Semestre 006/07.Março.007 José Filipe Rafael Fez um inquérito a 45 potenciais clientes de um novo produto pedindo-lhes que avaliassem nove características diferentes numa escala
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 4 Introducing statistical modeling Part 1 (Analysis of variance) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Introduzir a ideia de
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Pertencem ao grupo de ferramentas estatísticas que permitem caracterizar um conjunto de dados sob ponto de vista da tendência
Leia maisRegressão linear múltipla - Correlação parcial
Regressão linear múltipla - Correlação parcial trigo Matriz de correlações: trigo % matéria orgânica 40 103 32 1 58 192 45 28 50 300 39 5 72 420 46 11 61 510 34 14 69 630 38 2 63 820 32 12 % matéria orgânica
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisTeste de Hipóteses (ou Teste de Significância)
Teste de Hipóteses (ou Teste de Significância) Pedro Paulo Balestrassi www.pedro.unifei.edu.br ppbalestrassi@gmail.com 35-36291161 / 88776958 (cel) 1 São diferenças estatisticamente significantes? A B
Leia maisAula no SAS. Planejamento do Experimento - Delineamento inteiramente casualizado. Saídas
Aula no SAS Planejamento do Experimento - Delineamento inteiramente casualizado Saídas title "Antes da Casualização"; data plano; do parc=1 to 20;*DEVE SER MÚLTIPLO DO NÚMERO DE TRATAMENTOS; trat=int((parc-1)/5)+1;*tratamentos+1=5;
Leia mais