INSPEÇÃO POR AMOSTRAGEM
|
|
- Aníbal Balsemão Guterres
- 5 Há anos
- Visualizações:
Transcrição
1 INSPEÇÃO POR AMOSTRAGEM m.a.perissinotto - IPA FUNDAMENTO Sobre uma amostra retirada, aleatoriamente, de um lote podemos fazer a avaliação do mesmo, ou seja APROVAR ou REJEITAR o lote. 2-ONDE APLICAR INSPEÇÃO POR AMOSTRAGEM Ø Inspeção de Recebimento Inspeção em Estoque Intermediário 3- TIPOS DE INSPEÇÃO POR AMOSTRAGEM Inspeção Final INSPEÇÃO POR ATRIBUTOS É aquela onde a peça é classificada como: defeituosa ou não. Ex.: Calibrador P - NP INSPEÇÃO - 100% onerosa demorada resultado questionável impossível em testes destrutivos x INSPEÇÃO POR VARIÁVEIS É aquela onde uma característica da peça é medida numa escala contínua. Ex.: dimensão, temperatura, etc. INSPEÇÃO POR AMOSTRAGEM ü custo pela aceitação de lotes ruins ( erro amostral ) ERRO AMOSTRAL risco do consumidor ( b ) Äum lote de má qualidade pode ser APROVADO risco do produtor ( a ) Äum lote de boa qualidade pode ser REJEITADO Contudo, esse erro não ocorre de forma descontrolada, pois se por exemplo, dentro de um determinado período forem inspecionados 100 lotes que contenham uma fração defeituosa - p = 3% e o plano de amostragem definindo uma amostra n = 100 peças e o número de aceitação - Ac = 3, após esse período teríamos provavelmente: 65% dos lotes APROVADOS e 35% dos lotes REJEITADOS 4-TERMOS UTILIZADOS NA INSPEÇÃO POR AMOSTRAGEM 4.1-DEFEITO É a falta de conformidade a qualquer dos requisitos especificados 4.2-NÚMERO DE ACEITAÇÃO - ( Ac ) É a quantidade máxima de defeituosos, em uma amostra de tamanho ( n ), que ainda é permitida a aprovação do lote. 4.3-NÚMERO DE REJEIÇÃO - ( Re ) É a quantidade mínima de defeituosos, em uma amostra de tamanho ( n ), que determinam a rejeição do lote. Portanto: Re ³ Ac PORCENTAGEM DEFEITUOSA à p = d n 100 d = nº de unidades defeituosas n = nº de unidades inspecionadas 4.5-DEFEITOS POR CEM UNIDADES à DCU = d n 100 Somatório de defeitos nº de unidades inspecionadas Obs. Qq unidade do produto poderá conter um ou mais defeituoso 4.6-RISCO DO CONSUMIDOR - ( b ) É a probabilidade de um lote de má qualidade ser aceita. Por exemplo, se fixarmos o risco do consumidor em 10%, isto significa que em uma série de lotes apresentados, um em cada 10 aceitos será de má qualidade. 4.7-RISCO DO PRODUTOR - ( a ) É a probabilidade de um lote de boa qualidade ser rejeitado. Por exemplo, se fixarmos o risco do produtor em 5%, isto significa que em uma série de 20 lotes de boa qualidade apresentados, um será rejeitado como sendo de má qualidade. 4.8-NÍVEL DE QUALIDADE ACEITÁVEL - ( NQA ) É a máxima porcentagem defeituosa ( ou máximo DCU ) que para fins de inspeção por amostragem pode ser considerada satisfatória como média de um processo. Uso recomendado para entregas contínuas. 4.9-QUALIDADE LIMITE - ( QL ) É o limite mínimo de porcentagem defeituosa ( ou mínimo DCU ), acima do qual o lote é considerado de má qualidade. Uso recomendado para lotes isolados NÍVEL DE QUALIDADE INDEPENDENTE - ( NQI ) PONTO DE INDIFERENÇA - ( P0,5 ) Com esse número de porcentagem defeituosa a probabilidade de aceitação é de 50%.
2 m.a.perissinotto - IPA CURVA CARACTERÍSTICA DE OPERAÇÃO - ( CCO ) A CCO define, para cada plano de amostragem, a probabilidade ( Pa ) de aceitação do lote, que tenha uma qualidade ( p ) em porcentagem defeituosa, ao ser submetido à inspeção através de uma amostra ( n ), retirada aleatoriamente do lote e, um critério de aceitação ( Ac ) QUALIDADE MÉDIA RESULTANTE - ( QMR ) QMR de todo um processo de inspeção por amostragem, incluídos os resultados de todos os lotes aceitos e todos os lotes rejeitados, após estes terem sido inspecionados em 100% e todas as unidades de produtos defeituosos substituídas por não defeituosas. QMR = p Pa 4.13-NÍVEL DE INSPEÇÃO O nível de inspeção determina a relação entre o tamanho do lote e o tamanho da amostra. São prescritos 3 níveis de inspeção normal I, II, III. O nível a ser usado deverá ser determinado pelo responsável pela inspeção, quando não houver nenhuma indicação deverá ser usado o nível Relação II. de criticidade I = 0,4 II III = 1,6 II São prescritos ainda 4 níveis de inspeção especial S1, S2, S3, S4 Esses níveis de inspeção especial, poderão ser utilizados quando forem necessários tamanhos de amostras relativamente pequenos. Ex.: testes destrutivos ou custo de inspeção muito elevado. Esses níveis também são considerados adequados para quando for utilizado processo repetitivo. Ex.: estampagem, cunhagem, forja, etc CÓDIGO LITERAL Os tamanhos de amostras são indicados por um código literal em função do tamanho do lote e do nível de inspeção, conforme tabela PLANO DE AMOSTRAGEM Amostragem Simples uma amostra de tamanho n Amostragem Dupla duas amostras de tamanhos n1 e n2 (n1 = n2) Amostragem Múltipla sequência de amostras n1, n2,... nn (n1=n2=...nn) A escolha do tipo de amostragem a ser utilizada não pode negligenciar os aspectos de custo: Quanto ao custo de inspeção, a amostragem simples é mais cara que a múltipla, pois o mesmo depende diretamente da quantidade média inspecionada. Quanto ao custo administrativo, a amostragem simples é a mais barata, pois requer um menor grau de sofisticação na obtenção das amostras REGIME DE INSPEÇÃO A escolha se dá em função das performances dos lotes recebidos anteriormente, resumo: Resumo: Tipo Regime SIMPLES NORMAL DUPLA SEVERA MÚLTIPLA ATENUADA Quando não houver nenhuma indicação contrária devemos iniciar pela inspeção normal, porém: Se de 5 lotes consecutivos recebidos, 2 tiverem sido rejeitados na inspeção original, então: NORMAL Þ SEVERA Se 5 lotes consecutivos recebidos tiverem sido aprovados na inspeção original, então: SEVERA Þ NORMAL ðapós 10 lotes em regime de inspeção severa, a norma recomenda a necessidade de aprimoramento da qualidade do produto. Se 10 lotes consecutivos recebidos tiverem sido aprovados na inspeção original, então: Se 1 lote for rejeitado, ou Se Ac < d < Re, ou Se o processo estiver irregular, junto ao produtor. NORMAL Þ ATENUADA ATENUADA Þ NORMAL
3 m.a.perissinotto - IPA CONSIDERAÇÕES NO ESTABELECIMENTO DE UM PLANO DE AMOSTRAGEM Quando da decisão de terceirizar algum tipo de peça, o acordo comercial deve prever o tipo de inspeção a ser executado. 5.1-CUSTO DE NÃO INSPEÇÃO - ( Cni ) Se o lote for aceito sem inspeção, as peças defeituosas, não identificadas, causarão determinados prejuízos, seja na produção do cliente, seja para o usuário final, pois neste caso todas as peças defeituosas passarão para a fase seguinte do processo produtivo, provocando um custo de não inspeção de : N = tamanho do lote C ni = N p T P = fração defeituosa do lote T = custo do retrabalho por ter aceito peça ruim 5.2-CUSTO DA INSPEÇÃO 100% - ( Ci ) Neste caso, considerando inspeção 100% ( considerada eficiente ), temos o custo de inspeção de todo o lote, de. C i = N I I = custo da inspeção por peça Quanto ao custo, através do gráfico, podemos verificar que: 1ª p < po Interessante insp. 0% 2ª p > po Interessante insp 100% 3ª p = po v Indiferença v Analisando o ponto de indiferença temos: C BC = C C N p T = N I p = I T Portanto, se a porcentagem de defeituosos for p0, o plano de amostragem a ser escolhido será aquele em que as possibilidades de aceitação e rejeição são iguais, assim sendo poderemos, com o auxílio da CCO, definir o plano de amostragem ideal. Exemplo: Tamanho do Lote (N) 500 pçs. Custo da Inspeção ( I ) $ 20 u.m Custo da Não Inspeção ( T ) $ 400 u.m Exemplo, reduzido de uma tabela da NBR-5426 p = I T = 20 = 0 400, 05 Þ 5% INSPEÇÃO POR AMOSTRAGEM - ATRIBUTOS ( NBR 5426 ) A Inspeção por Amostragem-Atributos, esta baseada nas: Distribuição Binomial para % defeituosa e, Distribuição de Poisson para defeitos por 100 unidades. Nas próximas páginas uma RECORDAÇÃO nas teorias das distribuições: BINOMIAL, POISSON e HIPERGEOMÉTRICA
4 m.a.perissinotto - IPA - 4 DISTRIBUIÇÃO BINOMIAL A Distribuição Binomial descreve eventos independentes, quando somente 2 resultados são possíveis. Ex.: Calibrador P - NP, obtenção de caras em n lançamentos sucessivos e independentes de uma moeda. Vamos, neste item, considerar experimentos que satisfaçam as seguintes condições: A Distribuição Binomial se aproxima da Distribuição Nortmal, se: np 5 e nq 5 ( explicações dessa vantagem, no fascículo DISTRIBUIÇÃO NORMAL). ü O experimento deve ser repetido, nas mesmas condições, um número finito de vezes n ; ü As provas repetidas devem ser independentes, isto é, o resultado de uma não deve afetar os resultados das sucessivas; ü Em cada prova deve aparecer um dos dois possíveis resultados: sucesso e insucesso; ü No decorrer do experimento, a probabilidade p do sucesso e a probabilidade do insucesso q (q = 1 p) se manterão constantes. p (fração defeituosa) q = (1-p) Probabilidade de ocorrer peças defeituosas Probabilidade ce ocorrer peças perfeitas Resolveremos problemas do tipo: determinar a probabilidade de se obterem x sucessos em n tentativas. Média = np A probabilidade de ocorrer x (exatamente x ) peças defeituosas em n provas é: f(x) = N n x P px q (ncx) Lembrando: ( n x ) = ( Cn,x ) combinação de n elementos x a x EXEMPLOS: 1-Uma moeda é jogada 20 vezes. Calcular a probabilidade de obtermos exatamente 10 caras. parâmetros: n=20, x=10, p=0,5, q=(1-0,5) = 0,5 Probabilidade ½ = 05 Variância = n p (1 p) A probabilidade de ocorrerem até a (no máximo a ) peças defeituosas em n provas é: xla F(a) = k N n x P px q (ncx) xlo N n x P = n! (n x)! x! x=10 N n x P py q (Bcy) N P 0,5WS 0,5 WS 184,756 0, , = 0, Um lote de N=1000 peças tem a fração defeituosa p=0,04. Calcular a probabilidade de aceitação e de rejeição do lote com amostras n=50 peças e número de aceitação Ac= 2, 3 e 6. f(x) F(a) Ac. Rj f(0) N 50 0 P 0,04S 0,96 VS (1) (1) (0,12988) 0,130 0,130 0,130 0,870 f(1) N 50 1 P 0,04W 0,96 XY (50) (0,04) (0,13530) 0,271 0,401 0,271 0,729 f(2) N 50 2 P 0,04[ 0,96 X\ (1225) (1, ) (0,14094) 0,276 0,677 0,677 0,323 f(3) N 50 3 P 0,04^ 0,96 X_ (19600) (6, ) (0,14681) 0,184 0,861 0,861 0,139 f(4) N 50 4 P 0,04X 0,96 X` (230300) (2, c`) (0,15292) 0,090 0,951 0,951 0,049 f(5) N 50 5 P 0,04V 0,96 XV ( ) (1, c_ ) (0,159296) 0,035 0,986 0,986 0,014 f(6) N 50 6 P 0,04` 0,96 XX ( )(4, )(0,165934) 0,0108 0,9968
5 m.a.perissinotto - IPA - 5 DISTRIBUIÇÃO DE POISSON A Distribuição de Poisson, também conhecida como Lei dos eventos raros, a ocorrência do evento surge com grande número de oportunidades porém com pequena probabilidade. O evento ocorre em um intervalo (esse intervalo pode ser: tempo, a distância, a área, o volume ou outra unidade análoga. Essas ocorrências devem ser: aleatórias, independentes umas das outras, tenham a mesma probabilidade sobre o intervalo considerado. Exs.: ü Na maioria dos estudos p depende da unidade de tempo; ü Quantidade de defeitos em uma unidade pintada ( automóvel ); ü Defeitos por unidade (m 2, m, etc.), ou por peça fabricada; ü Erros tipográficos por página, em um material impresso Pode-se utilizar Poisson como aproximação da Binomial quando : n = grande >100 e n.p< 5 (regra empírica) Média = Variância = m m = n p onde: p = probabilidade de ocorrer peças defeituosas ( fração defeituosa ), ou Taxa de Ocorrência n = nº de elementos da amostra lembrando: m= produto da amostragem pela fração defeituosa A probabilidade de ocorrer x (exatamente x ) peças defeituosas em n provas é: f(x) = mx e cm x! A probabilidade de ocorrerem até a (no máximo a ) peças defeituosas em n provas é: xla F(a) = k mx e cm x! xl0 A distribuição binomial pode ser usada para encontrar a probabilidade de um número designado de sucessos em n tentativas, ou por intervalo de tempo. As outras condições exigidas para se aplicar a distribuição Binomial são também exigidas para se aplicar a distribuição de Poisson; isto é, (1) deve existir somente dois resultados mutuamente exclusivos, (2) os eventos devem ser independentes, e (3) o número médio de sucessos por unidade de intervalo deve permanecer constante. Ex.: 1 - Um pronto socorro de um hospital recebe em média 05 entradas por hora, qual a probabilidade de receber 02 solicitações numa hora selecionada aleatoriamente? Parâmetros: x=nº designado de sucessos = 2, m=nº médio de sucessos no intervalo específico (1 hora) = 5 f(x) = mx e cm x! 52 e c5 2! = 25 0, = 0, = 0, , 42% m = n x p p = 5 entradas n = 1hora Ex.: 2 - Um lote de N=1000 peças tem a fração defeituosa p=0,04. Calcular a probabilidade de aceitação e de rejeição do lote com amostras n=50 peças e número de aceitação Ac= 2, 3 e 6. f(x) F(a) f(0) 2 S e c[ 1 0,1353 0! 1 0,135 0,135 f(1) 2 W e c[ 2 0,1353 1! 1 0,271 0,406 f(2) 2 [ e c[ 4 0,1353 2! 2 0,271 0,677 f(3) 2^ e c[ 8 0, ,180 0,857 f(4) 2 X e c[ 16 0,1353 4! 24 0,090 0,947 f(5) 2 V e c[ 32 0,1353 5! 120 0,036 0,983 f(6)
6 m.a.perissinotto - IPA - 6 DISTRIBUIÇÃO HIPERGEOMÉTRICA Um experimento hipergeométrico é um experimento estatístico que tem as seguintes propriedades: ü Uma amostra de tamanho n é selecionada aleatoriamente sem reposição de uma população de N itens. ü Na população, D itens podem ser classificados como fracassos. A diferença para a Binomial é que a probabilidade de sucesso, na Hipergeométrica, muda a cada tentativa, no entanto quando a população (N) for muito grande essa diferença é minimizada. O cálculo da Probabilidade de aceitação pela Distribuição Hipergeométrica pode ser feita como segue: Média = n D N Š N quantidade de peças no lote n nº de elementos da amostra D nº de defeituosos no lote Variância = n ND N P N1 D P (N n) N N 1 (número inteiro) A probabilidade de ocorrer x (exatamente x ) peças defeituosas em n provas é A probabilidade de ocorrerem até a (no máximo a ) peças defeituosas em n provas é: (N D) f(x) = N D ˆ x P (n x) Š (N D) xla N N n P F(a) = k N D ˆ x P (n x) Š EXEMPLOS: 1- O jogo de loteria é feito a partir de um conjunto de 60 bolas numeradas de 1 a 60. O resultado é dado pelos números de 6 bolas retiradas aleatoriamente e sem reposição. Os cartões de apostas permitem a marcação de 06 dezenas. Calcular a probabilidade de um bilhete acertar (03) três números. Parâmetros: N=60 (tamanho lote ); D=6 (quantidade de sucessos no total, isto é, as bolas sorteadas); n = 6 (tamanho da amostra, ou seja, quantidade de números no bilhete); x=3 (número de acertos). (N D) f(x) = N D ˆ x P (n x) Š N N n P N 6 ŽN P 6 3 P N 60 6 P N 6 N 54 3 P 3 P N P 2- Um lote de N = 10 peças tem D = 2 defeituosos, qual a probabilidade de aceitação do lote retirando-se uma peça por vez, num total da amostra de n = 5 peças, com número de aceitação Ac = 2 peça. xl = 0, ,991% ,86 N N n P ( 10 2) f(0) N 2 ˆ 0,222 0 P (5 0) Š N 2 N 8 N P 5 P 5 P N P f(x) F(a) 0,222 (10 2) f(1) N 2 ˆ 0,555 0,777 1 P (5 1) Š N 10 N 2 N 8 5 P 1 P 4 P N 10 5 P
7 m.a.perissinotto - IPA - 7 f(2) COEFICIENTE DE VARIAÇÃO (CV) É uma medida de dispersão empregada para estimar a precisão de experimentos, ou seja, exprime a variabilidade dos dados, independente da ordem de grandeza dos dados. CV = σ Onde: s = Desvio padrão do lote μ µ = Média do lote O CV é utilizado para comparação de dois ou mais conujntos de dados mesmo quando são comparadas unidades de medidas diferentes. De uma forma geral, se o CV: CV = 0,15 Dados homogêneos 0,15 CV 0,30 Média dispersão CV 0,30 Dados heterogêneos EXEMPLO: Em um grupo de moradores de determinada região foram analisadas a idade (em anos) e a altura (em metros) das pessoas. Deseja-se comparar a dispersão em termos relativos em torno da média dos dois conjuntos de dados, a fim de verificar qual deles é mais homogêneo. Na coleta dos dados verificou-se que: Idade das pessoas Altura das pessoas x = 41,6 σ = 0,82 x = 1,67 σ = 0,2 CV DA IDADE CV = 0,82 41,6 = 0,0197 Os dados relativos à idade são mais homogêneos. CV DA ALTURA CV = 0,2 1,67 = 0,119 OBSERVAÇÃO: PARA FACILITAR A APLICAÇĂO DA INSPEÇĂO POR AMOSTRAGEM, ESSES CÁLCULOS JÁ FORAM EFETUADOS E TABELADOS, CONFORME NORMA NBR EXEMPLO PARA APLICAÇÃO DAS TABELAS DA NBR 5426 Ver, No final do assunto, um resumo dessas tabelas, 1-) Estabelecer os planos de amostragem SIMPLES, NORMAL, NÍVEL II, NQA=0,65%. N Nível Tabela 1 Tipo Regime de Inspeção NQA Tamanho da Amostra ( n ) Critério de Aceitação Ac Re 450 pçs II H J SIMPLES NORMAL 0,65 % 80 pçs 1 pç 2 pçs Explicação: No primeiro momento, na tabela 1, o código literal é H, contudo quando procuramos, na tabela 2, na linha da letra H até a coluna NQA 0,65, encontramos uma seta direcionando para o próximo plano inferior, então: Letra J, com uma amostragem de 80 peças com critério de aceitação de Ac=1 e Re=2.
8 m.a.perissinotto - IPA - 8 EXERCÍCIOS: ( 1 ) Após o histórico de recebimento abaixo ( 9 lotes ), deu entrada, no setor de recebimento, um lote de 100 peças, com o seguinte plano de amostragem: SIMPLES, NORMAL, NÍVEL II, NQA=0,40% que apresentou como resultado da inspeção, 0 (zero) defeituosos 1º 2 3º 4 5 º 6º 7º 8º 9º A A A A A A A A A QUAL O PLANO A SER APLICADO? Resultado da Inspeção? ( 2 ) No início de recebimento com plano de amostragem SIMPLES, NORMAL, NÍVEL II, NQA=1,0%, com o histórico de recebimento abaixo ( 15 lotes ), deu entrada no setor de recebimento, um lote de 500 peças, que apresentou como resultado da inspeção, 1 (uma) peça rejeitada. 1º 2 3º 4 5 º 6º 7º 8º 9º 10º 11º 12º 13º 14º 15º A R A A R A A A A A R A A A R Qual o regime a ser aplicado depois do 5º recebimento? Qual o regime aplicado do 11º ao 15º recebimentos? 16º - Resultado da inspeção? QUAL O PLANO DE AMOSTRAGEM A SER APLICADO A PARTIR DO 16º RECEBIMENTO ( INCLUSIVE)? ( 3 ) Decorrido um certo tempo de recebimento de um determinado produto, observou-se a situação abaixo, sem levar em conta os lotes anteriores, o plano de amostragem, aplicado até então, para lotes de 3000 peças: DUPLA, NORMAL, NÍVEL II, NQA=0,65%. 25º 26 27º º 30º 31º 32º 33º 34º A A A A A A A A A A QUAL O PLANO A SER APLICADO PARA O 35º LOTE? QUAL A DECISÃO PARA O PRÓXIMO RECEBIMENTO? SE NO 35º RECEBIMENTO: 1ª amostragem com 0 defeituosos? Total da Amostragem n= Resultado da Inspeção? 1ª e 2ª amostragem com 2 defeituosos? 1ª e 2ª amostragem com 3 defeituosos? Total da Amostragem n= Total da Amostragem n= Resultado da Inspeção? Resultado da Inspeção?
9 m.a.perissinotto - IPA - 9 ( 4 ) - No recebimento de um lote de 300 peças, com o desempenho do fornecedor conforme tabela abaixo, aplica-se um plano de amostragem como segue: DUPLA, NORMAL, NÍVEL III, NQA=0,40%. 20º 21 22º 23 24º 25º 26º 27º 28º 29º 30º A R A A A A A A A A A QUAL O PLANO A SER APLICADO? QUAL A DECISÃO PARA O PRÓXIMO RECEBIMENTO?...SE O 31º RECEBIMENTO FOI; 1ª amostragem com 0 defeituosos? Total da Amostragem n= Resultado da Inspeção? 1ª e 2ª amostragem com 1 defeituosos? 2ª amostragem com 2 defeituosos? Total da Amostragem n= Total da Amostragem n= Resultado da Inspeção? Resultado da Inspeção? ( 5 ) Decorrido um determinado tempo, do início de recebimento de lotes com 650 peças, contatou-se o desempenho abaixo, considerando os lotes anteriores todos aprovados na inspeção original. O plano de amostragem utilizado até o 10º lote (inclusive) era: DUPLA, NORMAL, NÍVEL II, NQA=1,0%. 10º ao 19º 20º 21º 22º 23º 24º A R A A A R PLANO A PARTIR DO 10º RECEBIMENTO (inclusive)? PLANO A PARTIR DO 11º RECEBIMENTO (inclusive)? NO 16º RECEBIMENTO O LOTE FOI APROVADO. O resultado da inspeção foi: 2 defeituosas na 1ª amostragem e mais 1 defeituosa na 2ª amostragem). PLANO A PARTIR DO 17º RECEBIMENTO (inclusive)? PLANO A PARTIR DO 24º RECEBIMENTO (6) - Qual o plano a ser aplicado? 250 II DUPLA NORMAL 0,40 ( 7 ) Qual o plano a ser aplicado? 450 II DUPLA SEVERA 0,40
10 m.a.perissinotto - IPA - 10 QUESTIONAMENTO: Atualmente a aplicação da NBR-5426 está sendo questionada quanto à validade de aceitar produtos não conforme no lote, ou seja, o consumidor está comprando uma porcentagem de não conformes, para minimizar esse problema o Sr. Nicholas L. Squeglia, ( USA ), desenvolveu um Plano de Amostragem Zero Defeitos, em função do tamanho do lote, do NQA (AQL) adotado, e baseado numa Distribuição Hipergeométrica, construiu a Tabela seguinte que pode ser utilizada como um plano de inspeção. LOTE NQA indica inspeção 100 % Lembrando DISTRIBUIÇÃO HIPERGEOMÉTRICA: TAMANHO DA AMOSTRA PARA NÚMERO DE ACEITAÇÃO = O 2 a a a a a a a a a a a a a a e acima yl N D F(a) = k N D ˆ x P (n x) Š yls N N n P INSPEÇÃO POR AMOSTRAGEM - VARIÁVEIS ( NBR 5429 ) A avaliação sobre a qualidade do lote, também é feita sobre uma amostra retirada do mesmo, no entanto é possível, através de cálculos, estimar o percentual de defeituosos do lote. Para a aplicação desta metodologia encontramos duas possibilidades: 1 - VARIABILIDADE DESCONHECIDA 2 - VARIABILIDADE CONHECIDA A fim de uma melhor assimilação desta metodologia e como proceder para a utilização das tabelas apresentadas, a norma exemplifica alguns exercícios, passo a passo.
11 m.a.perissinotto - IPA - 11 Exercícios: 1) No recebimento de um lote com 5% de defeituosos, o inspetor retira 10 peças. Qual a probabilidade dessa inspeção apresentar até 1 peça defeituosa? 2) Na fabricação de refrigeradores, no setor de pintura, a média de defeitos ( bolhas, casca de laranja, riscos, etc.) por unidade é de 0,5 defeitos. Nesse cenário, se sortearmos um refrigerador, qual a probabilidade de: a) Apresentar 0 defeito? b) Apresentar no máximo 1 defeito? 3) Em um baú foram colocados os seguintes distintivos: 12 times pequenos e 4 times grandes. Retirando-se 5 distintivos, sem reposição, qual a probabilidade de tirarmos um distintivo de time grande?
12 m.a.perissinotto - IPA - 12 Nome: Nº T: EXERCÍCIOS: (1) Qual a probabilidade de se encontrar, exatamente 01 peça rejeitada, numa amostragem de n=100 peças, em um lote que contém 5% de defeituosas? (2) Em um lote de 50 peças existem 5 defeituosas, numa amostragem de 02 peças, qual a probabilidade das duas serem rejeitadas? (3) Uma grande população tem uma fração defeituosa de 10%, numa amostragem de 10 peças, qual a probabilidade de encontrarmos até 01 defeituosa? (4) Na FATEC, a cada 200 alunos, 01 é fã do Sepultura. Num show de Axé, para cada 1000 pessoas que passam pela bilheteria, qual a probabilidade de: a) Não passar nenhum fã do Sepultura? b) Passarem 03 fãs do Sepultura? (5) Você precisa trocar os 4 pneus de seu carro, na loja escolhida há um lote de 20 pneus com 5 pneus defeituosos, qual a probabilidade de você ter no seu carro 02 pneus defeituosos, sendo que o vendedor pega, aleatoriamente, um pneu de cada vez do lote?
13 Essas tabelas são extraídas da NBR-5426, de uma forma "exageradamente" simplificada 1 - CODIFICAÇÃO DE AMOSTRAGEM Ac nº máximo de "d" que ainda permitem a aprovação Níveis Especiais Níveis Gerais Re nº mínimo de "d" que implica rejeição Tam. da Amostra S1 S2 S3 S4 I II III B B C D D F G B C D E E G H B C D E F H J C C E F G J K C D E G H K L Código m.a.perissinotto - IPA - 13 Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re D 3 D 8 D 8 E E E 13 F F F G G G H H H J J J K K K L L L Código D E F G H J K L Amost. 1ª Amost. 1ª 2 - AMOSTRAGEM SIMPLES ATENUADA r NQA 0,40 0,65 1,0 5 - AMOSTRAGEM DUPLA ATENUADA r NQA 0,40 0,65 1,0 usar o primeiro plano abaixo da seta usar o primeiro plano acima da seta 0,65 1,0 Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Código Código D Amost. 1ª 6 - AMOSTRAGEM DUPLA NORMAL NQA E F G H H D Amost. 1ª 0,40 Para amostragem simples, ou dupla - Ac < "d" < Re = Aceita o lote e passa para Inspeção NORMAL Usar o Plano de Amostragem Simples Correspondente, ou Plano de Amostragem Dupla, imediatamente abaixo do asterisco, na Tabela, se estiver previsto 3 - AMOSTRAGEM SIMPLES NORMAL NQA 0,40 0,65 1, J J K K L L Na amostragem DUPLA, se após a última amostragem Ac < "d" < Re, aceitar lote e passar para Inspeção NORMAL Para amostragem múltiplas segue o mesmo raciocínio Código Código D E F G 4 - AMOSTRAGEM SIMPLES Amost. 1ª Amost. 1ª SEVERA NQA 0,40 0,65 1,0 7 - AMOSTRAGEM DUPLA SEVERA NQA 0,40 0,65 1,0
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 maisCAPÍTULOS 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 maisLAN 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 maisMorgana 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 maisMorgana 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 maisInspeção 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 maisPRO 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 maisCAPÍTULO 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 maisINSPEÇÃO DA QUALIDADE. Ghislaine Miranda Bonduelle
INSPEÇÃO DA QUALIDADE Ghislaine Miranda Bonduelle INSPEÇÃO DA QUALIDADE È O PROCESSO DE VERIFICAÇÃO DE LOTES OU AMOSTRAS A FIM DE DETERMINAR SE A QUALIDADE DO PRODUTO ATENDE ÀS ESPECIFICAÇÕES Inspeção
Leia maisEngenharia 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 maisCE219 - 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 maisa) 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 maisDistribuições discretas de probabilidades. Cap. 8 Binomial, Hipergeométrica, Poisson
Distribuições discretas de probabilidades Cap. 8 Binomial, Hipergeométrica, Poisson Definições Variável aleatória: função que associa a cada elemento do espaço amostral um número real. Exemplo: diâmetro
Leia mais1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisCurso sobre Planos de Amostragem por Atributos - NBR 5426 (MIL STD 105)
Curso sobre Planos de Amostragem por Atributos - NBR 5426 (MIL STD 105) A Norma brasileira NBR 5426 correspondente à MIL STD 105, americana é a mais conhecida e utilizada por empresas para inspeção por
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Segunda Lista de Exercícios
UNIVERSIDADE FEDERAL DA PARAÍBA Cálculo das Probabilidades e Estatística I Professora: Juliana Freitas Pires Segunda Lista de Exercícios Questão 1. Descreva o espaço amostral para cada um dos seguintes
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisEngenharia 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 maisANEXO 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 maisPRO 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 maisProbabilidade e Estatística
Probabilidade e Estatística Distribuições Discretas de Probabilidade Prof. Narciso Gonçalves da Silva www.pessoal.utfpr.edu.br/ngsilva Introdução Distribuições Discretas de Probabilidade Muitas variáveis
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Referências Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFinal 0,4
Leia maisDistribuição de Probabilidade. Prof.: Joni Fusinato
Distribuição de Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Modelos de Probabilidade Utilizados para descrever fenômenos ou situações que encontramos na natureza, ou
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2011 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisEstatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades
Leia maisEstatística 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 maisEstatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas Professor Fernando Porto Lançam-se 3 moedas. Seja X o número de ocorrências da face cara. O espaço amostral do experimento é: W = {(c,c,c),(c,c,r),(c,r,c),(c,r,r),(r,c,c),(r,c,r),(r,r,c),(r,r,r)}
Leia mais1 Distribuição de Bernoulli
Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 6 Professor: Carlos Sérgio Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II
UNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II Segunda lista de Exercícios - Variáveis Aleatórias Professora Fernanda 1. Uma máquina caça níquel de cassino possui três roletas. Na primeira e segunda
Leia maisInspeção de Qualidade
Roteiro Inspeção de Qualidade 1. Inspeção para Aceitação 2. Planos de Amostragem Simples 3. Determinação Plano de Amostragem 4. Inspeção Retificadora 5. Plano de Amostragem Dupla 6. Planos de Amostragem
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X 0 1 2 3 R x X(s) X(S) Uma função X que associa a cada elemento de S (s S) um número real
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisVariável Aleatória. O conjunto de valores. Tipos de variáveis. Uma função X que associa a cada
Variável Aleatória Uma função X que associa a cada Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ elemento de S (s S) um número real x X(s) é denominada variável aleatória. O
Leia maisExemplo 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 maisLista de Exercícios - Modelos Probabilísticos 1 INE 7002 GABARITO LISTA DE EXERCÍCIOS MODELOS PROBABILÍSTICOS
Lista de Exercícios - Modelos Probabilísticos INE 72 GABARITO LISTA DE EERCÍCIOS MODELOS PROBABILÍSTICOS 35) a) Binomial: cada realização tem apenas 2 resultados possíveis, o número de realizações é conhecido,
Leia maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável
Leia maisPROBABILIDADE 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 maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisProbabilidade. 1 Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson. Renata Souza
Probabilidade Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson Renata Souza Distribuição de Bernoulli Uma lâmpada é escolhida ao acaso Ensaio de Bernoulli A lâmpada
Leia maisCAPÍTULO 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 maisDistribuição de Probabilidade. Prof. Ademilson
Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte III 08 de Abril de 2014 Distribuição Binomial Negativa Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições
Leia maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
Leia maisEstatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.
Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador
Leia maisPARTE 2. Profª. Drª. Alessandra de Ávila Montini
PARTE 2 Profª. Drª. Alessandra de Ávila Montini Conteúdo Introdução a Probabilidade Conceito de Experimento Conceito de Espaço Amostral Conceito de Variável Aleatória Principais Distribuições de Probabilidade
Leia maisLISTA 2 INTRODUÇÃO À PROBABILIDADE (Profa. Cira.) OBS.: Apenas os exercícios indicados como adicional não constam no livro adotado.
LISTA 2 INTRODUÇÃO À PROBABILIDADE (Profa. Cira.) OBS.: Apenas os exercícios indicados como adicional não constam no livro adotado. ------------------------------------- (Cap. 2 e 5 Livro)---------------------------------------------
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2010 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 3. Uma peça é classificada como defeituosa
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisTestes 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 maisVARIÁVEIS ALEATÓRIAS 1
VARIÁVEIS ALEATÓRIAS 1 Na prática é, muitas vezes, mais interessante associarmos um número a um evento aleatório e calcularmos a probabilidade da ocorrência desse número do que a probabilidade do evento.
Leia maisConforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada
Leia maisLucas Santana da Cunha de junho de 2017
VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados
Leia maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisPRINCIPAIS MODELOS DISCRETOS
PRINCIPAIS MODELOS DISCRETOS 2012 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Prof. Tarciana Liberal Departamento de Estatística INTRODUÇÃO A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através
Leia maisVariáveis Aleatórias
Variáveis Aleatórias Definição: Uma variável aleatória v.a. é uma função que associa elementos do espaço amostral a valores numéricos, ou seja, X : Ω A, em que A R. Esquematicamente As variáveis aleatórias
Leia maisDepartamento 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 maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisModelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
Leia maisPrincipais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:
Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir
Leia maisESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL
ESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL VARIÁVEIS ALEATÓRIAS Como já vimos no estudo das probabilidades, o conjunto de todos os possíveis resultados
Leia maisMétodos Estatísticos
Métodos Estatísticos 5 - Distribuição Normal Referencia: Estatística Aplicada às Ciências Sociais, Cap. 7 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. Distribuição de Probabilidades A distribuição
Leia maisCap. 8 - Variáveis Aleatórias
Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON
Leia maisProf.: Joni Fusinato
Introdução a Teoria da Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Teoria da Probabilidade Consiste em utilizar a intuição humana para estudar os fenômenos do nosso
Leia maisGarantia 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 maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia mais3 NOÇÕES DE PROBABILIDADE
3 NOÇÕES DE PROILIDDE 3.1 Conjuntos Um conjunto pode ser considerado como uma coleção de objetos chamados elementos do conjunto. Em geral denota-se conjunto por letras maiúsculas,, C,... e a sua representação
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia maisRevisão de Probabilidade
05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisMatemática & Raciocínio Lógico
Matemática & Raciocínio Lógico para concursos Prof. Me. Jamur Silveira www.professorjamur.com.br facebook: Professor Jamur PROBABILIDADE No estudo das probabilidades estamos interessados em estudar o experimento
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisUNIVERSIDADE 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 maisLivro: Probabilidade - Aplicações à Estatística Paul L. Meyer. Capitulo 2 Espaço Amostral Finito. 2.1 Espaço Amostral Finito. (a), (b). (2.
Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 2 Espaço Amostral Finito. 2.1 Espaço Amostral Finito. (a), (b). (2.1) 2.2 Resultados Igualmente Verossímeis. 2.3 Métodos de Enumeração.
Leia maisF (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ).
Variável Aleatória Uma variável aleatória é uma variável numérica, cujo valor medido pode variar de uma réplica para outra do experimento. Exemplos: (i) Variáveis aleatórias contínuas: corrente elétrica,
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias Discretas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 03: Variáveis Aleatórias Discretas Qual a similaridade na natureza dessas grandezas? Tempo de espera de um ônibus
Leia maisSolução: A distribuição normal. Representação gráfica. Cálculo de probabilidades. A normal padrão. σ Será uma N(0; 1).
A distribuição normal Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f (x) =.e π. σ x µ. σ, x R Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ com
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
Leia maisEstatística Aplicada
Estatística Aplicada Distribuições Discretas de Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE Distribuições de Probabilidade
Leia maisCapítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas
Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de Probabilidade Binomial 5-4 Média, Variância e Desvio Padrão da Distribuição Binomial 5-5 A Distribuição
Leia maisUNIVERSIDADE 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 mais3 a Lista de PE. Universidade de Brasília Departamento de Estatística
Universidade de Brasília Departamento de Estatística 3 a Lista de PE 1. Duas bolas são escolhidas aleatoriamente de uma urna contendo 8 bolas brancas, 4 pretas, e duas bolas laranjas. Suponha que um jogador
Leia maisDistribuição de Probabilidade Variáveis Aleatórias Discretas. Prof.: Joni Fusinato
Distribuição de Probabilidade Variáveis Aleatórias Discretas Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Distribuição de Probabilidade Descreve a chance que uma variável pode assumir
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Leia mais1073/B - Introdução à Estatística Econômica
Lista de exercicios 2 Prof. Marcus Guimaraes 1073/B - Introdução à Estatística Econômica Ciências Econômicas 1) Suponha um espaço amostral S constituido de 4 elementos: S={a 1,a2,a3,a4}. Qual das funções
Leia maisInstituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Distribuições Discretas Uniforme Bernoulli Binomial Poisson
Leia maisProbabilidade 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 maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisPROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de incerteza que existe em um determinado experimento.
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor
Leia maisEstatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
Leia maisEstatística Planejamento das Aulas
29 de outubro de 2018 Distribuição Discreta Uniforme No experimento estatístico, os eventos são equiprováveis. A v.a. discreta X assume n valores discretos tem função de probabilidade: { 1 se x f x = i
Leia mais