DISTRIBUIÇÃO NORMAL CÁLCULO DE Z. m.a.perissinotto DIN - 1
|
|
- Leandro Santarém Back
- 5 Há anos
- Visualizações:
Transcrição
1 DISTRIBUIÇÃO NORMAL m.a.perissinotto DIN - 1 Seu aspecto gráfico é semelhante a um sino e, para sua construção, são necessários dois parâmetros: µ ( média ) e s ( desvio padrão ). A curva teórica é simétrica em relação à média e a representação matemática da função densidade de probabilidade é dada por: 1 f(x) = σ 2 π e (x-μ) σ 0 Texto Texto Texto Texto Texto Probalidade Texto ganha Sendo esta, uma curva de probabilidade, a área limitada pela mesma, é igual a 1. A curva normal tem as extremidades de forma assíntota, ou seja, vai de menos infinito a mais infinito. O ponto máximo coincide com a média e o ponto de inflexão da curva determina o desvio padrão. A área sob a curva normal costuma ser dividida em zonas de probabilidades, cada uma com a mesma base, isto é ± 1 s. Probalidade perdida -3s -2s -1s +1s +2s +3s Texto Texto Texto Texto Texto Texto Para facilitar o trabalho do cálculo da área sob a curva, podemos escrever a fórmula acima da seguinte forma: 1 P > = σ 2 π D e- E >F onde: z= número de s entre a média e o valor considerado ±1s = 68,26% ±2s = 95,44% ±3s = 99,74% ±4s = 99,99366 ±5s = 99, ±6s = 99, Portanto, para calcular a probabilidade ( Pz ), acima ( ou abaixo ), de um número x ( qualquer ), calcula-se ( z ) e procurase ( Pz ) ( ou vice versa ) na tabela. A tabela foi construída considerando-se uma curva normal teórica de µ = 0 e s = 1 CÁLCULO DE Z Z i = x4 LIE σ Z s = LSE x4 σ LIE = Limite Inferior Especificado LSE = Limite Superior Especificado Limites de % dentro dos Z Especificação limites PPM ± 1s 1,0 68, ± 2s 2,0 95, ± 3s 3,0 99, ± 4s 4,0 99, ,4 ± 5s 5,0 99, ,58 ± 6s 6,0 99, ,002 considerando um processo com ± 6s, temos: para +6s = 0,001x10-6, ou seja 0,001ppm; para 6s = 0,001x10-6, ou seja 0,001ppm; então, no total, temos 0,002x10-6, e assim para os demais números de Zs A nossa tabela de valores de Pz em função de Z, corresponde a metade ( 50%) da curva de distribuição normal, ou seja: 100% 50% 50% ATENÇÃO: Para encontrarmos a porcentagem total, devemos ter em conta a soma dos valores encontrados em função de Zi e Zs.
2 m.a.perissinotto DIN - 2 De acordo com levantamentos na prática, temos que para um processo considerado com média centralizada e, completamente estável, vale o estudo acima, contudo dificilmente se tem o processo centralizado constantemente por todo o tempo. Após várias cartas de acompanhamento de um determinado processo a Motorola percebeu uma variação da média e, adotou como variação da média um desvio de ±1,5s ( fig. 1), logo para um processo estável com ±6s, teremos, como média ao longo do tempo 3,4ppm ao invés de 0,002ppm, ou seja o processo estará trabalhando no final, com aproximadamente ± 4,7s. A 1,5s A T T T T T T T T T T T T Texto Texto ex ex extexto Texto ex ex extexto Texto to to to to to to to to to to to to V Figura 1 Informações sobre cálculo do ppm ppm = 1 parte do soluto massa de soluto em mg 10 \ = partes da solução massa da solução em Kg = 1g 1000l Exemplos: 1 O padrão internacional estabelece, como a máxima concentração de mercúrio Hg por grama de água pótável igual a 5,0 x 10-4 mg/g, qual é essa quantidade expressa em ppm? Lembrando: ppm = mg ɛɱ R mg mg ^_ -S D Kg ɛɱ D ppm 0,5ɺɺɷ 2 - (PUCC-SP) No rótulo de uma garrafa de água mineral lêx-se, entre outras coisas: Conteúdo: 1,5l Bicarbonato de Cálcio: 20 ppm Com base nesses dados, determinar a massa de bicarbonato de cálcio no volume da garrafa. Dados: ppm= mg de soluto/litro de solução aquosa Sabendo que 1 ppm = 1 mg de soluto/litro de solução, temos 20ppm = 20 mg/l, então: 1l 20mg 1,5l X X = 1, X = 30mg = 0,03g 3 - (Unifesp) Dentre os metais pesados que contaminam nosso solo e águas há o chumbo (Pb), que apresenta uma concentração de 20ppm. Qual a quantidade de Pb em mg, numa amostra de 100g da costa terrestre? Então: 20ppm é igual a 20g de Pb em 10 6 de crosta terrestre. 20g 10 \ g x 100g \ R g 2mg
3 TABELA DOS VALORES DE Pz EM FUNÇÃO DE Z m.a.perissinotto DIN - 3 z x,x0 x,x1 x,x2 x,x3 x,x4 x,x5 x,x6 x,x7 x,x8 x,x9 3,9x 0, , , , , , , , , , ,8x 0, , , , , , , , , , ,7x 0, , , , , , , , , , ,6x 0, , , , , , , , , , ,5x 0, , , , , , , , , , ,4x 0, , , , , , , , , , ,3x 0, , , , , , , , , , ,2x 0, , , , , , , , , , ,1x 0, , , , , , , , , , ,0x 0, , , , , , , , , , ,9x 0, , , , , , , , , , ,8x 0, , , , , , , , ,00 0, ,7x 0, , , , , , , , , , ,6x 0, , , , , , , , , , ,5x 0, , , , , , , , , , ,4x 0, , , , , , , , , , ,3x 0, , , , , , , , , , ,2x 0, , , , , , , , , , ,1x 0, , , , , , , , , , ,0x 0, , , , , , , , , ,9x 0, , , , , , , , , , ,8x 0, , , , , , , , , , ,7x 0, , , , , , , , , , ,6x 0, , , , , , , , , , ,5x 0, , , , , , , , , , ,4x 0, , , , , , , , , , ,3x 0, , , , , , , , , , ,2x 0, , , , , , , ,10 0, , ,1x 0, , , , , , , , , , ,0x , , , , , , , , , ,9x 0, , , , , , , , , , ,8x 0, , , , ,50 0, , , , , ,7x 0,24 0, , , , , , , , , ,6x 0, , , , , , , , , , ,5x 0, , , , , , , , , , ,4x 0, , , , , , , , , , ,3x 0, , , , , , , , ,35 0, ,2x 0, , , , , , , , , , ,1x 0, , , , , , , , , , ,0x 0, , ,49 0, , , , , , Exemplo: - Z=2,56 ð ( 2,5x na primeira coluna e, na 8ª x,x6 ð 2,56 ð Pz =0,0052 0,520%) z 4,0 4,1 4,2 4,3 4,4 4,5 4,6 4,7 4,8 4,9 x ,671 20,658 13,346 8,54 5,4125 3,3975 2,1125 1,3010 0,7935 0,4790 z 5,0 5,1 5,2 5,3 5,4 5,5 5,6 5,7 5,8 5,9 x10-6 0,2865 0,1700 0,0995 0,0580 0,0335 0,0190 0,0105 0,0060 0,0035,0020 z 6,0 x10-6 0,0010 Exemplo: Z=4,4 ð ( na coluna 4,4 = 5,4125 x , % ) Exemplo: Uma distribuição tem µ = 6500 e s =, calcular:
4 a) % de peças abaixo de 6300 m.a.perissinotto DIN - 4 Z a = = 1,0 tab P >a = 0, , 87% b) % de peças acima de 7100 Z l = = 3,0 tab P >l = 0, , 135% c) % de peças entre 6300 e Z a = Z l = = 1,0 tab P >al = 2 0,1587 = 0,3174 = 31, 74% d) % de peças entre 6 e 6700 Z a = = 1,5 tab P >a = 0, , 68% Z l = = 1,0 tab P >l 0, , 87% e) % de peças entre 6100 e 6300 Z aq = P >a + P >l = 0, ,1587 = 0, ,55% = 1,0 tab P >rstt = 0, Z af = = 2,0 tab P >rqtt = 0,0228 P >rstt P >rqtt (0,1587 0,0228) = 0, , 59%
5 m.a.perissinotto DIN - 5 EXERCÍCIOS: Sabendo-se que na produção de uma determinada peça, uma dimensão tem distribuição normal, em função dos dados, determinar: a) % para x < 98mm, com média µ = 100 e s = 5 b) % para x entre 90mm e 105mm, com µ = 100 e s = 5 c) Qual o valor do s, para obtermos 25,78% de peças acima de 102mm, em um processo que apresenta µ = 100? d) Qual o valor do s para obter 95,44% entre 98mm e 102mm, com µ = 100? e) No intervalo, µ = 100 e x = 98, qual deve ser o valor do s para obtermos 6 sigmas? f) Qual o valor do LSE acima do qual temos 10% de peças com µ=100 e s=5? g) quantos s simetricamente em relação a média, incluirão 86% de todas as peças? h) % de peças no intervalo entre 98mm e 95mm, com µ=100 e s=5?
6 Lembrete: Conforme indicado no fascículo de Inspeção por Amostragem... A Distribuição Binomial pode ser aproximada da normal se: np > 5 e n(1-p) > 5 m.a.perissinotto DIN - 6 Exemplo: Num lote de 1000 baterias para computadores, com fração defeituosa 0,05%, foram retiradas, de acordo com a NBR 5426, 125 peças de amostra. Qual a probabilidade de encontrarmos 10 peças defeituosas?? p = 0,05 n = 125 Vamu lá! logo: As necessidades estão atendendo!! n p = 125 0,05 = 6,5 n (1 p) n q = 125 0,95 = 11,87 Primeiro para que possamos calcular a probabilidade aplicando Distribuição Binomial, precisamos fazer os cálculos de 0 defeituosas, até 10 defeituosas...trabalhoso!!! Pois temos, na Distribuição Binomial x a Lembrando... F(a) = n x px x o q (n-x)! P = DE! ( -z)! z! (DE -Š)! Š! 0,5Š 0,5 DŠ 1 0,0156 0,001 = 0, e assim até X=10, teremos no total = 0,9508 Aplicando a Distribuição Normal: Média = x = n p 125 0,05 = 6,25 x4 = 6, 25 Desvio Padrão = σ = n p q 125 0,05 0,95 5,94 = 2,44 σ = 2, 44 6,25 9,5 Z a = = 3 2,44 2,44 = 1,23 P > = 0, ,25 10,5 Z a = = 4 2,44 2,44 = 1,64 P > = 0,0505 Como sabemos a nossa tabela contempla 50% da curva, então: Texto Texto Texto Texto 1,23 Texto Texto 1.64 Texto Texto Texto Texto Texto Texto P >` = 1 0,0505 = 0, 9495 EXEMPLOS: (l) Um eixo deve ser produzido obedecendo a especificação F = 10 ± 0,1 mm. Peças fora de tol. são rejeitadas, somente peças acima da tolerância podem ser corrigidas a um custo de $51,00u.m. por peça. a) Fabricação com x = 10,0mm e, σ z = 0,05m custa $ 102,00 u.m. por peça. b) Outro processo com x = 10,0mm e, σ z = 0,10m custa $ 85,00 u.m. por peça. Qual o processo a ser adotado? ( supor distribuição normal) 10,0 9,9 a) Z a = Z l = = 2,0 tab P > = 0,0228 [2 (0,5 0,0228)] = 0,9544 0,05 0,9544 de uma peça custa $ 102,00 ð 2,28% é recuperável a $ 51,00 = $ 1,16 então temos: (0, ,0228)= 0,9772 de uma peça ( pois as peças abaixo da tol., não se recuperam), custa= 102,00 + 1,16= 103,16, logo o custo por peça recuperada será: 103,16 = $105, 57u. m. por peça 0, ,0 9,9 b) Z a = Z l = = 1,0 tab P 0,1 > = 0,1587 [2 (0,5 0,1587)] = 0,6826 0,6826 de uma peça custa $85,00 ð 0,1587 é recuperável a $51,00 = $ 8,09 (0, ,1587)=0,8413 de uma peça (pois as peças abaixo da tol,. não se recuperam), custa = 85,00 + 8,09 = 93,09, Logo o custo por peça recuperada será: 93,09 = $ 110, 65u. m. por peça 0,8413
7 (2)- A dimensão de uma peça é 250,0mm, +0,2 0,5 o processo produtivo tem σ z 0,15mm, pergunta-se: a) Regulando a x para 250mm, calcular a % total de peças rejeitadas; m.a.perissinotto DIN - 7 a) Z a = E Š,Š-ERŸ, = 3,33 P Š,D > = 0, Z l = E Š,E-E Š,Š = 1,33 P Š,D > = 0,09180 ==0,09223 a) Sabendo-se que o custo de recuperação é 5 vezes maior para peças menores, determinar entre as regulagens abaixo, qual a mais econômica, justificar. R D x = 249,85 R E x = 250,0 e σ z = 0,125 b1) - R1 249,85 249,5 Z = Z = = 2,33 P 0,15 = 0,0099, como o custo de recuperação das menores é 5x o custo das maiores, então: 0,0099 x 5= 0,05 + 0,0099 = 0,0599 b2) R ,5 Z = = 4 P 0,125 = 31, \ 5 (custo da recuperação das menores) = 0, Z = E Š,E-E Š Š,DE c) qual deve ser o desvio padrão para um processo ±6σ, com a média centrada? (3) A capacidade máxima de um elevador é de 500Kg. Se a distribuição x dos pesos dos usuários é suposta: ( µ = 70Kg ; s = 10Kg). Pergunta-se: a) Qual a probabilidade de 7 passageiros (n=7) ultrapassarem esse limite? x = = 71,429 σ z = 10 7 = 3,78 b) Qual a probabilidade de 6 passageiros (n=6) ultrapassarem esse limite? x = = 83,33 σ z = 10 6 = 4,082 (4) A máquina de empacotar um determinado produto o faz segundo uma distribuição normal, com uma média (µ ) e desvio padrão s = 10g. Pergunta-se: a) Em quanto deve ser regulado o peso médio m para que apenas 10% dos pacotes tenham menos do que 500g? Pela tabela ð P(z) = 0,1 então 1,28 logo: μ = (10 1,28) ,8 = 512, 8g b) Com a máquina de empacotar assim regulada, qual a probabilidade de que o peso total de 4 pacotes escolhidos ao acaso seja inferior a 2 Kg? Peso de 4 pacotes = 2 Kg Peso de 1 pacote = 500 g = 1,6 P = 0,05480 TOTAL = 0, ,05480 = 0, ,85 249,5 Z = Z = 6 = z σ z = 0,35 " Z = Z = Z = = 0, 0583 x μ σ μ x σ x μ σ = = 71, ,78 = 83, ,08 μ = 0,378 tab P > = 0,352 35, 2% = 3,27 tab P > = 0, , 054% μ = (10 Z) σ z = σ n = 10 4 = , = 5 Z = = 12, = 2,56 tab P > = 0, , 52% (5) Na análise de um estudo de Distribuição Normal, cuja especificação é 25,0 ±0,2, encontramos as seguintes porcentagens: acima do LSE=7,35% e, abaixo do LIE=2,74%. Qual o valor do σ z? P > = 0,0735 Z l = 1,45 1,45 = LSE x σ z 1,45 σ 4 = 25,2 x [(1,45 σ z ) 25,2] = x x LIE P > = 0,0274 Z a = 1,92 1,92 = 1,92 σ z = x 24,8 x = [(1,92 σ z ) + 24,8] σ 4 (1,45 σ z ) + 25,2 = (1,92 σ z ) + 24,8 1,45σ z 1,92σ z = 24,8 25,2 3,37σ z = 0,4 σ z = 0,4 3,37 σ x4 = 0, 1187
8 HISTOGRAMAS m.a.perissinotto DIN - 8 É uma forma de representação da distribuição de frequência através de um gráfico de colunas CONSTRUÇÃO: 1º passo: Coleta de dados. Retirar no mínimo 20 amostras ( N ) de 5 elementos ( n ) cada uma. Essa coleta de dados deverá abranger todo um ciclo de trabalho, procurando evitar mudanças como: MP, Troca de Operador, etc. Ex.: Inspeção de um eixo com especificação: 6,0 ± 0,5 mm º passo: Cálculo da amplitude R = X ¼áz X ¼í 6,7 5,1 = 1, 6 3º passo: Determinação do número de classes ( K ) N n O número de classes pode ser encontrado como sendo uma aproximação de A tabela, abaixo, nos dá uma orientação do nº de classes em função do nº de elementos. ( N * n ) K > = 11,18 4º passo: Determinação do tamanho de classe: h = R K h = 1,6 h = 0,145 h 0,2 11 5º passo: Distribuição dos valores em classes. A tabulação dos dados deverá ser de forma excludente, portanto é preciso definir fronteiras, uma das maneiras é considerar nos extremos de cada classe a metade da unidade da precisão do instrumento. 6º passo: Tabulação dos dados ( Anotar os dados separando-os por classes ) nº classe limites frequência quant 1 5,0-5,2 4,95-5, ,2-5,4 5,15-5, ,4-5,6 5,35-5, ,6-5,8 5,55-5, ,8-6,0 5,75-5, ,0-6,2 5,95-6, ,2-6,4 6,15-6, ,4-6,6 6,35-6, ,6-6,8 6,55-6,75 3 OBS.: É comum utilizar, na tabulação dos dados, a coluna de frequência para se ter uma idéia da curva de distribuição dos dados. 7º passo: Construção do histograma: eixo horizontal ( abcissas ) = classes eixo vertical ( ordenadas ) = frequência 8º passo: Polígono de frequência. Determina-se unindo os pontos médios superiores das colunas.
9 ANÁLISE DE HISTOGRAMA m.a.perissinotto DIN - 9 A análise se faz pelo formato da curva, se esse formato for bem próximo a de um sino, podemos concluir que a distribuição é normal e apresenta somente variações aleatórias. C VARIAÇÕES ALEATÓRIAS D VARIAÇÕES CAUSAIS Fazem parte da natureza do processo, podem ser controladas São, de certa forma, imprevisíveis, devem ser detectadas e eliminadas rapidamente. Ex.: quebra de ferramenta ATENÇÃO: Nos casos em que não ocorre o formato SINO, năo devem ser utilizados os estimadores estatísticos, nesses casos, após detecção e eliminação das variações causais, nova coleta deverá ser realizada. Exemplos Histograma Truncado Histograma com 2 ou mais Modas provavelmente anteriormente já houvera uma inspeção selecionadora uma análise poderá mostrar, provavelmente, duas fontes de fornecimento. Histograma com muitas variações nas alturas das colunas neste caso verificar a calibragem do aparelho de medição MODA A moda (Mo) é o valor que mais se repete, ou seja, o valor pais provável a ser obtido. É a única medida de dispersão que pode ter mais de um valor, podendo ser o conjunto: Amodal = Ex.: 2,3,4,5,6 ( nenhum valor se repete) Monomodal = Ex.: 3,4,5,5,6,7,8 ( o valor 5 se repete) Bimodal = Ex.: 1,2,3,3,4,5,5,6,7 ( os valores 3 e 5 se repetem) MEDIANA A mediana (Me) é o valor que separa o conjunto em dois subconjuntos de mesmo tamanho. Para o cálculo correto da mediana, os valores devem estar ordenados do menor para o maior valor. Se n for ímpar, a posição da mediana é o valor central (Ex.: 2,3,4,5,6 Me = 4) Se n for par, a mediana é a média dos dois valores centrais, cuja posição é calculada pela média dos dois elementos centrais [Ex.: 2,3,4,5,6,7 (4+5/2)=4,5], cabe perceber que a mediana não precisa, necessariamente, fazer parte do conjunto de dados. 1º Caso: Média < Mediana < Moda - a curva da distribuição tem ASSIMETRIA NEGATIVA 2º Caso: Média = Mediana = Moda - a curva da distribuição é SIMÉTRICA 3º Caso: Média > Mediana > Moda - a curva da distribuição tem ASSIMETRIA POSITIVA
10 m.a.perissinotto DIN - 10 Exercícios: 1. No setor de envase de uma empresa o controle do peso de cada embalagem primária segue a especificação: 500g ±10g, na embalagem secundária cabem 40 pacotes. O cliente define, como média, na amostragem, no máximo 1,5% abaixo do peso e, adota como inspeção: N Nível Tipo Regime NQA Tab. 1 n Ac Re D 40 II SIMPLES ATENUADA 1,0 Considerando o processo estável com média 495g, pergunta-se: a) Qual deve ser o valor do s do processo para atender o cliente? b) Qual a probabilidade do cliente encontrar: 1. 0 (zero) embalagem abaixo do peso mínimo? 2. Exatamente 1 (uma) embalagem abaixo do peso mínimo? 3. Até 1 (uma) embalagem abaixo do peso mínimo? Um determinado produto com especificação 8,0 ± 0,1mm, tem um custo de produção igual R$ 2,95, o processo tem uma distribuição normal com média igual a 7,95mm e, desvio padrão igual a 0,05mm. O custo para recuperação de peças abaixo da mínima custa o dobro das acima da máxima. Após apresentar o resultado a gerência pediu que a média fosse centralizada a) Qual % de peças abaixo da mínima? b) Qual a porcentagem total de peças rejeitadas, para se levantar o custo de recuperação das rejeitadas? c) Após a centralização da média qual a % abaixo da mínima? d) Qual o valor da média seria adequada para termos no máximo 0,5% de peças abaixo da mínima?
11 m.a.perissinotto DIN - 11 Nome: Número T EXERCÍCIOS: (1)- Em um processo com a característica 50,0±0,5, determinou-se a porcentagem abaixo do LIE=0,023% e, acima do LSE=6,68%. Qual deverá ser o σ Â4 para atender essa determinação? (2)- Para um eixo com um diâmetro de 3 ± 0,018mm, um fornecedor propôs o mesmo preço e prazo dos demais fornecedores. Enviou os registros do controle, conforme abaixo. Qual a porcentagem de rejeição desse fornecedor? x = 3mm e σ z = 0,0044mm (3)- Dado um processo sob controle estatístico, com média 170mm e um desvio padrão 8mm, qual a probabilidade de obtermos peças com valores entre 154mm e 186mm? (4)- Uma dimensão de 8,0±0,05mm, está sob controle estatístico com média centrada, qual deverá ser o valor do desvio padrão para obtermos 95% de peças OK? (5)- No controle estatístico de um componente eletrônico obtivemos resistência média de 48W, com desvio padrão de 1,25W. A especificação define uma resistência mínima de 45W. Qual a porcentagem de componentes serão rejeitados?
DISTRIBUIÇÃO NORMAL. Para facilitar o trabalho do cálculo da área sob a curva, podemos escrever a fórmula acima da seguinte forma:
DISTRIBUIÇÃO NORMAL m.a.perissinotto DIN - 1 Seu aspecto gráfico é semelhante a um sino e, para sua construção, são necessários dois parâmetros: µ ( média ) e s ( desvio padrão ). A curva teórica é simétrica
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisCONTROLE ESTATÍSTICO DE PROCESSOS
Ferramentas da Qualidade CONTROLE ESTATÍSTICO DE PROCESSOS CONTROLE ESTATÍSTICO DE PROCESSOS (2/4) HISTOGRAMA: O QUE É E PARA QUE SERVE CONSTRUÇÃO DE HISTOGRAMAS EXERCÍCIOS Utilização de histogramas 2
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 maisCurso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09. Prof. Eduardo R Luz - MsC
Curso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09 Prof. Eduardo R Luz - MsC AULA 1 SUMÁRIO A Administração da Qualidade O Controle da Qualidade CEP Origem e história Outros conceitos relacionados ao CEP
Leia maisConceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues
Conceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues 0 1 CONCEITOS INICIAIS DE ESTATÍSTICA: PROBABILIDADE / VARIÁVEL ALEATÓRIA CONTÍNUA CURSO :
Leia mais14. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas
4. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas Os valores assumidos por uma variável aleatória contínua podem ser associados com medidas em uma escala contínua como, por exemplo,
Leia mais5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber
5 Distribuição normal de probabilidade Estatística Aplicada Larson Farber Seção 5.1 Introdução às distribuições normais Propriedades de uma distribuição normal Suas média, mediana e moda são iguais. Tem
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisConceito de Estatística
Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir
Leia mais( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 2 REVISÃO DE ESTATÍSTICA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA REVISÃO DE ESTATÍSTICA PROFESSORES: CARLA SCHWENGBER TEN CATEN ROGÉRIO FEROLDI MIORANDO Introdução Em um ambiente industrial, os dados devem formar a base para
Leia maisEstatística. O que é Estatística? Estatística pode ser: Estatística Descritiva. Ivonete Melo de Carvalho. Conteúdo
Estatística Estatística Descritiva Ivonete Melo de Carvalho Conteúdo Definições; Tabelas e Gráficos; Medidas de tendência central; Medidas de dispersão. Objetivos Diferenciar população e amostra. Elaborar
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em simplificaaulas.com
ESTATÍSTICA RESUMO E EXERCÍCIOS DE PROVAS ANTERIORES * *Resoluções destes exercícios grátis em Conceitos e Fundamentos População: conjunto de elementos, número de pessoas de uma cidade. Amostra: parte
Leia maisEngenharia da Qualidade II. Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Engenharia da Qualidade II Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente.
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Luiz Medeiros de Araujo Lima Filho Departamento de Estatística UFPB Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisCapítulo 5 Distribuições de probabilidade normal Pearson Prentice Hall. Todos os direitos reservados.
Capítulo 5 Distribuições de probabilidade normal slide 1 Descrição do capítulo 5.1 Introdução à distribuição normal e distribuição normal padrão 5.2 Distribuições normais: encontrando probabilidades 5.3
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade Júlio Osório Distribuições Teóricas de Probabilidades Diz-se que uma variável aleatória contínua X tem uma distribuição normal de parâmetros µ (média) e σ (desviopadrão)
Leia maisControle Estatístico do Processo (CEP)
Controle Estatístico do Processo (CEP) CONTROLE ESTATÍSTICO DO PROCESSO É UM MÉTODO QUE PERMITE CONTROLAR CONTÍNUAMENTE AS CARACTERÍSTICAS CHAVES DE UM PRODUTO E PROCESSO, VISANDO A SUA MELHORIA. ORIGEM
Leia maisEstatística Aplicada. Teste de hipóteses ou teste de significância Cap. 11
Estatística Aplicada Teste de hipóteses ou teste de significância Cap. 11 Conceito Objetivo: decidir se uma afirmação sobre um parâmetro populacional é verdadeira a partir de informações obtidas de uma
Leia maisProbabilidade 2. Jorge M. V. Capela, Marisa V. Capela, Araraquara, SP Instituto de Química - UNESP Araraquara, SP
Probabilidade 2 Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016 1 Distribuição de probabilidades normal 2 Distribuição normal
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
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 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 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 maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade
Leia maisAULA DO CPOG. Estatística básica
AULA DO CPOG Estatística básica ATRIBUTO características que podem ser enumeradas VARIÁVEL características que podem ser medidas, controladas ou manipuladas em uma pesquisa VARIÁVEL QUALITATIVA valores
Leia maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia mais17/04/ PLANO DE AMOSTRAGEM - CONTROLE DE PROCESSO AMOSTRAGEM OBJETIVOS: PLANO DE AMOSTRAGEM. O que deve ser analisado PARA REALIZAR AMOSTRAGEM
- PLANO DE AMOSTRAGEM - CONTROLE DE PROCESSO Profa. Ms. Priscila Torres AMOSTRA Porção do material separado, seguindo o procedimento de amostragem definido. A quantidade retirada deve ser suficiente para
Leia mais1 Distribuição Uniforme
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 03 Aula 8 Professor: Carlos Sérgio UNIDADE 4 - Distribuições Contínuas (Notas de Aula) Distribuição Uniforme
Leia maisCEP CONTROLE ESTATÍSTICO DO PROCESSO
1 Walter Andrew Shewhart 1923 EUA Bell telefones Substituir inspeção de todas as peças Surge controle do processo e inspeção por amostragem gráficos de controle 1954 Indústrias japonesas Sob orientação
Leia maisMedidas resumo. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Medidas resumo Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 28/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia maisGET00143 TEORIA DAS PROBABILIDADES II Variáveis Aleatórias Unidmensionais
Universidade Federal Fluminense Instituto de Matemática e Estatística GET00143 TEORIA DAS PROBABILIDADES II Variáveis Aleatórias Unidmensionais Ana Maria Lima de Farias Jessica Quintanilha Kubrusly Mariana
Leia maisDisciplina: Gestão da Qualidade
Disciplina: Gestão da Qualidade As Sete Ferramentas da Qualidade: Cartas de Controle Prof. Fernando Porto Introdução As cartas de controle, conhecidas originalmente como gráficos de Shewhart ou gráficos
Leia 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 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 maisEstatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades Prof. Gabriel Bádue Teoria A distribuição de Poisson é uma distribuição discreta de probabilidade, aplicável a ocorrências de um evento
Leia maisMorgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Cronograma parcial DPS1037 Data Aula Conteúdo 10/ago 1 Introdução à Engenharia da Qualidade
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 1 o semestre de 201 O tempo de vida útil de uma lavadora de roupas automática tem distribuição aproximadamente Normal, com média de 3,1 anos e desvio padrão de 1,2 anos. a Qual deve ser o valor
Leia maisRevisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:
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 maisQUÍMICA. Soluções: características, tipos de concentração, diluição, mistura, titulação e soluções coloidais. Parte 5. Prof a.
QUÍMICA Parte 5 Prof a. Giselle Blois Costuma-se usar a unidade parte por milhão (ppm) para soluções de concentrações extremamente pequenas. * Partes por milhão (ppm): Indica quantas partes de soluto (em
Leia maisEstatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo:
6 ESQUEMA DO CAPÍTULO Estatística Descritiva 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisMorgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Teorema do Limite Central (TLC) Introdução ao Controle Estatístico
Leia 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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
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 mais1 a a. Para a soma dos números saídos ser 0, tem que sair 0 em ambos os dados
Página Preparar o Exame 0 0 Matemática A. O valor médio da variável aleatória X é dado por a a a a 0 a a a. Então, a a Resposta: B. O é um dos resultados possíveis para X,(X = {0,,, }) pelo que a opção
Leia maisEngenharia da Qualidade. Profa. Luciana Rosa Leite
Engenharia da Qualidade Profa. Luciana Rosa Leite Unidade 1 Introdução à Engenharia Da Qualidade 1.1 Evolução da Gestão da Qualidade 1.2 Revisão de conceitos estatísticos Exercícios Evolução da Gestão
Leia maisCapítulo 3. Introdução à Probabilidade E à Inferência Estatística
Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos
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 maisCEP: Controle Estatístico de Processo
CEP: Controle Estatístico de Processo CEP: Controle Estatístico de Processos CEP (SPC Statistical Process Control) é uma técnica estatística para verificar a qualidade de um produto, durante o processo
Leia mais3. Considere uma amostra aleatória de tamanho 7 de uma normal com média 18. Sejam X e S 2, a média e a variância amostral, respectivamente.
1 Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Professores: Clarice Demétrio, Roseli Leandro e Mauricio Mota Lista 3- Distribuições Amostrais-
Leia maisEstatística Descritiva
Estatística Descritiva ESQUEMA DO CAPÍTULO 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisEstatística Básica. Variáveis Aleatórias Contínuas. Renato Dourado Maia. Instituto de Ciências Agrárias. Universidade Federal de Minas Gerais
Estatística Básica Variáveis Aleatórias Contínuas Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Lembrando... Uma quantidade X, associada a cada possível resultado
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisVariáveis Aleatórias Contínuas e Distribuições de Probabilidade
Variáveis Aleatórias Contínuas e Distribuições de Probabilidade Motivação A quantidade de oxigênio dissolvido é importante para aferir a qualidade de um regato. Os níveis aceitáveis de oxigênio variam
Leia maisEXAME NACIONAL DO ENSINO SECUNDÁRIO MATEMÁTICA A PROVA MODELO N.º 2 PROPOSTA DE RESOLUÇÃO 12.º ANO DE ESCOLARIDADE
EXAME NACIONAL DO ENSINO SECUNDÁRIO MATEMÁTICA A PROVA MODELO N.º 2 PROPOSTA DE RESOLUÇÃO 12.º ANO DE ESCOLARIDADE Site: http://recursos-para-matematica.webnode.pt/ Facebook: https://www.facebook.com/recursos.para.matematica
Leia maisDistribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário Introdução
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 maisModelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
Leia maisAnálise da : -Estabilidade e - Capacidade/Capabilidade de Processos
Análise da : -Estabilidade e - Capacidade/Capabilidade de Processos Prof. Diego Por que medir a estabilidade e capacidade/capabilidade? Principais erros dos gestores SOB CONTROLE 1 Tratar uma causa comum
Leia 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 maisAULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisESTATÍSTICA BÁSICA. Freqüência Absoluta: Número de vezes que um elemento ocorre em uma amostra.
ESTATÍSTICA BÁSICA. Apresentação Estatística é a parte da Matemática que organiza e analisa dados coletados em uma amostra de um conjunto. Com base nos resultados, faz projeções para todo o conjunto com
Leia maisDistribuição de frequências:
Distribuição de frequências: Uma distribuição de frequências é uma tabela que reúne o conjunto de dados conforme as frequências ou as repetições de seus valores. Esta tabela pode representar os dados em
Leia maisDistribuição Normal. Prof. Herondino
Distribuição Normal Prof. Herondino Distribuição Normal A mais importante distribuição de probabilidade contínua em todo o domínio da estatística é a distribuição normal. Seu gráfico, chamado de curva
Leia mais7. Na figura 3, está representado, no plano complexo, a sombreado, um setor circular. Sabe se que:
Exames Nacionais exame nacional do ensino secundário Decreto Lei n. 74/004, de 6 de março Prova Escrita de Matemática A 1. Ano de Escolaridade Prova 63/.ª Fase Duração da Prova: 10 minutos. Tolerância:
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 maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, atribuímos probabilidades a intervalos de valores. Exemplo 5.1 Seja a variável correspondente ao tempo de vida útil de determinado
Leia maisMétodos Quantitativos
Métodos Quantitativos Unidade 2 Estatística descritiva 1 SUMÁRIO SEÇÃO SLIDES 2.1 Amostragem... 03 11 2.2 Tabelas e gráficos... 12 19 2.3 Medidas de posição... 20 24 2.4 Medidas de dispersão... 25 30 Observação:
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, associamos probabilidades a intervalos de valores da variável. Exemplo 5.1 Seja a variável correspondente ao tempo até a cura de pacientes
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 4 CARTAS DE CONTROLE PARA VARIÁVEIS
ENGENHAIA DA QUALIDADE A ENG 09008 AULA 4 CATAS DE CONTOLE PAA VAIÁVEIS POFESSOES: CALA SCHWENGBE TEN CATEN Tópicos desta aula Cartas de Controle para Variáveis Tipo 1: Tipo : Tipo 3: X X X ~ e e S e Tipo
Leia maisEng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
Leia maisStela Adami Vayego DEST/UFPR
Resumo 9 Modelos Probabilísticos Variável Contínua Vamos ver como criar um modelo probabilístico, o que é uma função densidade de probabilidade (fdp), e como calcular probabilidades no caso de variáveis
Leia maisVariável Aleatória Contínua:
Distribuição Contínua Normal Prof. Tarciana Liberal Departamento de Estatística UFPB x x Variável Aleatória Contínua: Assume valores num intervalo de números reais. Não é possível listar, individualmente,
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Contínuas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Variáveis Aleatórias Contínuas Professora Renata Alcarde Piracicaba abril 2014 Renata Alcarde Estatística Geral 24 de Abril de 2014
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisDepartamento de Matemática Escola Superior de Tecnologia de Viseu
Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia maisCEP - CONTROLE ESTATÍSTICO DO PROCESSO
CEP - CONTROLE ESTATÍSTICO DO PROCESSO Alcantaro Corrêa Presidente da FIESC Sérgio Roberto Arruda Diretor Regional do SENAI/SC Antônio José Carradore Diretor de Educação e Tecnologia do SENAI/SC Marco
Leia maisCAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte
CAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte 4.3 Medidas de posição 4.4 Medidas de dispersão 4.5 Separatrizes Prof. franke 2 Vimos que a informação contida num conjunto de dados pode ser resumida
Leia maisIntrodução à Bioestatística Turma Nutrição Aula 3 Análise Descritiva: Medidas de Tendência Central Medidas de Variabilidade
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 3 Análise Descritiva: Medidas de Tendência Central Medidas
Leia maisEstatística Descritiva
Estatística Descritiva ESQUEMA DO CAPÍTULO 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisUniversidade Federal de Mato Grosso - UFMT Probabilidade e Estatística
Universidade Federal de Mato Grosso - UFMT Probabilidade e Estatística 1 Introdução Definição: Estatística é um conjunto de conceitos e métodos científicos para coleta, organização, descrição, análise
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 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 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 maisMódulo 4. 6º Ferramenta: Diagrama de Dispersão; 7º Ferramenta: Carta de Controle; Exercícios.
Módulo 4 6º Ferramenta: Diagrama de Dispersão; 7º Ferramenta: Carta de Controle; Exercícios. 6ª. Ferramenta Diagrama de Dispersão Finalidade: Mostrar o que acontece com uma variável quando a outra muda,
Leia maisn = 25) e o elemento (pois = 19) e terá o valor 8. Verifique que antes e depois do 19 o elemento, teremos 18 elementos.
V) Mediana: A Mediana de um conjunto de números, ordenados crescente ou decrescentemente em ordem de grandeza (isto é, em um rol), será o elemento que ocupe a posição central da distribuição de freqüência
Leia maisEstatítica Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 3 de Abril de 2008 Estatística Descritiva e exploratória 1 Introdução à análise exploratória de dados 2 Análise exploratória de dados: Medidas-resumo 3
Leia maisMedidas de Posição ou Tendência Central
Medidas de Posição ou Tendência Central Medidas de Posição ou Tendência Central Fornece medidas que podem caracterizar o comportamento dos elementos de uma série; Possibilitando determinar se um valor
Leia maisSolução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
Leia maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Normal 06/11 1 / 41 LEMBRANDO: Variável Aleatória Contínua Assume
Leia mais