Gestão Estatística de Medidores

Tamanho: px
Começar a partir da página:

Download "Gestão Estatística de Medidores"

Transcrição

1 Gestão Estatística de Medidores C.A.Fróes Lima, J.R.P. Navas, A. R. Doado, Tiago Carvalho, Heloisa H. Müller, Marley Saraiva Resumo O projeto Gestão Estatística de Medidores foi desevolvido, o cotexto do programa de P&D ANEEL visado a orgaização operacioal da revisitado a modelagem existete a cocessioária e visado sua implemetação. O projeto cria uma metodologia de moitorameto permaete da curva de aferição dos medidores eletromecâicos que ateda as ormas de órgãos resposáveis pelas padroizações e cotrole destes equipametos, bem como da cocessioária. Com o desevolvimeto deste sistema poderão ser aalisadas as curvas de aferição, e realizados os cotroles estatísticos para avaliação dos lotes de medidores. O mapeameto destas iformações cria uma base de cohecimeto em toro dos pricipais elemetos a gestão de medidores, como fabricate, tipos de medidores, cosumidores, aferições, e problemas ecotrados. A reuião sistêmica e aalítica destas iformações cotribui com a tomada de decisões estratégicas e aálises correlatas de outras áreas da empresa que utilizem parte ou totalidade das iformações referetes aos medidores. Palavras-chave Curvas de Aferição, Medidores, Gestão Estatística, Sistema Especialista, Uidades Cosumidoras. I. INTRODUÇÃO Atualmete a empresa cocessioária de eergia elétrica CPFL possui em sua base de sistemas legados um módulo de gestão de medidores com iformações sobre fabricate, tipos, grupos e dados de mauteção, dados de cosumidores, com iformações de histórico de cosumo, demadas, atividades ecoômicas e classificação tarifária. A empresa cocessioária também realiza testes estes equipametos e potua as aferições cosiderado critérios adotados segudo ormas e regulametação [10, 11, 12, 13]. O Sistema de Gestão Estatística de Medidores foi desehado de forma que as iformações dos medidores sejam ex- Este trabalho foi desevolvido o âmbito do Programa de Pesquisa e Desevolvimeto Tecológico do Setor de Eergia Elétrica regulado pela ANEEL e costa dos Aais do V Cogresso de Iovação Tecológica em Eergia Elétrica (V CITENEL), realizado em Belém/PA, o período de 22 a 24 de juho de Este projeto realizado graças ao evolvimeto da CPFL, reforçado e ampliado a dissemiação dos resultados e aplicabilidade das soluções obtidas, em parceria com a KNBS ( Fróes Lima, C.A., coordeador do desevolvimeto do sistema especialista, resposável pela orgaização do cohecimeto aplicado ( froes@kbs.com.br) - Carvalho, T., aalista de sistemas, resposável técico pelo desevolvimeto das soluções de mobilidade ( carvalho@kbs.com.br) - Navas, J. R. P., egeheiro, resposável pelo cotrole do desevolvimeto ( avas@kbs.com.br) Müller, H. H. ( Muller@kbs.com.br) trabalham a empresa KNBS. A. R. Doado, resposável pelo acompahameto do desevolvimeto trabalha a cocessioária CPFL ( doado@cpfl.com.br). Marley Saraiva é mestrado em Estatística pelo IMECC-UNICAMP ( marley@ime.uicamp.br ). portadas do sistema legado, e jutamete com as iformações relativas aos testes e aferições possam ser importadas para o Sistema, para a realização de estudos e aalises estatísticas do cadastro de medidores e das curvas de aferição de um lote de medidores selecioado. O sistema permite a visualização das curvas estatísticas dos lotes de medidores as quais são criadas com base os estudos realizados. O estudo visa a aálise e caracterização do lote, fazedo uma crítica baseada em iformações do lote, coceitos estatísticos, e a experiêcia da cocessioária, para estabelecer um critério de avaliação do lote sob aálise. Ou seja, com base os erros da amostra selecioada, detro do uiverso do lote, são estimados os erros do lote de medidores, através da aproximação dos dados a uma distribuição ormal, com um grau de cofiaça pré-determiado e cosiderado codições extremas para a cocessioária e para o cosumidor. Assume-se que o medidor de referêcia utilizado as aferições, valida os valores daquela aferição. Na realização dos estudos, após a caracterização do lote de medidores, o Sistema de Gestão, calcula de forma automática as estatísticas do lote, em fução do tamaho míimo da amostra dos testes de hipótese especificados. Na base de dados do sistema estão armazeados os dados de aferição dos medidores e durate a realização de um estudo, calcula-se o tamaho da amostra, e são utilizados os dados de aferição daqueles medidores que foram selecioados de forma aleatória para fazer parte da amostra. Os dados de aferição de cada um dos medidores correspodem a desvios percetuais da correte omial aplicadas ao medidor. Esses dados podem ser importados para o sistema de forma automática, a partir de um arquivo com formato pré-defiido ou iserido maualmete o sistema, de forma idividual. Assim é possível verificar o comportameto ou tedêcia do lote, acompahar a performace dos equipametos de medição e propor programas de ispeção em uidades cosumidoras e avaliação geral de grupos, fabricates e tipos de medidores. A metodologia permite idetificar lotes de medidores que devem ser substituídos para mauteção prevetiva de forma a atigir aos seguites objetivos: Salvaguardar os direitos dos cosumidores o caso de medidores que por qualquer motivo apresetam tedêcia de registrar a mais. Salvaguardar a receita da empresa o caso de medidores que por qualquer motivo apresetam tedêcia de registrar a meos. Mater em ível elevado a qualidade dos registros de todos os medidores e coseqüetemete mater em ível elevado a imagem da CPFL.

2 Proteção da receita. Ateder a legislação vigete. O sistema possui um cotrole de acesso por cocessioária e permissão de usuários para seu acesso. As fucioalidades deste sistema, estão divididas etre os seguites módulos: Estudos, Aferições, Estatísticas, Relatórios, Cosultas, Cadastro, Importações e Iterfaces, Camada Iteligete de Processameto e iterface com baco de dados, coforme apresetado a Figura 1. O módulo de seguraça cotrola o acesso dos usuários através de processo de idetificação úica dos mesmos, criptografia de seha, restrições e bloqueio de cotas, e perfil de acesso às fucioalidades por parte dos usuários. O sistema também possui um usuário admiistrador que habilita as fucioalidades dispoibilizadas, em fução do tipo e ível do usuário. B. Camada Iteligete de Processameto A camada iteligete de acesso trabalha com o coceito de empacotameto de pesquisa às bases de dados. Esta camada permite a otimização e aproveitameto das cosultas e do processameto realizado. Promove o cache de iformações de múltiplo uso e aálise de performace das pesquisas, cosiderado um volume de iformação e de referêcias cruzadas alto. Também são tratadas as fucioalidades básicas de estatísticas como média, desvio, sorteios estatísticos, subcojutos, operações de uião e itersecção de cojutos de iformações, e trasformação de dados [3]. Figura 1. Arquitetura do Sistema de Gestão de Medidores. II. O SISTEMA DE GESTÃO ESTATÍSTICA DE MEDIDORES O objetivo do Sistema de Gestão Estatística de Medidores é desevolver uma metodologia de moitorameto permaete da curva de aferição dos medidores eletromecâicos que ateda as ormas do INMETRO e as exigêcias da CSPE (Comissão de Serviços Públicos de Eergia) e as ecessidades da Empresa CPFL. O sistema computacioal foi cocebido utilizado coceitos de aplicações Web. Pode ser utilizado em um ambiete restrito como uma Itraet ou mais amplo cosiderado o acesso via Iteret. Foi desevolvido utilizado recursos de software livre em Java e com o acoplameto de baco de dados de um forecedor de mercado. A opção de utilização de baco de dados de software livre foi cosiderada, mas atededo os padrões da cocessioária, foi adotado um baco de dados comercial. O modelo de iformações foi costruído visado aplicar coceitos de otimização de processameto, facilidade de importação de iformações e para garatir a itegridade das iformações. Etre as estratégias para melhoria destas ações foram cosiderados os seguites aspectos: Existêcia de chaves primárias adimesioais o baco de dados, represetadas por seqüêcias uméricas. Ídices orietados à pesquisa de iformação, Modelo de tabelas compatíveis com o modelo de legados da cocessioária, Camada de acesso iteligete ao baco de dados para otimizar os acessos, Cache de cálculos e operações com grade volume de iformações A. Módulo de Seguraça C. Módulo de Cadastro O módulo de cadastro permite ao usuário uma iteração com o sistema a iserção de dados de aferição, bem como a iclusão de usuários adicioais do sistema. A iclusão de usuários faz parte do módulo básico de cadastro para acesso múltiplo a base de dados sob uma idetificação úica bem como permitir a publicação do sistema para uso de forma corporativa. O cadastro de aferições permite que as iformações dos testes sejam iseridas a base, sejam potuadas, e corrigidas ou complemetadas. O usuário pode assim verificar as iformações sobre as quais ele está trabalhado e defiir suas aferições para estudos estatísticos. D. Módulo de Importações O módulo de importações compreede a iterface do sistema com os meios exteros, sedo possível importar os dados dos sistemas legados e também dados de aferições realizadas com o equipameto de referêcia. As iformações, tipicamete sobre Medidores, Marca-Tipo, Deficiêcias, Grupo de Equipametos, Tipos de Equipametos, Localidades, Atividade Ecoômica, e Usuários ecessitam estar 100% aderetes as regras do modelo de iformações e tipificações, faixas e itervalos requeridos pela cocessioária para que ão sejam importadas discrepâcias. Este cotrole é realizado através de arquivos de registro de iformações ode são mapeados os registros que apresetaram problemas durate a importação, registros igorados e registros processados jutamete com o cotrole de falhas. E. Módulo de Aferições Um dos módulos mais importates do sistema é o módulo de aferições [1,2]. Neste módulo o usuário poderá importar para o sistema, de forma automática, a partir de um arquivo com formato pré-defiido ou, iserir maualmete, de forma idividual os dados de aferição de cada um dos medidores.

3 Na motagem da aferição são cosiderados os testes relativos à correte omial (A), as faixas de percetual de 10%, 20%, 50%, 100%, 150%, 200%, e 800%, obtidas à tesão omial (V) e FP igual ao valor um. Os erros de aferição são as pricipais iformações utilizadas a aálise do processo. Através deles são realizadas maipulações e aplicação de coceitos estatísticos para a avaliação dos erros do lote de medidores que está sedo julgado. F. Módulo de Estudos O módulo de estudos caracteriza as estatísticas realizadas sobre a base de iformação e de aferições dos medidores. São defiidos este modulo, os dados represetativos do lote do medidor, tais como, código do equipameto medidor, fabricate, local de realização dos testes, e a data da aferição. O módulo de estudos é cliete do módulo estatístico que faz cálculo e valida a amostragem. Os estudos fazem a plotagem de gráficos de aálises de erros percetuais e estatísticas do cadastro de medidores. Para motagem das amostras podem ser cosiderados os seguites parâmetros: Cocessioária (se existir mais de uma usuária do sistema) Marca e Tipo do medidor Localidade Atividade ecoômica Período de Fabricação Período de Aferição Os estudos, depois de cocluídos, ficam armazeados o sistema permitido verificar iformações relativas aos dados da sua criação, uiverso da aálise, tamaho da amostra, úmero de aferições do lote, desvio padrão da amostra, sua sigificâcia, erro de estimação, erro médio da amostra, e umero de medidores que estão fora da faixa estipulada pela cocessioária cosiderado os padrões e ormas. G. Estatísticas O módulo estatístico foi costituído através de estudos realizados pela cocessioária e sua experiêcia de egócio, visado o modelo estatístico da aplicação. A elaboração do algoritmo de criação das amostras foi respaldada por coceitos estatísticos [4]. Nesse setido, a metodologia segue os seguites passos: Separação dos medidores em lotes homogêeos de acordo com o tipo (modelo), fabricate, úmero de fios e fases, ao de fabricação. Estimativa do úmero de amostra para cada lote e seleção das amostras armazeadas o baco de dados do sistema. Dados de aferição de cada um dos medidores da amostra, os percetuais já referidos da correte omial, FP=1 e tesão omial. O erro médio de cada medidor será a média aritmética dos valores obtidos a aferição. Com base os erros da amostra, serão estimados os erros do lote através da aproximação dos dados à distribuição ormal, com ível de cofiaça de 95% e cosiderado duas codições extremas, deomiadas pior hipótese para a CPFL e Pior hipótese para o cosumidor. Avaliação da qualidade do registro do lote para cada codição extrema, cosiderado os limites abaixo relacioados a Tabela I: TABELA I LIMITES DO LOTE Erro (%) Etre +/- 3% Positivo 3% Negativo - 3% Lote Admissível do Medidor 90% 5% 5% Em fução dos resultados da avaliação de cada lote, recomeda-se a seguite política de substituição dos lotes de medidores para mauteção e recalibração: Os lotes que apresetam mais de 5% dos medidores registrado erros positivos superiores a + 3%, deverão ser substituídos para recalibração (salvaguardar os direitos dos cosumidores). Os lotes que apresetam mais de 5% dos medidores registrado erros egativos iferiores a -3% poderão ser substituídos para a recalibração em fução de aálise custo beefício (salvaguardar a receita da Empresa). O método cosidera que os erros de aferição são caracterizados por sua média e que o procedimeto de aferição cotrola a qualidade dos dados, proporcioado um erro médio coerete para ser utilizado o método estatístico proposto. Ele foi criado para iferir sobre a qualidade do lote de medidores com base o erro médio de aferição. Na aplicação dessa metodologia, iicialmete o módulo realiza a caracterização do lote de medidores baseado os parâmetros de etrada forecidos pelo estudo, coforme apresetado o item F, para um determiado valor N do uiverso de medidores. Para o cálculo do tamaho da amostra, é ecessário cohecer o valor do desvio padrão σ do cojuto de medidores. Uma vez que este valor é descohecido, utiliza-se em seu lugar o desvio padrão amostral s dado pela equação (4). Quato maior for o valor de, melhor será a estimativa de σ dada por s. Por esta razão, o valor de é calculado de forma iterativa, pois, uma vez que se teha um valor de s mais próximo do verdadeiro valor σ, mais cofiável será o cálculo de. Para este cálculo iterativo, é ecessário um valor iicial para σ, que este estudo foi forecido pela cocessioária como sedo de 0,05. A partir deste valor e dos demais compoetes ecessários, é feito o primeiro cálculo de, utilizado (1). No algoritmo, a quatidade de amostras iicialmete é meor que. A partir dos dados dessas amostras é feito um ovo cálculo de s e com este valor calcula-se ovamete o valor de (1). Se a quatidade de amostras for meor que, cotiua-se amostrado, e a cada ova amostra icluída o estudo calcula-se o valor de s e de. A amostragem será suficiete quado a quatidade de amostras for igual ou maior que o valor de obtido o último cálculo.

4 2 2 Nσ ( Zα / 2) = ( N 1) E + σ ( Z ) (1) α Tamaho da amostra N Tamaho do lote σ - Desvio padrão das amostras ateriores ou determiado pelo pesquisador (iicilização). Z α Nível ou grau de cofiaça (baseado em uma sigificâcia α = 0, 05 ) E Erro que se admite cometer a estimativa da média (amplitude do itervalo de cofiaça para a média, para populações fiitas) Por questões de covergêcia, o valor de deverá ser maior ou igual que 30. No caso do estudo dos medidores, a variável usada é o erro médio percetual dos medidores. Assim, estão sedo usados os seguites valores, como dados de etrada para (1), durate a iicialização do algoritmo: σ = 0,05 (determiado pelo cocessioária) Z = 1,96 (sigificâcia de 5%) α E = 0.01 (erro admissível) Estes valores podem ser alterados mediate ovos estudos e testes e comprovação de adequação, ou por idicação da cocessioária. Os valores propostos foram sugeridos pela cocessioária como valores iiciais, baseados o seu cohecimeto e experiêcia sobre o assuto. O tamaho da amostra iicial, calculado por (1), depede do valor iicial de σ. Iicialmete este valor é descohecido e foi utilizado o valor de 0,05, coforme descrito acima. Um tamaho de amostra mais preciso é obtido futuramete, com um ovo valor σ, que é estimado (calculado) toda vez que for icluído um medidor aferido detro da amostra, e assim sucessivamete, ou seja, iicialmete tem-se σ = 0,05, e coforme o úmero de medidores aferidos aumeta, este valor é recalculado para utilização futuras. A média dos erros de aferição as faixas percetuais de 10%, 20%, 50%, 100%, 150%, 200%, e 800%, para cada medidor i [5], é represetada por (2). x i = m j = e j 1 (2) m m Número de leituras de aferição (10%, 20%, 50%, 100%, 150%, 200%, e 800% da correte omial), equivalete a 7. x i Erro médio de aferição referete ao medidor i detro da amostra. e j Erro de aferição em uma determiada leitura: (10%, 20%, 50%, 100%, 150%, 200%, 800% da correte omial). Com o erro médio de cada medidor, é calculada a média dos erros para a amostra iteira [5] represetada pela equação (3). x = i = xi 1 (3) :quatidade de medidores detro da amostra que possuem aferição. x i : erro médio dos erros de aferição do Medidor i cosiderado as faixas percetuais i : ídice do medidor. x : erro médio da amostra com medidores que possuem aferições E fialmete é calculado o ovo valor do desvio-padrão [5] represetado pela equação (4), cosiderado os cálculos ateriores realizados por (2) e (3). 1 s = ( 1) i = 1 ( x i x) (4) :quatidade de medidores detro da amostra que possuem aferição. x i : erro médio dos erros de aferição do Medidor i cosiderado as faixas percetuais i : ídice do medidor. x : erro médio da amostra com medidores que possuem aferições s: desvio padrão O valor iicial de σ em (1) é substituído pelo ovo desvio padrão s de (4) e com ele é calculado o ovo valor de. A proposição é recursiva e evolutiva, pois este ovo valor de será mais cofiável que o aterior. Na medida em que a amostra for crescedo, isto é, a quatidade de medidores aferidos for crescedo, este tamaho de amostra pode ser calculado com maior precisão, pois a estimativa do desvio padrão se tora mais cofiável para amostras maiores. O procedimeto se ecerra quado o tamaho da amostra () de uma determiada iteração for meor ou igual ao úmero de medidores aferidos detro da amostra. Para cosolidar a aálise do lote, é realizado o teste de hipótese cosiderado-se duas hipóteses [6] represetadas pelo Teste 1 e pelo Teste 2 coforme Tabela II. O Teste 1 verifica se há idícios de que o cojuto de medidores sob estudo esteja com erros maiores do que 3% e o Teste 2 verifica se há idícios de erros meores do que -3%, as proporções defiidas a Tabela I. TABELA II TESTES DE HIPÓTESE Teste 1 Teste 2 H 0 : µ = 0,03 H 0 : µ = 0,03 H1 : µ > 0,03 H1 : µ < 0,03 μ: é a média percetual de erro do lote de medidores. H 0 : Hipótese 0 dos testes 1 e 2 H 1 : Hipótese 1 dos testes 1 e 2 No Teste 1 é verificado se a média de erros do cojuto de medidores é maior que 3%. Uma vez o Teste 1 ão seja 2

5 coclusivo, o Teste 2 é realizado. O Teste 2 verifica se a média de erros do cojuto de medidores é meor que -3%. Se esta hipótese ão for verificada, coclui-se que o cojuto de medidores está em perfeito estado de fucioameto. Para que se chegue a alguma das coclusões citadas acima, é ecessário o cálculo da estatística de teste, que é dada pela equação (5): ( x µ 0 ) t = s (5) μ 0 : valor de μ sob a hipótese H 0. : tamaho da amostra s: desvio padrão x : erro médio da amostra com medidores que possuem aferições. Desta forma, deverão ser calculados dois valores para a estatística de teste, represetados pelas Estatística 1 e 2, cosiderado que será utilizada como referêcia a Distribuição de Probabilidade t-studet, coforme a tabela III. TABELA III ESTATÍSTICAS Estatística 1 Estatística 2 ( x 0,03) x + 0,03 t = t = s s ( ) Para se obter coclusões, será ecessário comparar os valores ecotrados da estatística de teste com os valores críticos de t dados a tabela de distribuição de probabilidade t-studet. Para esta comparação será ecessário o cálculo dos graus de liberdade da distribuição que é dado por: gl = -1 (6) Na tabela da distribuição t-studet, a liha correspodete aos graus de liberdade gl, a colua referete a uma cauda com sigificâcia equivalete a α = 0,05, obtém-se o valor crítico de t, deomiado t 0 como mostra a Figura 2 para o caso do Teste 1. Figura 2 Valor crítico de t o Teste 1 [7] estatística de teste t 1 (Teste 1) for maior que t 0 (valor crítico) etão há evidêcias de que o cojuto de medidores está com erros maiores do que 3%. Se t 2 (Teste 2) for meor do que -t 0 (valor crítico egativo) etão há evidêcias de que o cojuto está com erros meores do que -3%. Caso cotrário, há evidêcias de que o cojuto de medidores ão está com erros sigificativos. Resultado dos Testes t 1 > t 0 e t 2 qualquer t 1 t 0 e t 2 - t 0 t 1 t 0 e t 2 - t 0 H. Relatórios e Cosultas TABELA IV CRITÉRIOS DE DECISÃO TESTES DE HIPÓTESE Coclusão μ 3%, isto é, Cojuto medido a mais. Pior hipótese para o cosumidor. μ -3%, isto é, Cojuto medido a meos. Pior hipótese para a cocessioária. -3% < μ < 3%, isto é, Cojuto sem problemas Módulo resposável pela publicação de relatórios gereciais e cosultivos de iformações relativas aos estudos, aferições e cadastros presetes o Sistema de Gestão Estatística de Medidores. O módulo de relatório fucioa também para divulgação de iformações em formato de arquivo e também como documetação do processo e da tomada de decisões. III. RESULTADOS Os resultados do sistema foram computados de forma cuidadosa, sedo utilizados diversos pilotos e hipóteses para verificação da curva de aferição e do estudo estatístico, com verificação e simulação. Na verificação da maturidade dos estudos gerados pelo sistema, será utilizado o cojuto de aferições realizadas em campo, e em laboratório pela cocessioária, e iformações colhidas juto aos fabricates de medidores. Foram feitos vários estudos com diferetes tamahos de amostras para que fossem verificadas as três hipóteses básicas: Situação 1 - Cojuto sem problemas Situação 2 - Pior hipótese para a CPFL Situação 3 - Pior hipótese para o cosumidor São apresetados a seguir algus dos estudos realizados para ilustrar o fucioameto do sistema. Como resultado da aálise destes estudos, a cocessioária tem o suporte ecessário para defiir se um determiado lote de medidores deve ser substituído o ão, ou se, medidores com erros de aferição muito grades devem ser tratados idividualmete. A Figura 3 mostra a tela pricipal de acesso ao sistema. Para cocluir o teste de hipótese deverão ser adotados os critérios represetados pela Tabela IV, isto é, se o valor da

6 Figura 3. Tela pricipal de acesso ao sistema A Figura 4 represeta um estudo realizado com o Sistema de Gestão Estatística, ode o lote foi avaliado de forma eutra sem apresetar problemas, realizados com medidores moofásicos. Figura 6. Qualidade da Aferição do Lote de medidores Moofásico correspodete à Situação 1. A Figura 7 represeta outro estudo realizado com o Sistema de Gestão Estatística, ode o lote foi avaliado de forma pior hipótese para a CPFL correspodete à situação 2. Figura 4. Tela de Resultados da Aálise do Lote de Medidores, correspodete a uma Situação 1. A Figura 5 represeta a curva de distribuição dos dados do lote dos medidores, ode é possível verificar em faixa estão localizados os erros e suas respectivas freqüêcias. Figura 7. Tela de Resultados da Aálise do Lote, correspodete a uma Situação 2. Neste lote pode-se verificar que os erros de aferição estão em uma faixa fora do itervalo [-3%,3%], coforme o teste de hipótese apresetado pela Tabela IV e ilustrado a Figura 8. Figura 5. Resultados da Aálise do Lote de Medidores correspodete à Situação 1 As curvas de todas as aferições idividuais que foram utilizadas para julgameto do lote, estão represetadas pela Figura 6. Figura 8. Resultados da Aálise do Lote de Medidores, correspodete a uma Situação 2 A mesma verificação foi feita através das curvas de aferição utilizadas, as quais apresetaram uma cocetração das médias de aferição fora do itervalo -3% a +3%.

7 A Figura 9 represeta outro estudo realizado com o Sistema de Gestão Estatística, ode o lote foi avaliado de forma pior hipótese para o Cosumidor correspodete à situação 3. Figura 9. Tela de Resultados da Aálise do Lote, correspodete a uma Situação 3. Na Figura 10 podem-se observar vários medidores possuem suas médias de erros de aferição em uma faixa acima de 3%. Com esta freqüêcia o lote está caracterizado como ofesor do cosumidor. Figura 12. Resultados da Aálise do Lote Trifásico, correspodete a outra Situação 1. A aálise subseqüete retrata outro lote de medidores trifásicos, o qual apresetou problemas. Figura 13. Tela de Resultados da Aálise do Lote Trifásico, correspodete a outra Situação 3. Figura 10. Resultados da Aálise do Lote de Medidores, correspodete a uma Situação 3. Outros testes foram realizados com outros lotes de medidores trifásicos. As Figuras 11 e 12 retratam os resultados dos estudos e pode-se fazer uma aalogia para iterpretação dos resultados que foi realizada para os medidores moofásicos. A aálise da distribuição dos medidores relativa aos cosumidores trifásicos é relevate, esta situação do lote medido a mais, visto que estes usuários possuem um cosumo de eergia geralmete maior que o dos cosumidores moofásicos. A curva da distribuição da Figura 14 idicou o lote com problemas. Figura 11. Tela de Resultados da Aálise do Lote Trifásico, correspodete a uma Situação 1. Figura 14. Resultados da Aálise do Lote Trifásico, correspodete a outra Situação 3.

8 IV. CONCLUSÕES O Sistema de Gestão Estatísticas de Medidores demostrou ser uma alterativa viável como uma ferrameta de apoio para tomada de decisões. Atua a idetificação dos lotes de medidores que geram uma redução de perdas de faturameto para a cocessioária, aqueles casos ode apresetem tedêcia de registrar a meos, ou a idetificação daqueles casos, ode os medidores apresetem uma tedêcia de registrar a mais, salvaguardado os direitos dos usuários. O sistema oferece uma redução de custos operacioais, pela icidêcia da meor quatidade de reclamações, e por outro lado, esta iiciativa de mostrar o iteresse da cocessioária em solucioar o problema e ivestigá-lo, fortalece o seu relacioameto com os cosumidores, o que represeta um gaho itagível para a empresa. Os resultados obtidos com essa ferrameta, propiciam a mauteção de um ível elevado com relação à qualidade dos registros dos medidores istalados a sua plata. Sobre a óptica tecológica, o fucioameto adequado dos medidores e seus aspectos de mauteção e qualidade frete a problemas, afetam diretamete as receitas advidas do cosumo de eergia dos usuários da rede elétrica, como visto ateriormete, bem como os custos relativos à sua mauteção. Os estudos realizados pelo Sistema de Gestão Estatística de Medidores podem ser eficazes ão somete a classificação do lotes, mas para istrumetar os aalistas a avaliação de tedêcias e acompahar o ciclo tecológico dos equipametos. O sistema trabalha com coceitos estatísticos, mas é muito simples de ser utilizado, e isto foi tomado como objetivo durate a sua elaboração, visado a sua rápida absorção por parte da cocessioária, sem perder qualidade e os objetivos. As expectativas são de recuperação de receitas e redução de custos coforme o seu ível de utilização gahe força detro da cocessioária. A utilização sistemática do sistema permitirá atigir o regime operacioal relativo ao seu uso e ao coteúdo de iformações que ele armazea, além de ampliar a base estatística e comparativa sobre a qual se baseia. [2] C.A. dos Reis Filho, "Split-Drai MOST Based Circuit for Measurig Electric Power", ESSCIRC' Europea Solid-State Circuit Coferece, Stockholm, Swede, September [3] Júlio Battisti. (2005). SQL SERVER Admiistração e Desevolvimeto, Ed. Axcel ISBN: , pp [4] MANN, N. R., SCHAFER, R. E., SINGPURWALLA, N. D. Methods for Statistical Aalysis of Reliability ad Life Data. New York: Joh Wiley & Sos, p. [5] Mário F. Triola, Itrodução à Estatística 7ª. Edição, Editora LTC, 1999, pp [6] Mário F. Triola, Itrodução à Estatística 7ª. Edição, Editora LTC, 1999, pp. 50, [7] Jairo Simo da Foseca & Gilberto de Adrade Martis, Curso de Estatística, 6ª. Edição, 1996, Editora Atlas. [8] Power Busiess Suite: Relatório Técico da KNBS Kowledge Networks ad Busiess Solutios eviado a FAPESP Fudação de Amparo a Pesquisa do estado de São Paulo, Fev [9] C.A. dos Reis Filho, Medidor de gradezas elétricas em redes trifásicas voltadas ao gereciameto da qualidade de eergia, Relatório técico FEEC-Uicamp, Covêio No , processo 29P11443/99, [10] Regulameto Técico Metrológico de Medidores de Eergia Ativa baseados o Pricípio de Idução, Eletromecâicos, referete a Portaria do INMETRO No. 88, abril de [11] ABNT. NBR8377: Medidor de eergia ativa - Especificação, NBR8378: Medidores de eergia ativa Método de esaio, NBR5313: Aceitação de lotes de medidores de eergia ativa - Procedimeto, NBR8372: Medidor de eergia reativa Especificação, NBR8374: Medidor de eergia reativa, - Método de esaio, NBR8373: Aceitação de lotes de medidores Procedimeto, NBR8379: Medidor de eergia ativa e reativa Valores omiais Disposições dos termiais, Dimesões e Ligações, NBR6509: Eletrotécica e eletrôica Istrumetos de medição - Termiologia. [12] ABNT. NBR14519: Medidores Eletrôicos de eergia elétrica (estáticos) Especificação, NBR14520: Medidores Eletrôicos de eergia elétrica (estáticos) - Método de Esaio. [13] IEC Alteratig Curret Static Watt-Hour Meters for Active Eergy (Classes 0,2 S e 0,5 S). [14] ANSI C Solid State Electricity Meters. V. AGRADECIMENTOS Os autores agradecem a oportuidade oferecida à KNBS para realizar a orgaização operacioal da modelagem já existete a cocessioária, fruto do trabalho iiciado pela CPFL detro do programa de P&D ANEEL em cojuto com as seguites empresas: UNISOMA, FUNCAMP (UNI- CAMP), SEST Serviços Especializados Ltda, e ELUCID Solutios. VI. REFERÊNCIAS BIBLIOGRÁFICAS [1] C.A. dos Reis Filho ad H.J. Grados, "Aalog CMOS Tesla-Volt Multiplier Circuit" Third IEEE Iteratioal Caracas Coferece o Devices, Circuits ad Systems, Cacú, Mexico March 2000.

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

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

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ 1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo

Leia mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População;

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População; 04/08/014 Uidade 4 : Amostragem Amostragem Coceito, propriedades, métodos e cálculo João Garibaldi Almeida Viaa Coceitos básicos de População e Amostra População; Elemetos que compõem uma população; Ceso;

Leia mais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais Capítulo 3: Gestão de stoques Curso de Admiistração de mpresas 2º Semestre 09 Disciplia: Admiistração da Logística e Patrimôio Capítulo 03: Gestão de estoques (Partes 3 e 4) Parte : Itrodução Parte 2:

Leia mais

O termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2

O termo linear significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2 MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO

ENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO ENGENHARIA DA QUALIDADE A ENG 09008 AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO PROFESSOR: CARLA SCHWENGBER TEN CATEN Teorema do limite cetral A soma (e sua média) de

Leia mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma

Leia mais

Avaliação de um Mapa Urbano Produzido de Forma Automática a partir de Imagem Orbital de Alta Resolução

Avaliação de um Mapa Urbano Produzido de Forma Automática a partir de Imagem Orbital de Alta Resolução XVIII Semiário Nacioal de Distribuição de Eergia Elétrica SENDI 008-06 a 0 de outubro Olida - Perambuco - Brasil Avaliação de um Mapa Urbao Produzido de Forma Automática a partir de Imagem Orbital de Alta

Leia mais

UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA

UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA ISBN 978-85-7846-516-2 UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA Resumo Alisso Herique dos Satos UEL Email: alisso_hs612@hotmail.com Ferada Felix Silva UEL Email: ferada.f.matematica@gmail.com

Leia mais

Lista IC, tamanho de amostra e TH

Lista IC, tamanho de amostra e TH Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

TRANSPORTES. Sessão Prática 4 Amostragem de escalares Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas

Leia mais

Estimação de Parâmetros. 1. Introdução

Estimação de Parâmetros. 1. Introdução Estimação de Parâmetros. Itrodução O objetivo da Estatística é a realização de iferêcia acerca de uma população, baseadas as iformações amostrais. Como as populações são caracterizados por medidas uméricas

Leia mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação

Leia mais

Submódulo Configurações de medição para faturamento

Submódulo Configurações de medição para faturamento Submódulo 2.6 Cofigurações de medição para faturameto Rev. N.º Motivo da Revisão Data de Aprovação pelo ONS 0.0 Atedimeto à Resolução Normativa ANEEL º 5, de 29 de ovembro de 2004 07/2/2006 0. Atedimeto

Leia mais

Medição e Métricas de Software

Medição e Métricas de Software Medição e Métricas de Software Motivação Um dos objetivos básicos da Egeharia de Software é: a trasformação da criação de sistemas software de uma maeira artística, idiscipliada e pouco etedível para uma

Leia mais

Distribuições Amostrais

Distribuições Amostrais 9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

Distribuições Amostrais

Distribuições Amostrais 7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005 PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).

Leia mais

Número-índice: Conceito, amostragem e construção de estimadores

Número-índice: Conceito, amostragem e construção de estimadores Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela

Leia mais

DA TERMINOLOGIA E DOS CONCEITOS

DA TERMINOLOGIA E DOS CONCEITOS AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA ANEEL RESOLUÇÃO N o 520, DE 17 DE SETEMBRO DE 2002. Estabelece os procedimetos de registro e apuração dos idicadores relativos às ocorrêcias emergeciais. O DIRETOR-GERAL

Leia mais

Teorema do limite central e es/mação da proporção populacional p

Teorema do limite central e es/mação da proporção populacional p Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

Intervalos Estatísticos para uma única Amostra - parte II

Intervalos Estatísticos para uma única Amostra - parte II Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais

Leia mais

Gestão da Manutenção em Micro e Pequenas Empresas

Gestão da Manutenção em Micro e Pequenas Empresas Diagóstico da Gestão da Mauteção em Micro e Pequeas Empresas Questioário Sumário Apresetação Itrodução Atividades Metodologia Grupo 1 Gerêcia e Cotrole da Mauteção Grupo 2 Plaejameto Programação Grupo

Leia mais

1 Distribuições Amostrais

1 Distribuições Amostrais 1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados

Leia mais

Estimadores de Momentos

Estimadores de Momentos Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo

Leia mais

MT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8

MT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8 Norma Rodoviária DNER-PRO 77/97 Procedimeto Págia de 8 RESUMO Este documeto estabelece o úmero de amostras a serem utilizadas o cotrole estatístico, com base em riscos refixados, em obras e serviços rodoviários.

Leia mais

Teste de Software. Engenharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2016

Teste de Software. Engenharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2016 Teste de Software Egeharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2016 Aspectos teóricos e empíricos de teste de cobertura de software Notas Didáticas do ICMC/USP (o. 31) Tópicos da

Leia mais

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA) 06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes

Leia mais

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza

Leia mais

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas

Leia mais

Inferência Estatística

Inferência Estatística Iferêcia Estatística opulação Amostra Itroduç Itrodução à Iferêcia Estatística Como tirar coclusões tomar decisões a partir de iformação parcial / icompleta (amostra) projectado /geeralizado resultados

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A 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 Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população

Leia mais

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:

Leia mais

MÉTODO DE ALTERAÇÃO DE INTERVALOS ENTRE CALIBRAÇÕES

MÉTODO DE ALTERAÇÃO DE INTERVALOS ENTRE CALIBRAÇÕES ENQUALAB-2008 Cogresso da Qualidade em Metrologia Rede Metrológica do Estado de São Paulo - REMESP 09 a 12 de juho de 2008, São Paulo, Brasil MÉTODO DE ALTERAÇÃO DE INTERVALOS ENTRE CALIBRAÇÕES Paulo Cézar

Leia mais

Tópicos. Cliente presente O jogo do planejamento Stand up meeting Programação em par

Tópicos. Cliente presente O jogo do planejamento Stand up meeting Programação em par Práticas do XP Tópicos Cliete presete O jogo do plaejameto Stad up meetig Programação em par 2 Cliete presete 3 Cliete Presete Tradicioalmete, há uma divisão implícita etre as resposabilidades do cliete

Leia mais

08/10/2018. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados

08/10/2018. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Baco de Dados Gereciameto de Arquivos Sistema Gereciador de Baco de Dados Modelos de Dados Gereciameto de Arquivos Gereciameto de Arquivos 1 Gereciameto de Arquivos Em uma empresa existem 3 departametos:

Leia mais

7. INTERVALOS DE CONFIANÇA

7. INTERVALOS DE CONFIANÇA 7 INTRVALOS D CONFIANÇA 00 stimação por itervalos,, é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro θ Se L(,, ) e U(,, ) são duas fuções tais que L < U e P(L θ U), o itervalo

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma

Leia mais

16/10/2017. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados

16/10/2017. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Baco de Dados Gereciameto de Arquivos Sistema Gereciador de Baco de Dados Modelos de Dados Gereciameto de Arquivos Gereciameto de Arquivos 1 Gereciameto de Arquivos Em uma empresa existem 3 departametos:

Leia mais

Comparação entre duas populações

Comparação entre duas populações Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa

Leia mais

O teste de McNemar. A tabela 2x2. Depois - Antes

O teste de McNemar. A tabela 2x2. Depois - Antes Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"

Leia mais

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

Leia mais

Módulo 4 Cartas de controle para atributos: construção e interpretação. Estudos de estabilidade e capacidade. Estudo de R&R (MSA).

Módulo 4 Cartas de controle para atributos: construção e interpretação. Estudos de estabilidade e capacidade. Estudo de R&R (MSA). Módulo 4 Cartas de cotrole para atributos: costrução e iterpretação. Estudos de estabilidade e capacidade. Estudo de R&R (MSA). Cartas para atributos Máquias e Pessoal equipametos Materiais Métodos de

Leia mais

Conteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE)

Conteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE) Coteúdo Uiversidade Federal de Sata Cataria (UFSC) Programa de Pós-Graduação em Egeharia de Automação e Sistemas (PPGEAS) Disciplia: Sistemas de Tempo Real II 1 Itrodução à Estatística Itrodução a Probabilidade

Leia mais

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~

Leia mais

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a): Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.

Leia mais

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM 6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

Disciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem

Disciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRANSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4 (Tipo A): Amostragem 008 / 009 Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes

Leia mais

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa

Leia mais

INTERVALOS DE CONFIANÇA

INTERVALOS DE CONFIANÇA INTRVALOS D CONFIANÇA 014 stimação por itervalos 1,..., é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro. Se L( 1,..., ) e U( 1,..., ) são duas fuções tais que L < U e P(L

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

5 Metodologia Informações e ferramentas:

5 Metodologia Informações e ferramentas: 9 5 Metodologia Para torar o problema de localização dos telefoes públicos meos complexo e de fácil aplicação prática, será apresetado um processo maual cojugado com aálises gráficas ode o ARCGIS terá

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para

Leia mais

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses INE 700 - Iferêcia Estatística Testes de Hipóteses 0 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses 0. - Itrodução Viu-se ateriormete que uma determiada população pode ser descrita através de um modelo probabilístico,

Leia mais

Determinação do grau de eficácia de equipes de manutenção via Processo de Renovação Generalizado

Determinação do grau de eficácia de equipes de manutenção via Processo de Renovação Generalizado XXVI ENEGEP - Fortaleza, CE, Brasil, 9 a de Outubro de 2006 Determiação do grau de eficácia de equipes de mauteção via Processo de Reovação Geeralizado Márcio José das Chagas Moura (UFPE) marciocmoura@gmail.com

Leia mais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n. Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,

Leia mais

3 Técnica de Traçado de Raios 3.1. Introdução

3 Técnica de Traçado de Raios 3.1. Introdução 3 Técica de Traçado de Raios 3.. Itrodução Uma técica de traçado de raios aplicada à rádio-propagação cosiste a aálise, com base os resultados da ótica geométrica, da propagação de odas de rádio-freqüêcia

Leia mais

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer

Leia mais

MATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho

MATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho MATEMÁTICA Professor Haroldo Filho MÓDULO 6 ESTATÍSTICA 1.1 ESTATÍSTICA É a ciêcia que utiliza a coleta de dados, sua classificação, sua apresetação, sua aálise e sua iterpretação para se tomar algum tipo

Leia mais

Modelagem para o tempo de atravessamento e inventário médio em arranjos produtivos por processo

Modelagem para o tempo de atravessamento e inventário médio em arranjos produtivos por processo Modelagem para o tempo de atravessameto e ivetário médio em arrajos produtivos por processo Everto Peter Satos da Rosa (UNISINOS) everto.rosa@areva-td.com Felipe Morais Meezes (UNISINOS) meezes@produttare.com.br

Leia mais

CE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo

CE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo CE07 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo LISTA - EXERCÍCIOS ) Para o modelo de regressão liear simples ormal, ecotre os estimadores de máxima verossimilhaça dos parâmetros β 0, β e σ

Leia mais

1 Amintas engenharia

1 Amintas engenharia 1 Amitas egeharia 2 Cálculo Numérico 1. Itrodução Amitas Paiva Afoso 3 1. Itrodução O que é o Cálculo Numérico? 4 1. Itrodução O Cálculo Numérico correspode a um cojuto de ferrametas ou métodos usados

Leia mais

ESTATÍSTICA E PROBABILIDADES

ESTATÍSTICA E PROBABILIDADES ESTATÍSTICA E PROBABILIDADES Aluo(a): Turma: Professores: Data: Edu/Vicete Noções de Estatística Podemos eteder a Estatística como sedo o método de estudo de comportameto coletivo, cujas coclusões são

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

System pro E Power. O seu novo ponto forte

System pro E Power. O seu novo ponto forte System pro E Power. O seu ovo poto forte System pro E Power. O seu ovo poto forte System pro E Power é uma ova solução iovadora de quadros de distribuição da ABB até 6300A com uma correte omial de curta

Leia mais

OMBRO-CABEÇA-OMBRO : TESTANDO A LUCRATIVIDADE DO PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO

OMBRO-CABEÇA-OMBRO : TESTANDO A LUCRATIVIDADE DO PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO Caro parecerista, Agradecemos as sugestões e críticas ao osso artigo, as quais procuramos observar a revisão do artigo. A seguir você ecotrará um relatório descrevedo todos os ajustes realizados, a ordem

Leia mais

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe

Leia mais

6. Testes de Hipóteses Conceitos Gerais

6. Testes de Hipóteses Conceitos Gerais 6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho Apredizagem Estatística de Dados Fracisco Carvalho Avaliação e Comparação de Classificadores Existem poucos estudos aalíticos sobre o comportameto de algoritmos de apredizagem. A aálise de classificadores

Leia mais

Implementação de Planilha de Cálculos Simplificada

Implementação de Planilha de Cálculos Simplificada INF 1620 Estruturas de Dados Semestre 08.2 Primeiro Trabalho Implemetação de Plailha de Cálculos Simplificada Uma plailha de cálculos é um programa muito utilizado em aplicações fiaceiras e aquelas que,

Leia mais

O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO

O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO Sérgio Ferado Mayerle, Dr. UFSC / CTC / EPS - mayerle@eps.ufsc.br - Floriaópolis - SC Thiago Dedavid de Almeida Bastos

Leia mais