UM SOFTWARE PARA A MODELAGEM E ANÁLISE DA CONFIABILIDADE DE SISTEMAS
|
|
- Bárbara Sacramento Candal
- 5 Há anos
- Visualizações:
Transcrição
1 UM SOFTWARE PARA A MODELAGEM E ANÁLISE DA CONFIABILIDADE DE SISTEMAS Guilherme Luís Roëhe Vaccaro Programa de Pós-Graduação em Engenharia de Produção - UFRGS Praça Argentina, n 9 - Porto Alegre, RS Instituto de Matemática - PUC-RS Av. Ipiranga, Prédio 15 - Porto Alegre, RS José Luis Duarte Ribeiro Programa de Pós-Graduação em Engenharia de Produção - UFRGS Praça Argentina, n 9 - Porto Alegre, RS ABSTRACT This paper presents a software capable to realize the modeling and analyses of system reliability. The software is called RelySys and the version presented here works with serie systems. The main features of the software are describe. In addition, a case study where the system failure times present a bimodal distribution is discussed. The RelySys brings together the tools necessary to analyze such situations. Key words: System Reliability, Distribution Fitting, Software Palavras chaves: Confiabilidade de sistemas, Ajuste de distribuições, Software 1. INTRODUÇÃO O RelySys - Reliability Software for Systems Analysis - é um software orientado para a modelagem e análise da confiabilidade de sistemas. Ele se destina à realização de análises de confiabilidade, auxiliando desde as etapas de modelagem do sistema em diagrama de blocos e entrada dos dados de falha, até a estimativa do comportamento do sistema (ou de componentes isolados) ao longo do tempo. Totalmente desenvolvido em ambiente gráfico, baseado na linguagem Microsoft Visual Basic for Windows 95 TM, o RelySys tem por princípio facilitar ao usuário o acesso às informações importantes de confiabilidade, encarregando-se do esforço da manipulação matemática dos dados de falha. Neste sentido, o software conta com um extenso conjunto de rotinas desenvolvidas para a análise de dados de falha, disponíveis ao usuário através de menus e teclas de atalho. As rotinas implementadas foram projetadas de modo a garantir a estabilidade numérica e minimizar, a ocorrência de erros provenientes do ambiente computacional, tais como erros de arredondamento. Em termos de aplicações em ambientes industriais, o software é apresentado como um facilitador, tanto nas etapas de processamento de dados como na geração dos resultados da análise de confiabilidade dos componentes e do sistema.
2 2. DESCRIÇÃO E CAPACIDADES DO RELYSYS O ambiente de trabalho do RelySys é composto de uma Área de Edição, um Painel de Controle, uma Barra de Menus e uma Barra de Ferramentas. O software pode ser totalmente operado através do mouse e, em cada etapa da operação, guia o usuário, disponibilizando apenas as opções compatíveis com as informações existentes. Na área de Edição, o usuário gera graficamente o diagrama de blocos que representará o sistema em série. Este diagrama será a base para todas as demais ações e análises realizadas pelo software, tais como a seleção de componentes e a entrada dos dados de falha. No Painel de Controle são apresentadas as informações básicas para a identificação de cada componente do sistema, bem como para o sistema em si. Pode-se selecionar e modificar as distribuições, e verificar informações genéricas para as amostras de cada componente. Figura 1: Ambiente de trabalho do RelySys, destacando um sistema de quatro componentes e o menu de opções para o componente selecionado (componente 2). Após ter sido gerado o modelo para o sistema, os dados de falha de cada componente devem ser introduzidos e analisados. O software analisa conjuntos de dados completos ou censurados (censuras por tempo, por número de componentes ou aleatória). São apresentadas as principais estatísticas descritivas dos dados analisados: Medidas de Tendência Central: MTTF (tempo médio até a falha) e Quartis; Medidas de Variabilidade: Desvio Padrão, Variância e Coeficiente de Variação, Limite Inferior e Limite Superior da amostra; Distribuição de Freqüências. Adicionalmente são apresentados o histograma dos dados e estimativas das funções de
3 Confiabilidade, permitindo uma análise inicial do comportamento de falhas de cada componente. Além destes gráficos, para facilitar e dar maior suporte à modelagem de distribuições estatísticas aos dados de falha, são fornecidos ainda o diagrama Box-Plot e gráficos em papel de probabilidade para as distribuições incorporadas ao software. Uma vez obtida a informação estatística contida nos dados, pode-se modelá-los através de alguma das seguintes distribuições: Exponencial, Weibull, Uniforme, Normal e LogNormal (exceto para amostras com censura aleatória). Caso o usuário defina a priori qual distribuição deseja ajustar, o software encontrará os valores mais adequados para os parâmetros da distribuição escolhida. Também será realizado o Teste de Kolmogorov-Smirnov para verificar a qualidade do ajuste. Em caso contrário, o software encarregar-se-á de estimar os parâmetros de todas as distribuições disponíveis e fornecerá resultados dos testes de aderência de Kolmogorov-Smirnov e χ 2. Caberá ao usuário escolher, com o auxílio dos resultados fornecidos pelo RelySys, a distribuição mais adequada. A partir dos modelos ajustados para todos os componentes, são apresentadas as seguintes ferramentas de análise: tabela de Tempos Característicos de Confiabilidade (para o componente selecionado ou para o sistema), onde encontram-se, além dos valores dos tempos característicos, também os respectivos valores de Confiabilidade, Probabilidade Acumulada de Falhas, Densidade de Probabilidade de Falhas e Taxa de Risco. calculadora de tempos e confiabilidades, a qual funciona em dois sentidos, isto é: fornecendo-se um valor de tempo, será calculada a confiabilidade associada; ou, fornecendo-se um valor de confiabilidade, será calculado o respectivo tempo característico. gráficos das Funções de Confiabilidade, permitindo a comparação das estimativas obtidas a partir dos dados (caso existam) com os valores calculados com base no modelo escolhido. Após todos os componentes terem sido modelados, pode-se analisar a confiabilidade do sistema. O software utilizará os modelos ajustados ou informados para cada componente e gerará um conjunto suficientemente grande de tempos de falha para o sistema. Poderão então ser repetidas as análises acima descritas sobre estes dados, representativos do comportamento de todo o sistema. Adicionalmente, pode-se realizar estimativas de tempos e confiabilidades diretamente a partir dos dados gerados para o sistema, independentemente de um modelo. Pode-se, ainda, ordenar os componentes de acordo com sua criticidade estimada ao longo da vida útil do sistema. Isso é possível através de um gráfico de Pareto. Para melhor visualização dos níveis de criticidade dos componentes, é definido um padrão de cores, cujas faixas de variação podem ser alteradas a critério do usuário: componentes fracos, isto é, com alto percentual de falhas, recebem a cor vermelha; componentes com percentuais intermediários de falha recebem a cor amarela; e componentes com baixos percentuais de falha, considerados fortes, recebem a cor verde. O critério de criticidade escolhido pelo usuário pode ser: percentual de falhas, MTTF, t 10, t 50 ou t 90. O RelySys permite também a visualização simultânea dos gráficos das Funções de Confiabilidade para todos os componentes do sistema que possuam distribuição ajustada para seus respectivos dados. Os gráficos são apresentados na mesma escala, facilitando a visualização do comportamento de cada componente ao longo do tempo. Comparando os
4 comportamentos dos componentes o usuário pode ter uma melhor percepção da influência de cada parte no comportamento da confiabilidade do sistema. Deste modo, tem à mão uma ferramenta que lhe auxilia a priorizar esforços no sentido de melhorar a confiabilidade de seus produtos. 3. LIMITAÇÕES DO RELYSYS Na versão aqui apresentada, o software trata apenas do caso de sistemas em série. No entanto, este foi planejado de modo a facilitar a inclusão de rotinas de análise de para outras configurações de sistemas, tais como sistemas em paralelo, mistos ou complexos. O software requer o ajuste de modelos teóricos para cada componente. Todas as análises para o sistema são realizadas com base em tais modelos. Modelos inadequados, quer por má escolha do usuário quer por insuficiência de base estatística nas amostras, tenderão a gerar análises equivocadas para o sistema. Há uma extensa lista de distribuições que poderiam ser utilizadas para a modelagem das funções de Confiabilidade. No entanto, devido a restrições principalmente de tempo, optou-se pela implementação apenas das distribuições consideradas mais importantes, de acordo com a freqüência de utilização em situações práticas no meio industrial. 4. ESTUDO DE CASO: ANÁLISE DE FALHAS DE MOTORES A COMBUSTÃO O presente estudo de caso tem por objetivo a descrição da confiabilidade de motores a combustão que foram testados em condições reais de operação, no laboratório de confiabilidade de uma empresa deste ramo. Os dados foram modificados, de modo a garantir sua confidencialidade. Subsistemas n Combustível Carcaça Cilindro Silenciador Ignição Arranque Outros Motor 1 300,0 + 17,3 199,1 65,1 112,9 300, ,0 + 17,3 2 90,2 108,1 135,3 221,0 300, , ,0 + 90, ,1 71,6 69,3 300, ,7 112,0 300,0 + 69, ,7 201,3 83,1 127,0 278,5 18,0 300,0 + 18, ,0 + 99,2 295,0 294,0 185,4 300, ,0 + 99, , ,5 48,1 300, , , ,0 + 48,1 7 63,2 174,0 300, , , ,4 300,0 + 63, , ,0 142,3 194,0 85,5 59,2 300,0 + 59, ,5 132,5 130,1 300, ,7 135,0 300, , , ,7 67,3 300, , ,9 300,0 + 67, ,3 258,8 159,6 300, ,7 300,0 + 83,4 83, ,9 44,0 50,7 248,8 124,9 6,1 300,0 + 6, , ,2 300,0 + 52,7 151,1 237,1 300,0 + 52, ,7 68,6 252,4 300, ,3 20,1 300,0 + 20, ,3 151,4 170,2 143,7 198,4 20,4 300,0 + 20, ,4 300,0 + 48,1 300, ,8 300, ,0 + 48, ,4 214,9 97,7 58,1 66,0 82,2 300,0 + 58, ,5 92,3 166,3 181,4 201,9 9,9 300,0 + 9, ,6 300, ,1 300, ,0 + 84,8 300,0 + 84, ,8 201,7 143,9 300, ,6 300, , ,6 Tabela 1: Resultados do teste de vida de motores de combustão.
5 O experimento foi realizado sobre uma amostra de vinte motores, em condições normais de operação, e simulando-se a carga de trabalho estimada para condições de campo. Os motores foram considerados como sistemas em série, compostos por 6 subsistemas principais: Combustível, Carcaça, Cilindro, Silenciador, Ignição e Arranque. A duração dos testes foi fixada em 300 horas contínuas, durante as quais foram monitorados os tempos de operação de cada subsistema. Subsistemas com duração medida de 300 horas contínuas foram retirados do teste (censura Tipo I). Subsistemas falhados tiveram sua duração registrada e foram substituídos por novos, de modo a continuar o teste para os demais subsistemas. Os dados acima apresentados foram analisados de forma semelhante à descrita no estudo anterior. As principais estatísticas descritivas obtidas a partir dos dados foram: Subsistema MTTF Tempo Mediano Mínimo Máximo Desvio Padrão Combustível 189,4 199,6 63,20 297,3 74,52 Carcaça 136,1 132,5 17,30 258,8 64,15 Cilindro 136,8 135,3 48,10 295,0 71,28 Silenciador 158,6 143,7 52,70 294,0 83,94 Ignição 173,8 179,8 66,00 282,7 68,13 Arranque 83,01 82,20 6, ,1 70,39 Tabela 2: Estatísticas descritivas calculadas para os dados de falha dos subsistemas em estudo. Dentre os modelos estimados pelo RelySys para cada subsistema, foram escolhidos os julgados de maior aderência pelos testes χ 2 e de Kolmogorov-Smirnov. A título de ilustração, os valores do teste de Kolmogorov-Smirnov são apresentados a seguir: Subsistema Modelo Parâmetros Teste de Kolmogorov-Smirnov Combustível Carcaça Cilindro Silenciador Ignição Arranque Uniforme Normal Normal l = 54,84 r = 326,1 µ = 147,8 σ = 78,33 µ = 141,0 σ = 92,89 Exponencial l = 35,04 λ = 0, Uniforme Weibull l = 58,25 r = 288,9 l = 0,0000 γ = 1,120 θ = 207,5 Estatística DN: Probabilidade: Estatística DN: Probabilidade: 913 Estatística DN: Probabilidade: Estatística DN: Probabilidade: 056 Estatística DN: 377 Probabilidade: Estatística DN: Probabilidade: 027 Papel de Probabilidade Uniforme, LogNormal ou Weibull Normal, Uniforme ou Weibull Normal, Uniforme ou LogNormal Uniforme, Normal ou Exponencial Todos Weibull, Exponencial ou LogNormal Tabela 3: Modelagem da Confiabilidade dos subsistemas a partir dos dados de teste. A referência todos envolve os modelos disponíveis no software.
6 Os modelos ajustados foram, então, analisados, obtendo-se as estatísticas que aparecem na tabela 4. Subsistema MTTF Mínimo t 10 T 50 Desvio Padrão Combustível 217,9 54,84 87,45 217,9 94,13 Carcaça 147,8 0,000 58,30 150,7 78,33 Cilindro 141,0 0,000 47,88 148,5 92,89 Silenciador 388,2 35,04 72,25 279,9 353,2 Ignição 202,7 58,25 87,15 202,7 83,41 Arranque 199,1 0,000 27,80 149,6 178,2 Tabela 4: Estatísticas descritivas dos dados de vida dos subsistemas, calculados a partir dos modelos ajustados pelo RelySys. Para a análise do sistema, realizou-se primeiramente uma análise comparativa da confiabilidade dos componentes do motor. Os resultados são apresentados a seguir: Combustível Carcaça Cilindro Silenciador Ignição Arranque Figura 2: Funções Confiabilidade ajustadas para os componentes do sistema em estudo. A análise dos gráficos permitiu constatar a maior criticidade do Cilindro e da Carcaça em relação ao percentual de falhas do sistema. Os gráficos de confiabilidade dos componentes confirmaram um maior desgaste destes componentes nos tempos iniciais.
7 Criticity by Fails at Time:2.6E+2 Ciclos 25 21,679 21,458 % of Fails ,315 15,743 14,186 10, Cilindro Carcata Arranque Ignitpo Combustfvel Silenciador RED: fails > 33% - YELLOW: fails > 17% - GREEN: fails < Figura 3: Gráfico de Pareto apresentando o percentual de falhas de cada componente em relação ao total de falhas do motor em estudo. A seguir, foram gerados dados de falha para a análise da confiabilidade do sistema. Essa é uma importante ferramenta que o software possui, ou seja, uma vez que são conhecidos os modelos para todos os componentes, o software pode gerar, analiticamente, dados de falha para o sistema. A análise realizada sobre esses dados demonstrou a existência de uma distribuição bimodal. Como conseqüência, abandonou-se a tentativa de ajustar uma distribuição unimodal para o sistema. Em vez disso, aproveitando as facilidades do software, todas as inferências relativas ao sistema foram feitas diretamente sobre os dados gerados. (Nota: a distribuição unimodal que melhor se ajustou aos dados do sistema foi a distribuição normal truncada, mas mesmo esta apresentava indicações de falta de ajuste, conforme pode ser visto na Figura 4). Figura 4: Densidades de probabilidade dos dados gerados pelo RelySys e do modelo Normal truncado ajustado ao sistema. Nesse experimento, ao contrário do que em geral acontece, também estavam disponíveis os tempos de falha medidos em laboratório para os motores, ou seja, para o sistema completo. Assim, pôde-se avaliar a qualidade dos resultados fornecidos pelo RelySys. As análises realizadas sobre os dados de falha dos motores, novamente revelaram
8 uma distribuição bimodal para os tempos até a falha. A comparação de alguns resultados gerados pelo RelySys e obtidos diretamente sobre os dados disponíveis para o sistema aparecem na Tabela 5. MTTF t 10 t 50 Desvio Padrão Dados de Teste 56,93 13,60 58,10 33,63 Dados Gerados pelo RelySys 68,15 16,63 64,47 41,33 Tabela 5: Estatísticas descritivas calculadas a partir: dos dados de falha dos motores; dos dados de falha gerados pelo RelySys. 5. CONCLUSÕES A tabela 5 evidencia que os dados gerados pelo RelySys podem descrever adequadamente o comportamento dos tempos até a falha do sistema. Considerando o tamanho da amostra utilizado, as diferenças observadas não foram grandes, podendo-se considerar as estimativas como satisfatórias para representação das falhas dos motores. Observe-se ainda que, ao se ajustarem modelos para os componentes, o erro experimental é tratado de forma adequada (o ruído presente na amostra é filtrado pelos modelos), e provavelmente os modelos obtidos são representativos da realidade. Assim, os dados gerados para o sistema pelo RelySys (que considera os modelos obtidos para todos os componentes), na verdade, trazem uma informação mais completa e mais precisa do que os poucos dados obtidos diretamente sobre o sistema. Vale ressaltar novamente uma das vantagens do RelySys: a possibilidade de gerar e analisar dados para o sistema, sem a necessidade de ajustar um modelo específico. Essa vantagem foi fundamental para a análise deste estudo de caso em questão, onde os tempos até a falha do sistema obedeciam uma distribuição bimodal. Enfim, é importante que se leve em conta, para a compreensão dos resultados aqui apresentados, a importância de se obter, a custos mais baixos, estimativas adequadas da confiabilidade de um sistema. Isso porque, em geral, como já comentado ao longo deste trabalho, os dados de falha de um sistema não se encontrarão disponíveis em quantidade suficiente para a análise direta. AGRADECIMENTOS À FAPERGS Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul - pelo apoio fornecido para a realização das pesquisas. BIBLIOGRAFIA Elsayed, E.A. - Reliability Engineering. Addison Wesley, Reading Massachusetts, Fritsch, C. - Modelos de confiabilidade para de testes de sobrevida. Dissertação de mestrado, PPGEP/UFRGS, junho Ribeiro, J.L. - Confiabilidade de Sistemas. Caderno Técnico, Programa de Pós graduação em Engenharia de Produção, UFRGS. Porto Alegre, RS, abril Vaccaro, G.L.R. - Modelagem e análise da confiabilidade de sistemas. Dissertação de mestrado, PPGEP/UFRGS, junho 1997.
PROCONF: UM SOFTWARE ORIENTADO PARA ANÁLISES DE CONFIABILIDADE
PROCONF: UM SOFTWARE ORIENTADO PARA ANÁLISES DE CONFIABILIDADE Celso Fritsch Programa de Pós-Graduação em Engenharia de Produção - UFRGS Praça Argentina, No. 9. Porto Alegre - RS. 90040-020 José Luis Duarte
Leia maisColeta e Modelagem dos Dados de Entrada
Slide 1 Módulo 02 Coleta e Modelagem dos Dados de Entrada Prof. Afonso C. Medina Prof. Leonardo Chwif Três Etapas Coleta Tratamento Inferência Coleta dos Dados 1. Escolha adequada da variável de estudo
Leia maisColeta e Modelagem dos Dados de Entrada
Coleta e Modelagem dos Dados de Entrada Capítulo 2 Páginas 24-52 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas.
Leia maisIdentificação da Distribuição Teórica de Probabilidades
Identificação da Distribuição Teórica de Probabilidades A utilização de gráficos, tais como um histograma, são muito úteis para a identificação ou delineamento da distribuição teórica de probabilidades.
Leia maisReferência Banco de dados FioCruz Doc LAB1_GEO.doc. Autor Eduardo C. G. Camargo Versão 1.0 Data DEZ / Revisão Versão Data
Ministério da Ciência e Tecnologia Instituto Nacional de Pesquisas Espaciais Análise Espacial de Dados Geográficos Laboratório Módulo: Geoestatística Linear Referência Banco de dados FioCruz Doc LAB_GEO.doc
Leia maisMODELAGEM E ANÁLISE DA CONFIABILIDADE DE SISTEMAS
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO MODELAGEM E ANÁLISE DA CONFIABILIDADE DE SISTEMAS Guilherme Luís Roëhe Vaccaro Dissertação
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de Setembro a 01 de Outubro
COMPARAÇÃO DOS MÉTODOS DE VERIFICAÇÃO DO AJUSTE DA DISTRIBUIÇÃO GUMBEL A DADOS EXTREMOS CARLOS JOSÉ DOS REIS 1, LUIZ ALBERTO BEIJO 2,GILBERTO RODRIGUES LISKA 3 RESUMO A distribuição Gumbel é muito aplicada
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisANÁLISE DE SOBREVIVÊNCIA 2ª LISTA DE EXERCÍCIOS
ANÁLISE DE SOBREVIVÊNCIA 2ª LISTA DE EXERCÍCIOS 1. A tabela a seguir apresenta o tempo, em dias, até a ocorrência dos primeiros sinais de alterações indesejadas no estado geral de saúde de 45 pacientes
Leia maisMODELAGEM E ESCOLHA ENTRE EMBALAGENS USANDO TÉCNICAS DE CONFIABILIDADE E ANÁLISE DE
Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 MODELAGEM E ESCOLHA ENTRE EMBALAGENS USANDO TÉCNICAS DE CONFIABILIDADE E ANÁLISE DE
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisAnálise das Funções Weibull, Normal e Sb Johnson na modelagem da distribuição diamétrica de Eucalyptus urophylla na Região de Brasília- DF.
Universidade de Brasília Faculdade de Tecnologia Departamento de Engenharia Florestal Análise das Funções Weibull, Normal e Sb Johnson na modelagem da distribuição diamétrica de Eucalyptus urophylla na
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisExcel INTERMEDIÁRIO Estatística. Prof. Cassiano Isler Turma 3
Excel INTERMEDIÁRIO Prof. Cassiano Isler 2017.1 - Turma 3 s s Prof. Cassiano Isler Excel INTERMEDIÁRIO - Aula 4 2 / 29 s COSTA NETO, P. L. O.. 2. ed. São Paulo: Edgard Blücher (2002). GÓMEZ, Luis Alberto.
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia mais5 Resultados Dados artificiais Convergência à mediana e à média com dados artificiais
5 Resultados Os resultados da aplicação do método proposto estão estruturados de forma a evidenciar: 1. A convergência numérica do algoritmo proposto nesta tese para a mediana e para a média de grupos
Leia maisIFSC/Florianópolis - CTI - Projeto de Sistemas - prof. Herval Daminelli
MODELAGEM DE SOFTWARE Sistemas de média e grande complexidade necessitam de uma metodologia destinada a facilitar o seu desenvolvimento; Esta metodologia corresponde a uma visão, uma abstração do sistema
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS. Confiabilidade Lista 4. Professor: Enrico Colosimo Aluno: Augusto Filho Belo Horizonte - MG
UNIVERSIDADE FEDERAL DE MINAS GERAIS ESPECIALIZAÇÃO EM ESTATÍSTICA Confiabilidade Lista 4 Professor: Enrico Colosimo Belo Horizonte - MG 2 Exercício 1. Os dados abaixo foram apresentados por Nelson & Schmee
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
Leia maisIntrodução à probabilidade e à estatística II. Prof. Alexandre G Patriota Sala: 298A Site:
Introdução à probabilidade e à estatística II Revisão Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Estatística Estatística: É uma ciência que se dedica
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisEstatística Não Paramétrica. Como construir testes de aderência
Estatística Não Paramétrica Como construir testes de aderência Teste Qui-quadrado Suposições amostra aleatória Dados nominais (sexo: M ou F) ou numéricos (idade: menor que 15, 15-24, 25-34, 35-44, 45-54,
Leia maisRESULTADOS OBTIDOS CAPÍTULO
MELCONIAN, Marcos Vinícius. "Resultados Obtidos", p.103-108. In MELCONIAN, Marcos Vinicius. Modelagem numérica e computacional com similitude e elementos finitos, São Paulo: Editora Edgard Blücher, 2014.
Leia mais2 Modelos de sintetização de séries temporais de atenuação por chuva
2 Modelos de sintetização de séries temporais de atenuação por chuva Alguns modelos estocásticos de sintetização de séries temporais de atenuação por chuva são baseados no modelo proposto por Maseng &
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Leia maisDISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA RESUMO
APLICAÇÕES DE DISTRIBUIÇÕES DISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA Danielle Peralta 1, Josmar Mazucheli 1, Isabelle Picada Emanuelli 2 e Robson Marcelo Rossi 1 1 Departamento de Estatística,
Leia maisAnálise de Dados de Falha de um Transmissor de Fibra Óptica
Pág. 259 a 266 DOI: http://dx.doi.org/10.15536/thema.14.2017.259-266.546 ENGENHARIAS Análise de Dados de Falha de um Transmissor de Fibra Óptica Fault Data Analysis of a Fiber Optic Transmitter Evaldo
Leia maisPROBABILIDADE E ESTATÍSTICA EM HIDROLOGIA
Introdução 1 PROBABILIDADE E ESTATÍSTICA EM HIDROLOGIA Fenômeno - MODELO MATEMÁTICO Q = L.H 3/2 F= γ.h.a Ênfase: forma da expressão relação entre : L e H Q γ, h e A F Aula 1 Introdução 2 HIDROLOGIA " É
Leia maisAnálise da variação espacial do teor de argila sobre a Fazenda Canchim.
SER - 300 - INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório 5 Geoestatística Linear Análise da variação espacial do teor de argila sobre a Fazenda Canchim. Professor(es) coordenador(es): Dr. Antonio Miguel
Leia maisLaboratório 5 Analise Espacial de Dados Geográficos Geoestatística Linear
0 INPE-SER-300- Introdução ao Geoprocessamento Dr. Antônio Miguel Vieira Monteiro e Dr. Claudio Barbosa Laboratório 5 Analise Espacial de Dados Geográficos Geoestatística Linear Thamy Barbara Gioia INPE
Leia maisS I M U L A Ç Ã O 84
S I M U L A Ç Ã O 84 - 1 - Elabore uma rotina que lhe permita gerar números pseudo-aleatórios (NPA) com distribuição X ( f X ( x ) representa a função de densidade de probabilidade de X e F X ( x ) representa
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É
Leia maisModelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15
Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15 1 Introdução Na indústria moderna há uma contínua busca da otimização dos níveis de produção e da melhoria da qualidade
Leia maisESTUDO DA CONFIABILIDADE DE EQUIPAMENTO ELÉTRICO-ELETRÔNICO COM TEMPO CENSURADO
ESTUDO DA CONFIABILIDADE DE EQUIPAMENTO ELÉTRICO-ELETRÔNICO COM TEMPO CENSURADO Josiane Roberta dos Santos Silva (UFOP) josi.roberta81@gmail.com Luciana Aparecida Dutra de Souza (UFOP) luciana24dutra@yahoo.com.br
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 mais7 Desempenho dos Algoritmos de uma Classe de Usuários em Relação à Distribuição que Representa o Tempo de Permanência do Usuário na Célula
7 Desempenho dos Algoritmos de uma Classe de Usuários em Relação à Distribuição que Representa o Tempo de Permanência do Usuário na Célula Neste capítulo os sete algoritmos de controle de admissão propostos
Leia maisSimulação e Modelagem
Simulação e Modelagem Prof. Afonso C Medina Prof. Leonardo Chwif Versão. 6//6 Introdução Definição A Simulação como ferramenta de suporte à decisão Quando utilizar a Teoria das Filas ou a Simulação? O
Leia maisEstatística
Estatística 1 2016.2 Sumário Capítulo 1 Conceitos Básicos... 3 MEDIDAS DE POSIÇÃO... 3 MEDIDAS DE DISPERSÃO... 5 EXERCÍCIOS CAPÍTULO 1... 8 Capítulo 2 Outliers e Padronização... 12 VALOR PADRONIZADO (Z)...
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia maisMODELAGEM DOS DADOS DE FALHAS DE UM PASTEURIZADOR DE GARRAFAS DE CERVEJA FAILURE MODELING OF A BEER BOTTLE PASTEURIZER
MODELAGEM DOS DADOS DE FALHAS DE UM PASTEURIZADOR DE GARRAFAS DE CERVEJA Mariane Olivier Brandão(Universidade Federal dos Vales do Jequitinhonha e Mucuri) mariane_olivier@hotmail.com Paulo César de Resende
Leia maisSME o semestre de Prof. Cibele Russo
SME0122 Introdução à Inferência Estatística 2 o semestre de 2011 Prof. Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/ cibele Sala 3-162, ramal 6618 Aulas: Quartas e sextas-feiras das 8h10 às 9h50
Leia maisMODELO DE DECISÃO PARA ESCOLHA DE PORTFOLIO DE INVESTIMENTOS
MODELO DE DECISÃO PARA ESCOLHA DE PORTFOLIO DE INVESTIMENTOS Rodrigo José Pires Ferreira UFPE Cx. Postal 7462, Recife PE, 50.630-970 rodrigo@ufpe.br Adiel Teixeira de Almeida Filho UFPE Cx. Postal 7462,
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisConfiabilidade de Sistemas Operacionais
Confiabilidade de Sistemas Operacionais de Propósito Geral: Um Estudo de Caso Marcela Prince Rivalino Matias Faculdade de Computação Universidade Federal de Uberlândia Uberlândia MG, Brasil 1/47 AGENDA
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE ENGENHARIA DE PRODUÇAO E SISTEMAS
UIVERSIDADE FEDERAL DE SATA CATARIA DEPARTAMETO DE EGEHARIA DE PRODUÇAO E SISTEMAS EPS 5102 ITRODUÇÃO À PESQUISA OPERACIOAL TRABALHO GABARITO PROF. SÉRGIO MAYERLE 1. AÁLISE DA DEMADA (COSUMO DIÁRIO) Sejam
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisModelos: Verificação, Validação e Experimentação
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO Modelos: Verificação, Validação e Experimentação Prof. Luís César da Silva (UFES/CCA) ESA 01 Engenharia de Sistemas Modelos Validados e Confiáveis Fundamentos: (Naylor
Leia maisESTUDO DE CONFIABILIDADE DE MOTORES DIESEL DE CAMINHÕES FORA DE ESTRADA
ESTUDO DE CONFIABILIDADE DE MOTORES DIESEL DE CAMINHÕES FORA DE ESTRADA Adriano Gonçalves dos Santos Ribeiro 1 Gean Carlo Feliciano de Almeida 1 1 Introdução Uma grande empresa do ramo de exploração de
Leia maisESTATÍSTICA: UMA RÁPIDA ABORDAGEM Prof. David B.
ESTATÍSTICA: UMA RÁPIDA ABORDAGEM Prof. David B. I - ESTATÍSTICA DESCRITIVA Vamos partir do pressuposto que nosso trabalho de pesquisa se voltará para realizar uma Simulação de eventos discretos. Para
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisEstatísticas Descritivas. Estatística
Estatística Estatísticas descritivas: usadas para mostrar/descrever algumas informações da amostra, ou seja, servem para fazer um resumo ou descrição dos dados. Não consideram a origem dos dados. Exemplos:
Leia mais4 Determinação Experimental das Propriedades Estatísticas das Fibras de Carbono
4 Determinação Experimental das Propriedades Estatísticas das Fibras de Carbono As propriedades dos compósitos de fibras de carbono mais importantes a determinar no caso do reforço à flexão e à força cortante
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisTópicos Especiais em Qualidade
Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando
Leia maisHydroExpert. Manual de criação de tendências em planilhas. HydroByte Software
HydroExpert Manual de criação de tendências em planilhas HydroByte Software Agosto 2015 HydroByte Software www.hydrobyte.com.br Manual da representação matemática e computacional do recurso de criação
Leia maisMODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS
MODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS 1 Diversas distribuições podem ser consideradas para a modelagem de dados positivos com distribuição contínua e assimétrica, como, por exemplo, as
Leia mais6 Exemplos ilustrativos
6 Exemplos ilustrativos Neste capítulo, serão utilizados exemplos contidos na bibliografia pesquisada para que seja possível ilustrar os métodos citados no capítulo anterior. No entanto, os exemplos, em
Leia maisModelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás
Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás 1. Introdução Marcos Henrique de Carvalho 1 Gabriel Alves da Costa Lima 2 Antonio Elias Junior 3 Sergio Rodrigues
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia mais3. MODELOS MATEMÁTICOS PARA FORÇAS DE CONTATO E DE REMOÇÃO
3. MODELOS MATEMÁTICOS PARA FORÇAS DE CONTATO E DE REMOÇÃO Conforme mencionado na revisão bibliográfica, pesquisadores da PUC-Rio desenvolveram alguns modelos simplificados para previsão das forças de
Leia maisEstudo sobre estratégia Long-Short entre USIM5 e CSNA3, realizado em 08/02/2012
Estudo sobre estratégia Long-Short entre USIM5 e CSNA3, realizado em 8/2/212 por Luiz F. Rogé Ferreira - para o site InvestCerto. Objetivo: avaliar a possibilidade de fazer uma estratégia long-short, com
Leia maisOTIMIZAÇÃO DE UMA FORMULAÇÃO COM O EMPREGO DE PROJETOS DE EXPERIMENTOS
OTIMIZAÇÃO DE UMA FORMULAÇÃO COM O EMPREGO DE PROJETOS DE EXPERIMENTOS Giovana Savitri Pasa, M.Sc. PPGEP/UFRGS - e-mail: cerepbr@vortex.ufrgs.br Praça Argentina, 9 - Sala LOPP - Porto Alegre - RS - 90.040-020
Leia maisA distribuição Weibull Exponencial de Zografos
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. A distribuição Weibull Eponencial de Zografos Patrícia Silva N. Barros, PPGBEA - UFRPE / DCE - UFPB E-mail: patriciajp1408@hotmail.com Kleber Napoleão
Leia maisGestão da Confiabilidade de Usinas Hidrelétricas Aplicando Algoritmo de Reamostragem de Dados
Gestão da Confiabilidade de Usinas Hidrelétricas Aplicando Algoritmo de Reamostragem de Dados Jorge Coelho 1,2, Fabrício Bernardelli 1, Celso de Brasil 2, Augusto C. Gregatti 3 (1) Dep. de Ingeniería Eléctrica,
Leia maisCoeficiente de Assimetria
Coeficiente de Assimetria Rinaldo Artes Insper Nesta etapa do curso estudaremos medidas associadas à forma de uma distribuição de dados, em particular, os coeficientes de assimetria e curtose. Tais medidas
Leia maisCOMPORTAMENTO ASSITÓTICO DE ESTIMADORES DE MÁXIMA VEROSSIMILHANÇA
COMPORTAMENTO ASSITÓTICO DE ESTIMADORES DE MÁXIMA VEROSSIMILHANÇA Felipe Matheus Gonçalves Costa (1); Divanilda Maia Esteves (2) 1 Universidade Estadual da Paraíba; felipematheusem@hotmail.com.br 2 Universidade
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 maisCE-003: Estatística II - Turma: AMB, Avaliações Semanais 1 o semestre/2012
CE-003: Estatística II - Turma: AMB, Avaliações Semanais 1 o semestre/2012 1. Foram feitas medições dos teores de um poluente em duas regiões (A e B), representadas nos gráficos da figura a seguir. (a)
Leia maisTutorial para o desenvolvimento das Oficinas
Tutorial para o desenvolvimento das Oficinas 1 Métodos Quantitativos Profa. Msc. Regina Albanese Pose 2 Objetivos Objetivo Geral Este tutorial tem como objetivo parametrizar o desenvolvimento da oficina
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisO Processo de Weibull Poisson para Modelagem da Confiabilidade em Sistemas Reparáveis
O Processo de Weibull Poisson para Modelagem da Confiabilidade em Sistemas Reparáveis Luiz Gustavo Fraga 1 Edmilson Rodrigues Pinto 2 Resumo: Sistemas reparáveis são aqueles sistemas que, após a ocorrência
Leia mais6 Geração de Cenários
6 Geração de Cenários O planejamento do setor elétrico para operações hidrotérmicas de longo prazo de cada subsistema, atualmente, está fundamentado na avaliação dos resultados da simulação de diversos
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Populações, Amostras e Distribuições População Amostra
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Modelagem paramétrica Valeska Andreozzi 1 valeska.andreozzi@fc.ul.pt & Marilia Sá Carvalho 2 cavalho@fiocruz.br 1 Centro de Estatística e Aplicações da Universidade de Lisboa,
Leia maisINTRODUÇÃO À ESTATÍSTICA
INTRODUÇÃO À ESTATÍSTICA A Estatística refere-se às técnicas pelas quais os dados são "coletados", "organizados","apresentados" "apresentados" e"analisados" "analisados". Pode-se dividir a ciência Estatística
Leia maisBioestatística UNESP. Prof. Dr. Carlos Roberto Padovani Prof. Titular de Bioestatística IB-UNESP/Botucatu-SP
Bioestatística UNESP Prof. Dr. Carlos Roberto Padovani Prof. Titular de Bioestatística IB-UNESP/Botucatu-SP Perguntas iniciais para reflexão I - O que é Estatística? II - Com que tipo de informação (dados)
Leia maisComparação entre intervalos de confiança calculados com métodos bootstrap e intervalos assintóticos
Comparação entre intervalos de confiança calculados com métodos strap e intervalos assintóticos Selene Loibel Depto. de Estatística, Matemática Aplicada e Computação, IGCE, UNESP, Rio Claro, SP E-mail:sloibel@rc.unesp.br,
Leia maisMODELAGEM DO CÁLCULO ESTRUTURAL DE VIGAS UTILIZANDO O SOFTWARE MICROSOFT EXCEL 2007
MODELAGEM DO CÁLCULO ESTRUTURAL DE VIGAS UTILIZANDO O SOFTWARE MICROSOFT EXCEL 2007 NEUENFELD, Miqueias 1 ; PINHO, Bruno Ruas de 1 ; TORRES, Ariela da Silva 2 1 Universidade Católica de Pelotas, Curso
Leia maisEstatística Aplicada Professor: André Luiz Araújo Cunha. Moda. Media
Estatística Aplicada Professor: André Luiz Araújo Cunha Moda Define-se moda como sendo: o valor que surge com mais freqüência se os dados são discretos, ou, o intervalo de classe com maior freqüência se
Leia maisFERRAMENTA DIDÁTICA PARA O ENSINO DO DESENVOLVIMENTO ÓSSEO UTILIZANDO TÉCNICAS DE REALIDADE VIRTUAL
FERRAMENTA DIDÁTICA PARA O ENSINO DO DESENVOLVIMENTO ÓSSEO UTILIZANDO TÉCNICAS DE REALIDADE VIRTUAL LIMA, Izabela HERMOSILLA, Lígia Docente da Faculdade de Ciências Jurídicas e Gerenciais FAEG - Rua das
Leia maisSECAM - Uma Ferramenta Para Avaliação do Desempenho da Manutenção Heldemarcio L. Ferreira. José L. P. Dantas Juliana de C. M.
06 a 10 de Outubro de 2008 Olinda - PE SECAM - Uma Ferramenta Para Avaliação do Desempenho da Manutenção Heldemarcio L. Ferreira José L. P. Dantas Juliana de C. M. Santana Prof. Ana Paula C. S. Costa CELPE
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia maisProf. Dr. Engenharia Ambiental, UNESP
INTRODUÇÃO A ESTATÍSTICA ESPACIAL Análise Exploratória dos Dados Estatística Descritiva Univariada Roberto Wagner Lourenço Roberto Wagner Lourenço Prof. Dr. Engenharia Ambiental, UNESP Estrutura da Apresentação
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 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 maisMonte Carlo Method. Peter Frank Perroni. December 1, Monte Carlo Simulation
Monte Carlo Simulation December 1, 2015 Histórico Técnica muito antiga porém somente recentemente oficializado como método estatístico. Foi muito importante nas simulações da bomba desenvolvida no Projeto
Leia maisCaso Torre de arrefecimento
Caso Torre de arrefecimento Uma central de produção de energia eléctrica possui várias torres de arrefecimento da água que circula os condensadores de vapor dos vários grupos. Cada torre possui 8 células
Leia maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia mais5 TORIA ELEMENTAR DA AMOSTRAGEM
5 TORIA ELEMENTAR DA AMOSTRAGEM É errôneo pensar que, caso tivéssemos acesso a todos os elementos da população, seríamos mais precisos. Os erros de coleta e manuseio de um grande número de dados são maiores
Leia mais5 Avaliação dos estimadores propostos
5 valiação dos estimadores propostos Este capítulo apresenta as medidas estatísticas usuais para avaliar a qualidade de estimadores e as expressões utilizadas para a estimação destas medidas, a partir
Leia maisAnálise da distribuição da velocidade dos ventos em Piracicaba/SP
Análise da distribuição da velocidade dos ventos em Piracicaba/SP Lêda Valéria Ramos Santana Prof. Dra. Cláudia Helena Dezotti Prof. Dra. Tatijana Stosic Evelyn Souza Chagas Hérica Santos da Silva Introdução
Leia mais