ANTONIO FERNANDO BRANCO COSTA GRÁFICOS DE CONTROLE DE SHEWHART: DUAS DÉCADAS DE PESQUISA

Tamanho: px
Começar a partir da página:

Download "ANTONIO FERNANDO BRANCO COSTA GRÁFICOS DE CONTROLE DE SHEWHART: DUAS DÉCADAS DE PESQUISA"

Transcrição

1 ANTONIO FERNANDO BRANCO COSTA GRÁFICOS DE CONTROLE DE SHEWHART: DUAS DÉCADAS DE PESQUISA Ts d Lvr-Docêca arstada à Faculdad d Eghara do Camus d Guaratgutá, Uvrsdad Estadual Paulsta, ara a obtção do título d lvrdoct m Eghara da Qualdad. Guaratgutá 7

2 DADOS CURRICULARES ANTONIO FERNANDO BRANCO COSTA NASCIMENTO FILIAÇÃO SÃO PAULO / SP Graldo José Barbosa Costa Magóla Braco Costa 975/979 Curso d Graduação FEG - UNESP 98/983 Mstrado ITA 984/989 Doutorado UNICAMP 995/996 Pós Doutorado Wscos Uvrsty Ctr for Qualty ad Productvty Imrovmt

3 DEDICATÓRIA aos mus ortadors d mstrado doutorado, rsctvamt Profssors Paulo Rato d Moras Sbastão d Amorm

4 AGRADECIMENTOS A FUNDUNESP, FAPESP, CAPES, ao CNPq. Aos mus co-autors Profssors Abdur Rahm, Maysa Sacramto D Magalhãs, Eugo Kah Ercht, Luz César Rbro Cartt, aos mus ortados Marcla Aarcda Gurrro Machado Frado Atoo Elas Claro.

5 COSTA, A. F. B. Gráfcos d Shwhart: Duas Décadas d Psqusa f. Ts d Lvr-docêca m Eghara da Qualdad Faculdad d Eghara do Camus d Guaratgutá, Uvrsdad Estadual Paulsta, Guaratgutá, 7. RESUMO Esta ts arsta, d forma comacta, os trabalhos mas mortats do autor, qu são frutos d uma squsa d vt aos sobr gráfcos d Shwhart. O autor studou os modlos qu dscrvm o to o stat d ocorrêca das causas scas, roôs ovos squmas d amostrags statístcas d motoramto. Mas rctmt, vm avalado a caacdad dos gráfcos d cotrol m salzar causas scas quado as obsrvaçõs são autocorrlacoadas roodo ovas statístcas ara o motoramto d rocssos mutvarados. PALAVRAS-CHAVE: Gráfco d Shwhart, squmas d amostrags, statístcas d motoramto, dados autocorrlacoados, rocssos multvarados

6 COSTA, A. F. B. Shwhart Charts: Two Dcads of Rsarch 7. 63f. Ts d Lvr-docêca m Eghara da Qualdad Faculdad d Eghara do Camus d Guaratgutá, Uvrsdad Estadual Paulsta, Guaratgutá, 7. ABSTRACT I ths work, a collcto of th most mortat author s ublcatos s rstd. Thy ar th rsult of two dcads of rsarch th qualty cotrol fld. Th author studd th modls that dscrb th way ad th tm th rocss chag, roosd w samlg rocdurs ad w statstcs for motorg. Mor rctly, h s studyg th rformac of th cotrol chart wh th data ar autocorrlatd ad, fally, roosg w statstcs for motorg multvarat rocsss. KEY-WORDS: Shwhart charts, samlg schms, w statstcs for motorg, autocorrlatd data, multvarat rocsss

7 LISTA DE FIGURAS FIGURA. Gráfco d X - ocorrêca d um alarm falso...3 FIGURA. Gráfco d X - ocorrêca d um alarm vrdadro...5 FIGURA.3 Curvas d Pd vrsus δ...6 FIGURA.4 Curvas d NMA vrsus δ...7 FIGURA. Gráfco d cotrol d X com amostras d tamaho varávl...3 FIGURA. NMA do gráfco d X com amostra d tamaho fxo varávl...33 FIGURA.3 Gráfco d cotrol d com amostras d tamaho varávl...37 FIGURA.4 NMA do gráfco d, squmas FSS, VSS...4 FIGURA.5 Gráfco d X com duas scalas...5 FIGURA.6 TES do gráfco d Shwhart do gráfco V...53 FIGURA.7 TES do gráfco d c com arâmtros fxos varávs...6 FIGURA 5. Gráfco EWMA com valors d Y...97 FIGURA 5. Gráfco d cotrol BIDU...8 FIGURA 5. Gráfco d cotrol BITWO...9 FIGURA 5.3 Gráfco d cotrol SyBIDU... FIGURA 5.4 Gráfco d cotrol SyBITWO... FIGURA 5.5 Gráfco d cotrol SyBITWO do xmlo lustratvo...9 FIGURA 5.6 Gráfco d cotrol VMAX... FIGURA 5.7 Gráfco d cotrol VMAX com amostragm dula...5 FIGURA 5.8 Pça do xmlo lustratvo...8 FIGURA 5.9 Gráfco d cotrol VMAX com amostragm dula - xmlo...3 FIGURA 6. NMA do gráfco d X...33 FIGURA 6. Vsão gráfca do squma d amostragm dula...35 FIGURA 6.3 NMA do gráfco d X com amostragm dula...37 FIGURA 6.4 NMA do gráfco d X com amostras d tamaho varávl...38

8 LISTA DE TABELAS TABELA. Valors d P d ara dfrts combaçõs d d δ...6 TABELA. Ifluêca d o NMA do gráfco d X, squma VSS...34 TABELA. Parâmtros dos gráfcos d cotrol d...38 TABELA.3 NMA s dos gráfcos d com amostras d tamaho fxo varávl 39 TABELA.4 Os stados da cada d Markov...4 TABELA.5 TES s dos gráfco d X, squmas VSSI, VSI VSS, TABELA.6 TES s dos gráfco d X, squmas VSSI, VSI VSS, TABELA.7 Ifluêca dos valors d, h k o TES do Gráfco d V...54 TABELA.8 Estados da cada d Markov...55 TABELA.9 Esqumas adatatvos - otação...59 TABELA. Parâmtros do gráfco adatatvo d c...6 TABELA. TES ara os gráfcos d c da tabla...6 TABELA 3. Projto ótmo dos gráfcos d cotrol d X R...73 TABELA 3. Estados da cada d Markov...76 TABELA 3.3 Valors d c,, A A,V,V,d,d,, δ...8 TABELA 3.4 Projto ótmo d um gráfco d X com arâmtros fxos varávs...8 TABELA 4. Valors do NMA ara os gráfcos d X R ara o gráfco d χ ( )..85 TABELA 4. Valors do NMA ara os gráfcos d X R d EWMA (5)...88 TABELA 4.3 Valors do NMA ara os gráfcos d X R d EWMA Y EWMA A...9 TABELA 4.4 Parâmtros do gráfcos d X R, squmas V, VSS, VSI F...9 TABELA 4.5 Parâmtros do gráfco d W, squmas V, VSS, VSI F...9 TABELA 4.6 TMS dos gráfcos d X R d W com arâmtros fxos varávs...93 TABELA 4.7 Gráfco d W adatatvo: fluêca dos arâmtros d rojto o TES...95 TABELA 4.8 Valors d X j, W Y...97 TABELA 4.9 A fluêca dos arâmtros d rojto o NMA do gráfco d EWMA S.99 TABELA 4. NMA dos gráfcos d X S, MaxEWMA, EWMA S (5)... TABELA 5. Efto do arâmtro L os valors do NMA do gráfco SyBITWO...5

9 TABELA 5. Efto do o NMA dos gráfcos BITWO SyBITWO...6 TABELA 5.3 Valors do NMA dos gráfcos SyBITWO (L) T VSS, TABELA 5.4 Dados do xmlo lustratvo...8 TABELA 5.5 Valors do NMA do Gráfco d VMAX ( 5)... TABELA 5.6 Valors do NMA dos gráfcos d VMAX d S...3 TABELA 5.7 Valors d NMA dos gráfco d VMAX ( 4,, 8, ρ,5)...6 TABELA 5.8 NMA s dos gráfcos d VMAX d S com amostragm dula...6 TABELA 5.9 NMA s dos gráfcos d VMAX d S ( 4,, ρ,5)...7 TABELA 5. NMA s dos gráfcos d VMAX d S ( 4, 3, ρ,5)...8 TABELA 5. Dados ara o xmlo lustratvo...9 TABELA 5. Valors d S x, S y, S x, S y, VMAX VMAX...3

10 LISTA DE ABREVIATURAS E SIGLAS BIDU - Bvarado com amostragm dula BITWO - Bvarado com amostragm m dos stágos NA Númro d amostras até o sal NMA Númro médo d amostras até o sal SyBIDU - Bvarado com amostragm dula rgra scal d dcsão SyBITWO - Bvarado com amostragm m dos stágos com rgra scal d dcsão TS Tmo até o sal TES Tmo srado até o sal TEC Tmo srado d um cclo d rodução VMAX Corrsod ao maor valor das varâcas amostras, max{ S x, S y } VSS Amostras d tamaho varávl VSI Itrvalo tr amostrags varávl VSSI Amostras trvalo tr amostrags varávl V Amostras, trvalo tr amostrags abrtura dos lmts d cotrol varávl

11 LISTA DE SÍMBOLOS Os sguts símbolos foram utlzados or Costa (993) ara arstar su modlo coômco ara a obtção dos valors ótmos dos arâmtros dos gráfcos d cotrol d X R, vr sção 3.: μ valor alvo, ou valor m cotrol, da méda do rocsso; σ valor alvo, ou valor m cotrol, do dsvo adrão do rocsso; δ magtud do dslocamto da méda do rocsso, xrssa m udads do valor m cotrol do dsvo adrão σ ( δσ ); γ magtud do aumto do dsvo adrão, xrssa m udads do valor m cotrol do dsvo adrão σ ( γσ ); taxa horára d ocorrêca da causa scal qu altra a méda do rocsso; taxa horára d ocorrêca da causa scal qu altra a varabldad do rocsso; taxa horára d ocorrêca d causas scas ( + ); a custo fxo or amostragm; a custo varávl or amostragm; a 3 custo srado com a rocura a lmação das causas scas; ' a 3 custo com a arada dscssára do rocsso a busca d causas scas xstts; D tmo médo com a rocura d causas scas quado tas causas xstm; D tmo médo com a rocura subsqüt lmação d uma ou das duas causas scas; FD orctagm d ts ão coforms roduzdos quado o rocsso stá sto d causas scas; FD orctagm d ts ão coforms roduzdos quado a méda do rocsso stá fora do su valor alvo;

12 FD orctagm d ts ão coforms roduzdos quado a causa scal qu aumta a varabldad do rocsso stá rst; FD 3 orctagm d ts ão coforms roduzdos quado stão rsts as duas causa scas qu dslocam a méda do rocsso aumtam a varabldad; V lucro horáro quado todos os ts atdm as scfcaçõs, qu são stablcdas a 3,5σ d dstaca da dmsão omal; V lucro horáro quado o rocsso stá m cotrol, sto é, sto d causas scas; V lucro horáro quado a méda do rocsso stá fora d su valor alvo; V lucro horáro quado a causa scal qu aumta a varabldad do rocsso stá rst; V 3 lucro horáro quado stão rsts as duas causa scas qu dslocam a méda do rocsso aumtam a varabldad; tamaho da amostra; h trvalo d tmo tr amostrags; k fator d abrtura dos lmts d cotrol do gráfco d X ( CL X μ ± kσ / ); k fator d abrtura do lmt suror d cotrol do gráfco d R ( Φ () fução dstrbução ormal acumulada adrão; R amltud amostral; F W () fução dstrbução acumulada da varávl WR/σ; UCL R k σ ); α robabldad do rro do to I quado os gráfcos d cotrol d X R são utlzados m cojuto; odr cojuto dos gráfcos d X R quado a méda a varâca do rocsso stão fora d cotrol; odr cojuto dos gráfcos d X R quado aas a méda do rocsso stão dsajustada; odr cojuto dos gráfcos d X R quado aas a varâca do rocsso stão dsajustada;

13 q robabldad d qu dtro d um trvalo tmo tr amostrags tha sdo a méda do rocsso a s altrar, dado-qu o rocsso s dsajustou m algum stat d tmo dtro dst trvalo; q robabldad d qu dtro d um trvalo tmo tr amostrags tha sdo a varâca do rocsso a s altrar, dado-qu o rocsso s dsajustou m algum stat d tmo dtro dst trvalo; q 3 robabldad d qu, dtro d um trvalo tmo tr amostrags, méda varâca s altrm, dado-qu o rocsso s dsajustou m algum stat d tmo dtro dst trvalo; τ tmo médo tr a últma amostragm com o rocsso m cotrol o stat m qu l s dsajusta; τ tmo médo tr a últma amostragm com o rocsso sto da causa scal () o stat d sua ocorrêca,,; T X tmo médo m qu o rocsso rmac dsajustado com aas a méda fora d cotrol; T R tmo médo m qu o rocsso rmac dsajustado com aas o dsvo adrão fora d cotrol; T X tmo médo m qu o rocsso rmac dsajustado com a méda a varâca, fora d sus valors alvo; F custo horáro; V V V ; V V ; 3 V V3 ; V ' D a3 V V U + ; B / + h / τ ; B α x( h) /[ x( )]; h / + TX + TR TXR ; VD a3 B + W +

14 SUMÁRIO LISTA DE FIGURAS LISTA DE TABELAS LISTA DE ABREVIATURAS E SIGLAS LISTA DE SÍMBOLOS Itrodução...7 Gráfcos d Cotrol d Shwhart... Esqumas adatatvos duas...9. Esqumas adatatvos duas alcados ao tamaho das amostras Gráfco d cotrol d X Gráfco d cotrol d Esqumas adatatvos duas alcados ao tamaho das amostras trvalo tr rtrada d amostras Esqumas adatatvos duas alcados ao tamaho das amostras trvalo tr rtrada d amostras ao fator d abrtura dos lmts d cotrol Gráfco d cotrol d X Gráfco d cotrol d c Estudo coômco dos gráfcos d cotrol Estudo coômco dos gráfcos d cotrol d X R Notação Hótss do modlo Podr d dtcção rsco d alarm falso Tmo srado fora d cotrol Modlo custo Projto ótmo d gráfcos d cotrol Estudo coômco dos gráfcos d cotrol d X com arâmtros varávs Hótss...75

15 3.. Dtrmação da cada d Markov assocada ao squma d motoramto Fução d custo Uma ova statístca ara o motoramto da méda da varâca Gráfco d cotrol basado a statístca d qu-quadrado ão-ctral Gráfco d cotrol d EWMA basado a statístca d χ ( ) Exmlo d alcação do gráfco d EWMA basado a statístca d χ ( ) Gráfco d χ ( ) ara a dtcção d dcréscmo a varabldad Gráfcos d cotrol multvarados Gráfcos d cotrol ara o motoramto do vtor d médas Gráfcos d cotrol bvarados com amostragm m dos stágos Gráfcos d cotrol bvarados com rgra scal d dcsão Obtção das rordads dos gráfcos d cotrol com amostragm m dos stágos com rgra scal d dcsão Exmlo lustratvo Gráfco d cotrol da maor varâca (Gráfco d VMAX) Dscrção do gráfco d VMAX Gráfco d VMAX com amostragm dula Prordads dos gráfcos d VMAX com amostragm dula Exmlo lustratvo Motoramto d rocssos autocorrlacoados Dscrção do modlo Gráfcos d X com amostragm dula ara rocssos autocorrlacoados Prordads dos gráfcos d X com amostragm dula Gráfcos d X com amostras d tamaho varávl ara rocssos autocorrlacoados Comtáros...39 Rfrêcas...4 Aêdc A Obtção do TES ara o gráfco d X com arâmtros varávs...49 Aêdc B Prova do torma B...55 Aêdc C Obtção do NMA ara o gráfco d VMAX...56

16 Aêdc D Obtção do NMA ara o gráfco d VMAX com amostragm dula...58 Aêdc E Exrssõs d ara o gráfco d X com amostragm dula...6

17 Gráfcos d Cotrol d Shwhart: Duas Décadas d Psqusa O trss do squsador los Gráfcos d Shwhart ão é rct, cou-s m 987, quado tão dfu o Cotrol Estatístco d Procssos como o assuto d squsa d sua ts d doutorado. A artr d tão, assou a studar o dsmho dos gráfcos d cotrol, a roor ovas statístcas d motoramto ovos squmas d amostrags, m scal os squmas adatatvos duas m qu o tamaho das amostras, /ou o trvalo tr rtrada d amostras h, /ou o fator d abrtura dos lmts d cotrol k ão são fxos, orém varam aas tr dos valors, um mímo um máxmo. Um oto a rgão d advrtêca do gráfco d cotrol tsfca o motoramto, os h k assumm valors mímos o su valor máxmo. Um oto a rgão ctral do gráfco d cotrol atua o motoramto, os h k assumm valors máxmos o su valor mímo. Para uma msma taxa d sção cdêca d alarms falsos, os squmas duas as statístcas roostas mlhoram o dsmho dos gráfcos d Shwhart a dtcção d causas scas qu altram os arâmtros do rocsso. Os trabalhos mas rcts do squsador tratam do motoramto d rocssos autocorrlacoados, da roosção d ovas statístcas ara o motoramto d rocssos multvarados, da alcação dos squmas adatatvos com os gráfcos d cotrol utlzados o motoramto d rocssos multvarados. Itrodução No ao d 98, o squsador fo cotratado la UNESP, m rgm d ddcação tgral a docêca a squsa - RDIDP, ara mstrar tr outras, as dsclas d Estatístca d Cotrol d Qualdad. Vsado um cotíuo armoramto da atvdad d docêca assou tão a dsvolvr squsas, calmt m rocssos stocástcos (Costa, 983) subsqütmt m motoramto d rocssos (Costa, 989). Em 993 ublcou su rmro artgo m ródco tracoal, qu tratou do motoramto cojuto da méda da 7

18 varâca do rocsso los gráfcos d cotrol d X R (Costa 993). Basado o modlo coômco d Duca (956) roôs um modlo mas ralístco ara a ocorrêca das causas scas. Até tão, or smlcdad, suuha-s qu uma úca causa scal altrava ambas, a méda a varâca do rocsso. No studo roosto, o squsador adotou uma hóts mas ralístca d duas causas scas, uma a aftar o arâmtro d osção do rocsso, outra o arâmtro d dsrsão, sdo ambas totalmt ddts (Al-Sulta Rahm (997), sção.6). Icalmt, foram adotadas duas dstrbuçõs xocas ddts ara dscrvr o momto da ocorrêca d cada causa scal. Em studos subsqüts, otou-s or uma dstrbução mas gral, a d Wbull (Costa Rahm (), Rahm Costa ()). Em 994, o squsador ublcou a rvsta Joural of Qualty Tchology su mas mortat artgo (Costa, 994) m qu roôs, la rmra vz, varar o tamaho das amostras, os squmas adatatvos duas. D acordo com a Wb of Scc st artgo já fo ctado m 44 trabalhos ctífcos, srvu d sração ara os squmas adatatvos duas (squma VSSI) m qu tato o tamaho das amostras quato o trvalo tr rtrada d amostras ão são fxos, os, dddo da svrdad dsjada ao motoramto, assumm um valor mímo, ou tão um valor máxmo. O motoramto s tora svro aós a ocorrêca d um oto a rgão d advrtêca do gráfco d cotrol, quado tão s sra um tmo mímo ara tomada d uma ova amostra qu, m gral, é costtuída or um grad úmro d ts. Por outro lado, o motoramto s tora atuado aós a ocorrêca d um oto a rgão ctral do gráfco d cotrol, os s sra mas tmo do qu o usual ara tomada d uma ova amostra qu, m gral, é costtuída d um úco tm. O squma VSSI fo roosto ara os gráfco d cotrol d X (Costa (997, 998b)), orém logo assou a sr utlzado com os mas dvrsos tos d dsostvos statístcos d motoramto, cludo os squmas EWMA CUSUM (Arold Ryolds (), Ryolds Arolds ()), os gráfcos d cotrol or atrbutos (Costa (993a), Ercht Costa (), Ercht t al. (3, 5)), os gráfcos multvarados (Aars (996) Aars Haro (, 3)). Ao s varar o fator d abrtura dos lmts d cotrol dos gráfcos d Shwhart tm-s uma oortudad adcoal ara mlhorar o dsmho. Com lmts saçados o motoramto atuado, lmts strtos o motoramto svro, é ossívl dmur o 8

19 tmo d dtcção das causas scas, sm s aumtar à cdêca d alarms falsos ou msmo a taxa d sção (Costa (998, 998a, 999a, 999b)). Os squmas adatatvos duas com todos arâmtros varávs (squma V) clum os arâmtros, h k, rsctvamt, o tamaho das amostras, o trvalo tr rtrada d amostras o fator d abrtura dos lmts d cotrol. O artgo da rvsta IIE-Trasactos (Costa, 998), m qu o squsador arsta o squma V, fo rmado como o mlhor artgo do ao da sção Qualdad Eghara d Cofabldad. O rojto coômco ou coômco-statístco dos gráfcos d Shwhart com arâmtros varávs tm sdo objto d squsa d város squsadors (Costa Rahm (), D Magalhãs Costa (5), D Magalhãs t al. (,, 6), Park Km (4), D Magalhãs Moura Nto (6)). O studo das rordads dos gráfcos d cotrol adatatvos sob a hóts d ão ormaldad da varávl d motoramto tm sdo objto d squsa (L Chou (5, 5a, 7)). O squma d motoramto com amostras sulmtars é uma varat do squma adatatvo dual m qu o trvalo d tmo tr rtrada d amostras é varávl (Varabl Samlg Itrval -VSI). No squma d motoramto com amostras sulmtars, tr os stats fxos obrgatóros d rtradas d amostras são rmtdas as rtradas d amostras adcoas, gualmt saçadas tr s, smr qu s sustar das codçõs do rocsso formaçõs adcoas sobr o msmo sjam cssáras ara s tomar à dcsão d ará-lo ou ão (Costa, 998b). Amostras obrgatóras são, or xmlo, tomadas a cada ma hora, quado há cssdad uma ou duas amostras adcoas são tomadas, rsctvamt, smr aos dz aos vt mutos aós a rtrada da amostra obrgatóra. Em Costa (), é roosto o gráfco d X com amostras sulmtars. A cada stat d amostragm, scoa-s aas um tm da rodução; s a mdda dst tm é róxma do valor alvo, a amostragm é trromda, caso cotráro, todos os ts d uma amostra sulmtar são scoados as statístcas d X R são calculadas comaradas com os lmts dos gráfcos d cotrol da méda da amltud. O gráfco roosto é rojtado ara qu a frqüêca rqurda d amostras sulmtars, durat o ríodo m qu o rocsso rmac sob cotrol, ão xcda a 5%. Já o squma d amostragm m dos stágos (Costa Rahm, 4 6), é uma artcularzação da amostragm dula roosta or Daud (99). Na amostragm dula, a amostra é dvdda m duas sub amostras xcludts. Iscoa-s tão a rmra sub amostra,, com bas as formaçõs obtdas, dv-s dcdr s a amostragm dv sr 9

20 trromda o rocsso cosdrado sob cotrol ou ão; ou tão, s a dcsão sobr o stado do rocsso dv sr adada ara aós a sção d todos os ts da amostra. Na amostragm m dos stágos, scoa-s o rmro stágo oucos ts da amostra, m gral aas um. Com as formaçõs do rocsso obtdas com a sção dst tm, dcd-s s a amostragm dv sgur ou ão ara o sgudo stágo, quado tão s scoa toda a amostra. S a amostragm ão sgu ara o sgudo stágo, o rocsso é automatcamt julgado m cotrol. A grad vatagm da amostragm m dos stágos é qu o rmro stágo a sção od sr fta or atrbutos. Nas codçõs m qu o rocsso rmac logos ríodos m cotrol, a maor art das vzs, a amostragm ão sgu ara o sgudo stágo, dssado as msuraçõs os cálculos matmátcos ara, or xmlo, s obtr a méda ou a varâca amostral. Em outra vrtt d sus studos, o autor vm roodo ovas statístcas ara o motoramto d rocssos, tas como a statístca d qu-quadrado ão ctral (Costa D Magalhãs (5a, 7), Costa Rahm (4a, 6, 6a, 6b), Costa, D Magalhãs Ercht (5)). O gráfco d cotrol basado a statístca d qu-quadrado ão ctral tm s mostrado mas fct qu os gráfcos cojutos d X R. Uma das hótss báscas ara a alcação dos gráfcos d Shwhart é a da ddêca tr obsrvaçõs coscutvas do rocsso. Com a automação crsct sta hóts vm dxado d sr válda, cosqütmt a autocorrlação xstt tr obsrvaçõs dv sr lvada m cota quado da costrução dos gráfcos d cotrol. Nst stdo, o squsador vm s ddcado ao studo dos gráfcos d cotrol quado as obsrvaçõs ão são ddts, mas s ajustam aos modlos autorgrssvos usuas, sto é, modlos AR ARMA (Costa Claro (8)). Boa art dos studos laborados lo squsador tratou dos gráfcos d cotrol uvarados. O aumto da comlxdad dos ívs d automação dos rocssos dustras a crsct dsobldad d suort comutacoal têm aumtado o trss lo motoramto smultâo d váras caractrístcas d qualdad, também chamadas d varávs do rocsso (Lowry Motgomry, 995). Pouco a ouco, o squsador vm stddo ara os rocssos multvarados, as stratégas d motoramto orgalmt cradas ara rocssos uvarados (Costa Machado, 7).

21 Caítulo. Gráfcos d Cotrol d Shwhart. Os gráfcos d cotrol surgram m 94, quado Shwhart, tão fucoáro da Bll Laborators, ublcou rlatóro técco vsado dvulgar os fudamtos d uma técca statístca dstada ao motoramto d rocssos. No íco, como ra d s srar, oucos acrdtaram o otcal dsta ova técca. Pouco a ouco, o tato, os gráfcos d cotrol gaharam a fama d srm frramtas odrosas d motoramto. A década d 7 od sr cosdrada como a década dos gráfcos d Shwhart; o lma da éoca ra: só s assgura qualdad d rocssos qu stjam sob o motoramto d gráfcos d Shwhart. Esta fbr tv su lado bom su lado rum. O lado bom fo qu o uso tso dos gráfcos d cotrol facltou a dvulgação d dvrsas téccas statístcas, scalmt dsvolvdas ara o motoramto d rocssos dustras. O lado rum fo qu, m fução da rssão atural grada lo modsmo da éoca, os gráfcos d Shwhart assaram a sr utlzados d forma dvda, ou or, m stuaçõs dscssáras, cado assm o dscrédto. Ada hoj, s st o fto dst modsmo. Quado o gráfco d Shwhart, mas scfcamt o gráfco d X, stá m uso, motorado um rocsso, amostras d tamaho são rtradas dgamos a cada 5 mutos, ou a cada ma hora, o valor da statístca X calculado ara cada amostra é lotado o gráfco d cotrol. Est dsostvo statístco od sr vsto como uma sqüêca d tsts d hótss, od, a cada 5 ou 3 mutos, tstamos smr as msmas hótss: H : Procsso m cotrol (.) H : Procsso fora d cotrol (.) Outras maras d dscrvr as hótss H H são: H : Procsso ajustado (.3) H : Procsso dsajustado (.4)

22 ou H : Procsso ctrado o valor-alvo (.5) ou ou, ada, H : Procsso ão ctrado o valor-alvo (.6) H : Procsso lvr d causas scas (.7) H : Procsso sob a fluêca d causas scas (.8) H : μ μ (.9) H : μ μ (.) od μ é o valor-alvo ou o valor médo m cotrol da varávl alatóra X. A hóts H é acta como vrdadra todas as vzs qu o valor d X car dtro dos lmts d cotrol. Já a hóts H é acta como vrdadra smr qu o valor d X car fora dos lmts d cotrol. S o rocsso stvr m cotrol ( H vrdadra), α rrsta o rsco (robabldad) d rroamt s cosdrar o rocsso fora d cotrol ( alarm falso ). S o rocsso stvr fora d cotrol ( H vrdadra), β rrsta o rsco (robabldad) d rroamt s cosdrar o rocsso m cotrol ( ão-dtcção ). A cosqüêca d ordm rátca assocada ao rro do to I (alarm falso) é trvr o rocsso a hora rrada, quado o msmo stá sto d causas scas (o qu m s já acarrta um custo d trrução do rocsso, d mão d obra além d um rsco d dsajustar um rocsso qu stava ajustado); a cosqüêca d ordm rátca assocada ao rro do to II (ão dtcção) é ão trvr o rocsso a hora crta, quato o msmo stá sob a fluêca d causas scas. As robabldads d alarm falso (α) d ão-dtcção (β) são dadas or: α Pr[ X > LSC X ou X < LIC μ μ ] (.) X

23 β Pr[ LIC < X < LSC μ μ ] (.) X X O odr do gráfco d cotrol, P d, é dfdo como sdo a robabldad d dtcção ( P β ). d A Fgura. rtrata a ocorrêca d um alarm falso. Nssa fgura, a hóts H é vrdadra, os a méda μ da varávl alatóra X é gual ao valor-alvo μ X. Tradcoalmt, os lmts d cotrol do gráfco d X são stablcdos usado os valors m cotrol dos arâmtros do rocsso, μ σ a ± 3 dsvos adrõs amostras, σ X, da lha méda (LM μ ), ou sja, m μ ± 3σ /. X ~ N( μ ; σ ) ~ N( μ; σ / X X ) LSC μ + 3σ / Alarm falso LM μ LIC μ 3σ / Mutos Fgura.. Gráfco d X ocorrêca d um alarm falso (Costa, Ercht Cartt, 5) 3

24 Para uma abrtura dos lmts d cotrol d ± 3 dsvos adrõs amostras, o rsco α é gual a,7. Etão, durat o ríodo m qu o rocsso rmac stávl ajustado, ortato sob cotrol, ssa é a robabldad d o valor d X car a rgão d ação do gráfco (acma do LSC, ou tão, abaxo do LIC); ou sja, é a robabldad qu cada amostra tm d grar um alarm falso. A dstrbução do úmro d amostras, L, qu atcdm um alarm falso (cludo a amostra qu gra o alarm falso), é gométrca d arâmtro α: Pr[ d L d] ( ), d,, 3, (.3) Por xmlo, a Fgura. tmos L7. A méda da dstrbução gométrca é gual a /, ortato o úmro médo d amostras até um alarm falso é gual a / α. Em outras alavras, com lmts d 3 sgma, trmos m méda um alarm falso a cada /,7 37,4 otos lotados. Caso o usuáro cosdr sta frqüêca d alarms falsos actávl, a altratva cosst m alargar os lmts d cotrol, or xmlo aumtar k d 3, ara 3, (k é o fator d abrtura dos lmts d cotrol, ou sja, LIC μ k / LIC μ + k / ). Com k 3,, o rsco d alarm falso dmu ara σ σ,9 o tmo médo tr alarms falsos aumta ara (/,9) h 56,7 h, sdo h o trvalo d tmo tr rtrada d amostras. S uma amostra é rtrada do rocsso a cada 5 mutos, tão, m méda, tr-s-á um alarm falso a cada 56,7/49 horas d rodução. O rsco α é fução aas do fator d abrtura dos lmts d cotrol, k. S or um lado o tamaho d amostra,, ão afta a robabldad d alarm falso α, or outro lado l tm uma fluêca grad o odr do gráfco d cotrol Quado a hóts H é a hóts vrdadra (rocsso sob a fluêca d causas scas), o dal sra qu o rmro oto lotado já caíss fora dos lmts d cotrol (salzado o stado d falta d cotrol). Cotudo, sto m smr ocorr, m scal s o dslocamto sofrdo la méda do rocsso for quo. É usual xrssar st dslocamto 4

25 m udads guas ao dsvo adrão da varávl X, d forma qu o ovo valor da méda, μ, od sr scrto como μ μ + δσ, ortato δ μ μ σ (.4) D um modo gral, s δ, 5, tão radamt um valor d X cará fora dos lmts d cotrol. Caso cotráro, xstrá uma crta érca. Por xmlo, a Fgura., o sal só ocorr quado o 5º valor d X é lotado. Nssa Fgura, a hóts H é vrdadra orqu a méda da varávl X é dfrt d μ ; a vrdad la é gual a μ + δσ. A Tabla. arsta valors d P d ara dfrts combaçõs d δ d. A Fgura.3 arsta as curvas d P d vrsus o dslocamto δ, ara, 3, 4, 5, 9 6. μ X X ~ N( μ ; σ ) ~ N( μ + δσ ; σ / X X ) LSC μ + 3σ / Alarm vrdadro LM μ δσ μ μ + δσ LIC μ 3σ / Mutos Fgura.. Gráfco d X ocorrêca d um alarm vrdadro (Costa, Ercht Cartt, 5) 5

26 Tabla.. Valors d P d ara dfrts combaçõs d d δ (Costa, Ercht Cartt, 5) δ ,5,4,5,6,7,,5,,6,3,3,67,75,6,44,67,93,7,56,,59,,5,5,9,,39,49,773,5,9,344,5,638,933,43,679,84,93,999 3,893,986,999 Podr,,9,8,7,6,5,4,3,,, ,5,5,5 3 δ (dslocamto) Fgura.3. Curvas d P d vrsus δ (Costa, Ercht Cartt, 5) 6

27 A mdda d fcêca mas usual dos gráfcos d cotrol é o NMA, úmro médo d amostras até o sal. A Fgura.4 arsta as curvas do NMA vrsus o dslocamto δ. Exmlo, m méda, são cssáras amostras (NMA) d tamaho 3 (3), ou (NMA) d tamaho 9 (9) ara s dtctar um dslocamto a méda do rocsso d um dsvo adrão (δ,). NMA/Pd (.5) NMA ,5,75,5,5,75 δ (dslocamto) Fgura.4. Curvas d NMA vrsus δ (Costa, Ercht Cartt, 5) O gráfco d Shwhart salza uma dtroração do rocsso smr quado um oto ca m sua rgão d ação. D acordo com os fudamtos stablcdos or Shwhart, smr qu um oto é lotado a rgão d ação do gráfco, o rsosávl lo rocsso dv trromê-lo mdatamt, vsado cotrar causas scas qu aftam a qualdad dos rodutos, xmlo, um dsgast d frramta qu altra a dmsão dos xos qu stão sdo maufaturados. Na rátca, cotudo, oucos são aquls qu sgum a rgra stablcda or 7

28 Shwhart, a maora rfr srar a ocorrêca d um sgudo oto a rgão d ação. As rordads dos gráfcos d cotrol ddm das rgras d motoramto. Assm, ao s srar, d forma dscrmada, lo sgudo oto a rgão d ação do gráfco d cotrol, aumta-s, d forma absurda, o NMA (Costa, Ercht Cartt (5)). É smr trssat roor ovas rgras d motoramto, cotudo, sm um studo cautloso da fluêca dstas a rformac do gráfco d cotrol, m gral, cra-s dsostvos d motoramto fcts, ou or grar um úmro absurdo d alarms falsos, ou la morosdad a salzação d uma causa scal (NMA muto grad). 8

29 Caítulo. Esqumas Adatatvos Duas A smlcdad oracoal dos gráfcos d Shwhart tm sdo a rcal motvação ara o su uso tso o motoramto d rocssos rodutvos. Cotudo, sta smlcdad oracoal, sto é, d s tomar amostras d tamaho a cada h horas vstgar o rocsso somt quado um oto amostral ca fora dos lmts d cotrol, faz dos gráfcos d Shwhart um dsostvo lto a dtcção d quas altraçõs o rocsso. Por cota dsto, os gráfcos d Shwhart vm sdo gradualmt substtuídos or outros gráfcos, tas como os gráfcos das somas acumuladas ou os gráfcos das médas móvs, oracoalmt mas comlxos, orém ágs a dtcção d quas mudaças o rocsso. O avaço tcológco vm tsfcado sta tdêca, vsto qu os rocssos stão cada vz mas robustos (robustos o stdo d roduzrm ts cada vz mas guas m trmos d so, dmsõs, comosção, tc.). Nst cotxto, quas altraçõs o rocsso odm sr crítcas, ortato dvm sr dtctadas corrgdas com radz. Nsts últmos vt aos, scal atção tm sdo dvotada aos gráfcos d Shwhart vsado a sua utlzação o motoramto d rocssos robustos. A déa básca cosst m s varar os arâmtros d rojto dos gráfcos d Shwhart d mara arorada, tr um valor mímo um valor máxmo (Tagaras, 998). Ests arâmtros são o tamaho da amostra, o trvalo d tmo tr rtrada d amostras h, o fator d abrtura k dos lmts d cotrol (o caso artcular do gráfco X, os lmts d cotrol são dados or μ ± σ, od μ k / σ são rsctvamt a méda o dsvo adrão da varávl X com o rocsso m cotrol). Assm, quado há sustas d qu o rocsso s altrou, o cotrol s tora mas rígdo, caso cotráro l é rlaxado. Sustas d qu o rocsso s altrou são obtdas quado um oto amostral ca a chamada rgão d advrtêca do gráfco (vja Fgura.). Nstas codçõs, o cotrol s tora mas rígdo orqu s toma uma, duas ou todas das sguts mddas: a) Rdução o tmo d sra ara a rtrada da róxma amostra (valor mímo d h); b) Aumto do tamaho da róxma amostra (valor máxmo d ); c) Estrtamto dos lmts d cotrol (valor mímo d k). 9

30 Um oto amostral a rgão ctral do gráfco é uma dcação d qu o rocsso ão sofru altraçõs. Nstas codçõs, o cotrol é rlaxado orqu s toma uma, duas ou todas das sguts mddas: a) Aumto o tmo d sra ara a rtrada da róxma amostra (valor máxmo d h); b) Rdução do tamaho da róxma amostra (valor mímo d ); c) Alargamto dos lmts d cotrol (valor máxmo d k). A déa d varar o trvalo tr rtrada d amostras fo rmro xlorada com os gráfcos d X (Ryolds t al.(988), Rugr Pgatllo (99), Am Mllr (993), Rugr Motgomry (993), Baxly (995), Ryolds t al. (996), Ryolds (996)), mas logo s stdu ara outros gráfcos (Ryolds t al. (99), Saccucc t al. (99)). Por sua vz, Prabhu, t al. (993) Costa (994) studaram os gráfcos d X com o tamaho das amostras varávl... Esqumas Adatatvos Duas Alcados ao Tamaho das Amostras Costa (994) roôs ara o gráfco d X o uso do squma d amostrags com amostras d tamaho varávl. Ercht Costa () adotaram st squma com o gráfco d... Gráfco d Cotrol d X Costa (994) roôs o gráfco d cotrol d X com amostras d tamaho varávl (VSS - Varabl saml sz) ara o motoramto d um rocsso qu stá sujto a ocorrêca d uma causa scal. O rocsso ca-s m cotrol com a méda μ μ. A causa scal dsloca a méda do rocsso d μ ara μ μ ± δσ, sdo δ >. Amostras alatóras d tamaho varávl são xtraídas do rocsso a cada h horas. As médas amostras são lotadas m um gráfco d cotrol d X com lmts d advrtêca μ ± wσ lmts d ação μ X ± kσ, com X w < k. Para facltar a arstação, os otos amostras lotados o gráfco d cotrol srão as médas amostras adrozadas, sto é, ( X μ ) / σ, vr Fgura.. Nss caso, os lmts d advrtêca d ação srão smlsmt ± w ± k, rsctvamt. A vstgação d causas scas srá mrdda quado o oto amostral ão rtcr ao trvalo (-k, k). O tamaho da róxma amostra dd da osção do oto amostral da amostra atual, m rlação aos lmts do gráfco d cotrol. S o oto amostral rtc ao trvalo ( w, w ), X 3

31 tão a róxma amostra srá costtuída d ts; s o oto amostral rtc ao trvalo ( k, w ] ou [ w, k), tão a róxma amostra srá costtuída d ts, sdo >. A Fgura. arsta um gráfco d X com amostras d tamaho varávl. ( Xμ ) / σ X k w -w -k Númro da amostra > amostras d tamaho > amostras d tamaho Fgura.: Gráfco d cotrol d X com amostras d tamaho varávl (Costa, Ercht Cartt, 5) As rordads dos gráfcos d cotrol d X com amostras d tamaho varávl são dtrmadas lo úmro d amostras, NA, rtradas do rocsso até o alarm. Para um rocsso m cotrol ( μ μ ), o NA dv sr grad d tal sort qu a taxa d alarms falsos sja baxa. Para um rocsso fora d cotrol ( μ μ ), o NA dv sr quo ara uma ráda dtcção da causa scal. Para a obtção do úmro médo d amostras até o sal, NMA, faz-s uso das rordads das cadas d Markov,, NMA r ( Q) (.) 3

32 od I é matrz dtdad x, é o vtor x d us, a matrz Q cotém as robabldads d trasção, Pr[ Y < w Y ~ N( δ, )], (.), Pr[ w Y < k Y ~ N( δ, )],. (.3), O vtor r é o vtor d robabldads cas; r (, ), sdo a robabldad d qu a rmra amostra rtrada do rocsso aós a ocorrêca da causa scal sja uma amostra costtuída d ts. A otação Y ~ N( μ, σ ) é utlzada ara uma varávl Y ormalmt dstrbuída com méda μ varâca σ. Da xrssão (.) obtém-s od: NMA + ( ) (.4) ( )( ) ( )( ) Pr[ Z < w Z < k ] sdo Z ~ N(,). O cofct d abrtura do lmt d advrtêca, w, é ajustado ara qu durat o ríodo m cotrol, o gráfco d X com amostras d tamaho varávl tha a msma taxa d sção do gráfco d X com amostras d tamaho fxo, ortato: ( + ) A Fgura. comara o gráfco d X com amostras d tamaho varávl (VSS) com o gráfco d X com amostras d tamaho fxo (FSS). A adoção d amostras d tamaho varávl rduz o NMA substacalmt. 3

33 NMA VSS FSS,5,6,7,8,9,,,3,4,5 δ Fgura.: NMA dos gráfcos d X com amostras d tamaho fxo ( 4 k3,) com amostras d tamaho varávl (,, k,9 k3,) A Tabla. lustra a fluêca do valors d o NMA do gráfco d X com amostras d tamaho varávl. Quado s aumta o valor d, ou s rduz o valor d, o gráfco d cotrol salza quas (modradas) mudaças a méda com maor (mor) radz. 33

34 Tabla.: Ifluêca dos valors d o NMA do gráfco d X, squma VSS 4 δ 8 8, 37,4 37,4 37,4,5 38,9 6,9 4,6,5 5,9 8, 7,,75 6,54 4,6 6,73,,76,46,75,5,7,8,64,5,3,54,.. Gráfco d Cotrol d Ercht Costa () rousram o gráfco d cotrol d com amostras d tamaho varávl (VSS) ara o motoramto d um rocsso qu stá sujto à ocorrêca d uma causa scal. O rocsso ca-s m cotrol, com cada tm roduzdo tdo uma robabldad d sr ão coform. Aós a ocorrêca da causa scal o rsco d um tm roduzdo sr ão coform aumta d ara. Amostras alatóras d tamaho varávl são xtraídas do rocsso o úmro d ts ão coforms dtro d cada amostra é a statístca (oto amostral) lotado o gráfco d cotrol d. O tamaho da róxma amostra dd da osção do oto amostral da amostra atual, m rlação aos lmts do gráfco d cotrol. S o oto amostral é lotado abaxo do lmt d cotrol, log dst, a róxma amostra srá costtuída d ts; s o oto amostral é lotado abaxo do lmt d cotrol, mas róxmo a st, a róxma amostra srá costtuída d ts, sdo <. Dst modo, o gráfco d cotrol d é costruído com lmts d advrtêca duas scalas (vd Fgura.3). Os otos abaxo dos lmts d advrtêca (LA) são cosdrados dstats dos lmts d cotrol (LC), os otos amostras advdos d amostras quas (grads) são lotados 34

35 utlzado-s a scala da squrda (drta). Ercht Costa () obtvram a sgut xrssão do NMA ara o gráfco d cotrol d com o tamaho das amostras varávl: NMA r ( q q ) + ( r )( q ( q )( q ) q q (.5) q ) od q a j j (- ) j j,, ad a t( LA ) q b j a + j (- ) j j,, b t( LC ) ( r + ( 3-3 )) + ( ( ( 3 ) 3-3 )) + 4( 3-3 ) sdo t(y) o maor tro mor qu ou gual a Y, a j j o (- ) j j,, a Maor Itro LA u j a + j o (- ) j j,, u Maor Itro LC 3 -,,. Quado o rocsso stá m cotrol, a taxa méda d alarms falsos α o tamaho médo das amostras ara o gráfco d com amostras d tamaho varávl são dados rsctvamt or 35

36 α 3 + (- r ) (.6) r 3 + (- r ) (.7) r Cosqütmt, o NMA / α. Quado o rocsso stá sto d causas scas o NMA, qu st caso é chamado d NMA, é o úmro médo d amostras até a ocorrêca d um alarm falso, cludo a amostra qu grou o alarm. O NMA ara o gráfco d cotrol d com amostras d tamaho (FSS) lmt d cotrol LC é dado or: NMA /α od α j a+ j (- ) j j, a t( LC) O NMA é dado or /( β ), od β a j j (- ) j j, a t( LC) 36

37 Amostras d Tamaho Amostras d Tamaho LC LC LA LA Númro da amostra > valors lotados utlzado-s a scala da squrda > valors lotados utlzado-s a scala da drta Fgura.3: Gráfco d cotrol d com amostras d tamaho varávl (Ercht Costa, ) A Tabla.3, obtda d Ercht Costa (), arsta os NMA s ara város gráfcos d com o tamaho das amostras fxo varávl. Os arâmtros d rojto s cotram a Tabla., vr Ercht Costa (). Só faz stdo comarar gráfcos d cotrol qu lvm aos msmos NMA s msmas taxas d sção or amostrags durat o ríodo m qu o rocsso rmac sob cotrol, sto é,. Cotudo, ara gráfcos or atrbutos, a varávl d motoramto é dscrta; cosqütmt, ara dos gráfcos d cotrol or atrbutos, é mossívl qu tha os msmos NMA s os msmos tamahos médos d amostras. Para fto d comaração, stablc-s qu o gráfco d cotrol com tamaho d amostral varávl (VSS) dv ofrcr rotção gual ou suror cotra alarms falsos, a méda, dv dmadar gual ou mos sção qu o su comtdor, o gráfco d cotrol d com amostras d tamaho fxo (FSS) 37

38 Para quos a modrados aumtos m, a adoção do squma d amostragm com amostras d tamaho varávl mlhora o dsmho do gráfco d cotrol d, cotudo, ara grads aumtos, sto ão s vrfca. Tabla.: Parâmtros dos gráfcos d cotrol d cosdrados a Tabla.3 FSS VSS Caso LC LC LA LC LA r A B C D E F G H I J K L

39 Tabla.3: NMA s ara os gráfcos d com amostras d tamaho fxo varávl (x -3 ) Caso* squma NMA 7,5,,5 5, 7,5,,5 5, 7,5 3, A B C D E F FSS 597,6 4,6 54,4 3,85 5,57,9 7,9 5,3 4,5 3,38,83 VSS 99,88 64,9 74,7, 8,7 5,3 3,68,98,59,36,, FSS 8, 55,4 9,33 9,3 5,45 3,65,69,3,78,55,39 VSS 99,6 33,7 4,68 6,75 3,96 3,,53,4,4,9,78,68 FSS 3 3,8 37,5,6 5,68 3,37,34,8,49,3,,3 VSS 99,8 84, 4,6 6,46 3,3,34,94,73,6,5,4,34 FSS 4 6,6 3,36 9, 4,,54,8,45,6,5,8,5 VSS 377, 8,6 4,97 4,34,59,6,84,74,68,64,6,57 FSS 6 7, 5, 6,59,96,83,38,8,8,4,, VSS 599, 388,6 7,39 3,96,8,7,5,4,3,4,8,3 FSS 8 36, 3,8 5,46,4,53,,8,3,,, VSS 798,8 4,6 9,99 3,4,97,55,34,,,5,3, Caso* squma NMA,5,,5,3,35,4,45,5,55,6 G H I J K L FSS 5 66,5 48,5 56,3 7,6 5,93,8 7,9 5,35 4,7 3,39,84 VSS 46,5 99, 9,5,8 8,35 5,4 3,88 3,4,87,63,46,33 FSS 9,4 56,5 9,67 9,4 5,49 3,57,69,3,77,54,38 VSS 83,76 3, 7, 7,45 4,7 3,,6,3,,95,83,7 FSS 3,8 3,89 9, 4,4,54,8,45,5,4,8,4 VSS 97, 39,4 3,93 5,,83,5,8,6,47,36,7, FSS 4 37,7 4,7 5,49,4,5,,8,3,,, VSS 397,5 375, 8,44,79,94,65,49,36,5,7,,6 FSS 6 9, 3,83 3,5,56,6,4,,,,, VSS 599,6 354, 8,,3,59,37,,,5,,, FSS 8 8,5,4,3,8,6,,,,,, VSS 799, 84,8 6,54,3,45,3,5,,5,,7,5 * Os arâmtros d rojto stão a Tabla. 39

40 NMA FSS VSS 3,,5,5,75,,5,5,75,3 P Fgura.4. NMA do gráfco d, squmas FSS VSS A Fgura.4 comara o gráfco d com amostras d tamaho varávl (VSS) com o gráfco d com amostras d tamaho fxo (FSS), caso A da Tabla..3. A adoção d amostras d tamaho varávl rduz o NMA substacalmt. 4

41 .. Esqumas Adatatvos Duas Alcados ao Tamaho das Amostras ao Itrvalo tr Rtrada d Amostras Costa (997) roôs o gráfco d cotrol d X com squma VSSI d motoramto, m qu o tamaho das amostras o trvalo tr rtrada d amostras são varávs (varabl saml sz ad varabl samalg trval). O rocsso ca-s m cotrol com a méda μ μ, assm rmac até a ocorrêca d uma causa scal qu dsloca a méda do rocsso d μ ara μ μ ± δσ, sdo δ >. O stat d sua ocorrêca é dado or uma dstrbução xocal d arâmtro (assm / é o tmo médo m qu o rocsso rmac ajustado). Amostras alatóras d tamaho varávl são xtraídas do rocsso. As médas amostras são lotadas m um gráfco d cotrol d X com lmts d advrtêca μ ± wσ X lmts d ação μ ± kσ, com w < k. Para facltar a arstação, os otos X amostras lotados o gráfco d cotrol srão as médas amostras adrozadas, sto é, ( X μ ) / σ X. Nss caso, os lmts d advrtêca d ação srão smlsmt ± w ± k, rsctvamt. A vstgação d causas scas srá mrdda quado o oto amostral ão rtcr ao trvalo (-k, k). O tamaho da róxma amostra o stat d sua rtrada dd do qu ocorr com a amostra atual. S o oto amostral atual rtc ao trvalo ( w, w ), tão a róxma amostra srá costtuída d ts srá rtrada aós um trvalo d tmo h ; s o oto amostral atual rtc ao trvalo ( k, w ] ou [w, k), tão a róxma amostra srá costtuída d ts srá rtrada aós um trvalo d tmo h ; sdo > h < h. O tamaho da rmra amostra qu é rtrada do rocsso d rodução quado st s ca, ou aós um alarm falso, é scolhdo alatoramt. S la é grad (qua) la srá rtrada aós um curto (logo) trvalo d tmo. Durat o ríodo m cotrol todas as amostras, cludo a rmra, dvm tr robabldad d srm quas (- ) d srm grads, od Pr[ Z < w Z < ] (.8) k 4

42 A vlocdad com a qual o gráfco d cotrol dtcta altraçõs o rocsso md sua fcêca statístca. Quado o trvalo tr rtrada d amostras é fxo a vlocdad od sr mdda lo NA, úmro d amostras até o sal, mas quado o trvalo é varávl, adota-s o TS, tmo até o sal. O TS é o tmo qu va do dsajust do rocsso até a sua salzação lo gráfco. A duração d um cclo, TC, corrsod ao tmo qu va do íco da rodução até o rmro sal aós o dsajust do rocsso. S a causa scal ocorr sgudo uma dstrbução xocal d arâmtro tão TESTEC-/ (.9) od TES é o tmo srado até o sal TEC é o tmo srado d um cclo. A rordad d Esqucmto da dstrbução xocal rmt obtr o TEC usado o aroach d cada d Markov. Assm, a cada stat d amostragm m fução das codçõs do rocsso (sob ou fora d cotrol) do tamaho da amostra (grad ou quo), um dos sguts stados é alcaçado; Estado : O rocsso stá sob cotrol a amostra é qua Estado : O rocsso stá sob cotrol a amostra é grad Estado 3: O rocsso stá fora d cotrol a amostra é qua Estado 4: O rocsso stá fora d cotrol a amostra é grad Altratvamt, as codçõs da méda do rocsso (ajustada ou dsajustada) quado da rtrada da (+) ésma amostra a osção do -ésmo oto o gráfco d cotrol dfm os stados trasts da cada d Markov (vd Tabla.4). Tabla.4: Os stados da cada d Markov. ésma amostra Posção do oto amostral (rgão) (+) ésma amostra Codçõs do rocsso Estado da cada d Markov (sob ou fora d cotrol)* advrtêca sob advrtêca fora 4 ctral sob ctral fora 3 (*) sob cotrol sgfca qu μ μ fora d cotrol sgfca qu μ μ ± δσ 4

43 O gráfco d cotrol roduz um sal smr qu um oto amostral é lotado a rgão d ação do gráfco. S o stado corrt é o stado ou (3 ou 4) o sal é um alarm falso (vrdadro). O stado absorvt (stado 5) é alcaçado com a ocorrêca d um alarm vrdadro. A matrz d robabldad d trasçõs é dada or P od Pr[ Z < w Z < k] h Pr[ w < Z < w Z < k] h h Pr[ Z < w Z < k]( ) h Pr[ w < Z < k Z < k]( ) Pr[ Y < wy ~ N( δ,)] 33 Pr[ w < Y < k Y ~ N( δ,)] 34 Pr[ Y > k Y ~ N( δ,)] 35 Pr[ Y < wy ~ N( δ,)] 43 Pr[ w < Y < k Y ~ N( δ,)] 44 Pr[ Y > k Y ~ N( δ,)] 45 Das rordads lmtars d cadas d Markov (Çlar (975)) 43

44 TEC b ' (I Q) t (.) od b,,, ) é o vtor d robabldads cas, I é a matrz dtdad d ordm 4, ( 3 4 Q é a matrz d robabldads d trasção sm os lmtos assocados ao stado absorvt, ' t (,h,h, h ) h é o vtor d trvalos tr amostrags. Um gráfco d cotrol é mas fct qu o outro quado l tm a caacdad d dtctar altraçõs o rocsso com maor radz. Cotudo, os gráfcos d cotrol dvm sr comarados m gualdads d codçõs, sto é, dvm dmadar o msmo úmro d amostras, NA, a msma quatdad d ts a srm scoados, QI, durat o ríodo m cotrol, qu s suõ sr muto mas logo qu o ríodo fora d cotrol. Ada das rordads lmtars d cadas d Markov sgu NMA b (I Q) ' r QMI b (I Q) ' s od ' r (,,, ) ' s (,,, ). Portato NMA + )/( ) (.) ( QMI /( ) + /( ) (.) O NMA, QMI, TEC ara um gráfco adrão d X são faclmt dtrmados orqu ss caso, s m m rrstam o úmro d amostras tomadas do rocsso, ats aós a ocorrêca da causa scal, tão m + m são varávs alatóras gomtrcamt dstrbuídas com arâmtros q, rsctvamt. Portato, ara um gráfco adrão d X com tamaho d amostra trvalo tr amostrags h 44

45 NMA q/( q) (.3) QMI q/( ) (.4) q TEC h[ q / ( q) + / ] (.5) od q h Pr[ Y > k Y ~ N( δ, )] Para comarar o squma VSSI d motoramto com o squma adrão, os lmts d advrtêca dvm sr dados or; ( ) hh ) Φ Φ ( k ) Φ ( k ) (.6) w A xrssão (.6) fo obtda gualado o NMA (dado las xrssõs (.) (.3)) o QMI (dado las xrssõs (.) (.4)), od Φ ) é a fução dstrbução ormal adrão acumulada. ( Cosdrado o cojuto d arâmtros,,h, ), o usuáro od fxar aas três ( h dls. O últmo é fução dos dmas. Normalmt é o arâmtro h qu é dfdo m fução dos dmas h h [Φ( k) ] l ( hh ) [ Φ( k) Φ( w) Φ( w) (.7) 45

46 As Tablas.5.6 arstam os TES s ara város gráfcos d X com o tamaho das amostras /ou o trvalo tr amostrags varávl. A adoção d amostras d tamaho varávl /ou o trvalo tr amostrags varávl rduz o TES substacalmt. Tabla.5: TES s dos gráfcos d cotrol d X, squmas VSSI, VSI VSS, 3 46

47 Tabla.6: TES s dos gráfcos d cotrol d X, squmas VSSI, VSI VSS, 5 Nsta sção, or mo das rordads lmtars das cadas d Markov, fo ossívl obtr o TES ara os gráfcos d cotrol d X, squmas VSSI, VSI VSS. Na róxma sção, srá arstado um dsvolvmto matmátco altratvo ara a obtção do TES. Os dos rocdmtos lvam a valors d TES cada vz mas guas, a mdda m qu dmu. 47

48 48

49 .3. Esqumas Adatatvos Duas Alcados ao Tamaho das Amostras ao Itrvalo tr Rtrada d Amostras ao Fator d Abrtura dos Lmts d Cotrol Costa (999) roôs ara o gráfco d X varar o tamaho das amostras o stat d amostragm. Ercht, Costa Mds (3) adotaram st squma com o gráfco d c..3. Gráfco d Cotrol d X Costa (999) roôs o gráfco d cotrol d X com squma V d motoramto, m qu o tamaho das amostras, o trvalo d tmo tr rtrada d amostras, o fator d abrtura dos lmts d cotrol são varávs. O rocsso ca-s m cotrol com a méda μ μ, assm rmac até a ocorrêca d uma causa scal qu dsloca a méda do rocsso d μ ara μ μ ± δσ, sdo δ >. A osção do últmo oto amostral stablc o tamaho da róxma amostra o stat d sua amostragm (vd Fgura.5). S o últmo oto amostral rtc a rgão d advrtêca do gráfco tão a róxma amostral dvrá sr grad, sto é, la dv sr amostrada aós um trvalo curto d tmo, sto é h. Por outro lado, s o últmo oto amostral rtcr a rgão ctral do gráfco a róxma amostral dvrá sr qua, sto é, la dvrá sr amostrada aós um trvalo logo d tmo, sto é h. Além dsso, os valors d X dvrão sr lotados m um gráfco com lmts d advrtêca d ação dados or ± w / ± k / rsctvamt, od () s X vr d uma amostra qua (grad), sdo k >k>k w >w. Para vtar o uso d dos gráfcos d X, um ara amostras quas outro ara amostras grads, o usuáro od costrur o gráfco d X com duas scalas, uma do lado squrdo outra do lado drto, coform lustrado a Fgura.5. Os valors d X vdos d amostras quas 49

50 (grads) são lotados o gráfco d X cosdrado a scala da squrda (drta). Como a scala da squrda ão é uma fução lar da scala da drta, os lmts d advrtêca (/ou d ação) ara amostras quas grads ão cocdm. O gráfco d X da Fgura.5 é um gráfco scal, od as scalas da squrda da drta foram scolhdas ara qu os lmts d advrtêca do lado squrda do lado drto cocdam. Além dsso, a rgão d advrtêca ara amostras quas fo colhda forçado a cocdêca dos lmts d ação. Por smlcdad, os lmts do gráfco d X da Fgura.5 foram obtdos ara μ σ. gráfco roosto salza smr qu uma obsrvação d X ca a rgão d ação do gráfco. Quado μ μ o sal é um alarm falso, quado μ μ o sal é um alarm vrdadro. O tamaho da rmra amostra qu é rtrada do rocsso d rodução quado st s ca, ou aós um alarm falso, é scolhdo alatoramt. S la é grad (qua) la srá. O rtrada aós um curto (logo) trvalo d tmo. Durat o ríodo m cotrol todas as amostras, cludo a rmra, dvm tr robabldad d srm quas (- ) d srm grads, od [ ] Pr Z <w Z <k,,. (.8) od Z ~ N(,). A xrssão (.8) fo costruída sob a hóts qu, durat o ríodo m qu o rocsso rmac ajustado, as amostras tm robabldad (- ) d srm quas (grads). 5

51 X k / X k / w / -w / -k / w / -w / -k / h h + h h h + (h + h ) Tmo Lmt d ação Lmt d advrtêca Amostra qua (lotada utlzado a scala da squrda) Amostra grad (lotada utlzado a scala da drta) Fgura.5: Gráfco d X com duas scalas No Aêdc A é obtda a xrssão do tmo médo tr o stat m qu o rocsso s dsajusta o stat m qu o gráfco d cotrol salza tal dsajust, TES. Os oto arâmtros do squma d motoramto V utlzado com o gráfco d cotrol d X,, ), h, ), w, ) k, ), são scolhdos lvado m cota a rstrção m (.8) ( ( h as rstrçõs a sgur: ( w ( k ( + ) h + h ( ) h Pr[ Z > k] + Pr[ Z > k] ( ) Pr[ Z > k] (.9) (.) (.) 5

52 od, h, k são os arâmtros do gráfco d X adrão (gráfco d Shwhart). Usualmt 3, 4 ou 5, k 3,,, sm rda d graldad, h,. As rstrçõs stablcdas as xrssõs (.8) até (.) assguram qu a taxa d alarms falso a taxa d sção com o rocsso ajustado é a msma ara o gráfco d X adrão ara o gráfco d X com todos arâmtros varávs. D acordo com as xrssõs (.8), (.9) (.) o usuáro od scolhr os valors d um dos ars, ), h, ) ( ( ( h k, k ), um dos lmtos d cada ar rstat. Sugr-s scolhr (, ), os lmtos h k or duas razõs:. O gama d valors ara h ddm do tmo cssáro ara amostrar cada tm. O squma V é rcomdado ara dtctar quas altraçõs a méda do rocsso; st caso, o gráfco d X tm um mlhor dsmho quado k grad o sufct ara qu com amostras quas o rsco d s tr um alarm falso sja ratcamt zro. Os dmas arâmtros srão dados or: k Φ ( ) Φ( k) ( ) Φ( k ) h w Φ h( ( ) Φ( k ( ) + ) ) h ( ),, A Fgura.6 comara o gráfco d X com arâmtros varávs (V) com o gráfco d X com arâmtros fxo, gráfco d Shwhart. O Aêdc A arsta o dsvolvmto matmátco ara a obtção da xrssão do tmo srado até o sal TES. A adoção d arâmtros varávs rduz o TES substacalmt. 5

53 TES V Shwhart,5,6,7,8,9,,,3,4,5 δ Fgura.6: TES do Gráfco d Shwhart ( 4, h, K3,) do gráfco V (,, h,34, h,, w,97, w,8, k 6, k,579 ) A Tabla.7 lustra a fluêca do valors d k, h o TES do gráfco V. Quado s aumta o, s rduz h, ou s aumta o k, gráfco d cotrol salza quas mudaças a méda com maor radz 53

54 Tabla.7: Ifluêca dos valors d, h k o TES do Gráfco d V* k 6, 3, *NMA 37,4 h,,5,5 δ 8,5,84 8,99 9,5 4,39,6 6,87 5,8 5,43 7,,7 4,4 3,69 3,77 4,4,8 3,,93,97 3,,9,4,5,5,6,,7,,,6,,86,99,,,,7,8,83,8,3,57,66,68,67,4,47,53,56,54,5,38,4,45,43.3. Gráfco d Cotrol d c Ercht, Costa Mds (3) rousram o gráfco d cotrol d c com o tamaho das amostras, a abrtura dos lmts d cotrol o trvalo tr rtrada d amostras varávs (squma V). Sja um rocsso rodutvo, cuja statístca d trss x k é o úmro d ão coformdads m m udads d sção. A varávl x k tm dstrbução d Posso com méda c mu, od u é o úmro médo d ão coformdads or udad scoada. No íco d oração o rocsso é cosdrado star sob cotrol com uu, mas aós a ocorrêca da causa 54

55 scal o rocsso s dsajusta, os u assa d u ara u, com u >u. O rocsso rmac dsajustado até qu ocorra uma trvção ara rtorá-lo ao stado d cotrol. Suoha qu um gráfco adatatvo d c é utlzado ara cotrolar o rocsso. O gráfco adatatvo d c é dfdo com dos cojutos d arâmtros, Θ {m, h, UCL, WL } Θ {m, h, UCL, WL }, od m (, ) é o tamaho da amostra, h é o trvalo tr amostrags, UCL é o lmt d ação, WL é o lmt d advrtêca, sdo <WL <UCL (, ), m m h h. A oração do gráfco adatatvo d c é smls: a osção d x k o gráfco d cotrol stablc o cojuto d arâmtros, Θ ou Θ, ara a róxma amostra: s x k WL, us ara a róxma amostra o cojuto d arâmtros Θ ; s WL <x k UCL, us ara a róxma amostra o cojuto d arâmtros Θ ; s x k >UCL, vstgu a xstêca d causa scal. A artr da costrução d uma cada d Markov é ossívl obtr as rordads do gráfco adatatvo d c. A cada é costruída d tal modo qu, a cada stat d amostragm, um dtr três stados é alcaçado, dddo da osção do valor amostral x k (vd Tabla.8). Tabla.8. Estados da cada d Markov k ésma amostra Posção d x k (k+) ésma amostra Cojuto d arâmtros Estados da Cada d Markov x k WL Θ WL < x k UCL Θ x k > UCL 3* * stado absorvt (cotrol trromdo) S j rrsta a robabldad d trasção m um stágo do stado ra o stado j, quado uu s, s,tão; 55

sendo classificado como modelo de primeira ordem com (p) variáveis independentes.

sendo classificado como modelo de primeira ordem com (p) variáveis independentes. RGRSSAO MULTIPLA - comlmtação Itrodução O modlo lar d rgrssão múltla é da forma: sdo classfcado como modlo d rmra ordm com () varávs ddts. od: é a varávl d studo (ddt, xlcada, rsosta ou dóga); é o cofct

Leia mais

GABARITO DA SEGUNDA PROVA DE PTC-2433 TEORIA DAS COMUNICAÇÕES II - 19/10/2015

GABARITO DA SEGUNDA PROVA DE PTC-2433 TEORIA DAS COMUNICAÇÕES II - 19/10/2015 GABARITO DA EGUDA PROVA DE PTC-4 TEORIA DA COMUICAÇÕE II - 9// a. Qustão (, oto Dtrm a míma rlação (/ d um caal tlfôco (bada d Hz ara rmtr a trasmssão cofávl d. bts/s. Comt su rsultado. D C Blog ( + vm

Leia mais

A B LM. A onde Y Y ; P. P P, no PONTO. T o que provocará um C 0. T 0 desloca curva IS para a direita IS IS

A B LM. A onde Y Y ; P. P P, no PONTO. T o que provocará um C 0. T 0 desloca curva IS para a direita IS IS Gabarto Blachard Capítulo 7 2) Choqu d gasto médo prazo MODELO AD AS (OA-DA) Rdução do Imposto d Rda (T): C c c T 0 0 c 0 - cosumo autôomo c - propsão margal a cosumr T 0 dsloca curva IS para a drta Dado

Leia mais

3. Termodinâmica dos Gases. Modelos:

3. Termodinâmica dos Gases. Modelos: 3. rmodâmca dos Gass Modlos: Srm como rrêcas ara as quas os sstmas ras s aroxmam m codçõs lmts. Os modlos qu os trssam são os sguts: - gás rto - mstura d gass rta - solução dal Os modlos odm sr ddos d

Leia mais

Capítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b)

Capítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b) Capítulo Problma. Ω{C C C C C5 C R R R R R5 R} Od: Ccara Rcoroa 5 P 5 5 P 7 7 7 7 7 7 c Sm pos P j P P j j d 5 5 5 / / Problma. P 5 P 5 9 5 7 9 c Não pos P P P 9 d P / P / 5 P 5 P 5 Problma. Prchdo os

Leia mais

C5 C O termo geral do desenvolvimento de A( x ) é. Assim, vem: Número de casos possíveis: 6 C

C5 C O termo geral do desenvolvimento de A( x ) é. Assim, vem: Número de casos possíveis: 6 C Tst d avalação Pág Estm duas stuaçõs, a sabr: A Crsta ão va, ortato, o Atóo também ão va Os quatro blhts srão dstrbuídos los rstats quatro jovs, assm, o úmro d gruos é gual a um A Crsta va; os rstats três

Leia mais

Indice de Gini. Como existem N (N 1 ) / 2 pares distintos, o Gini corresponde a :

Indice de Gini. Como existem N (N 1 ) / 2 pares distintos, o Gini corresponde a : Idc d G Itrprtação Gométrca. Corrspod à razão tr a ára tr a curva a rta d prfta gualdad a ára total sob a rta d prfta gualdad (vara d 0 a. Emplo d Fução Bm Estar Socal Basada o G: A fução Bm Estar Socal

Leia mais

( )( ) ( ) 2 2 ( ) ( ) 2. Questões tipo exame. Pág θ =. θ =, logo. Portanto, 1.1. ( ) 2. = θ 4.º Q, ou. = θ, tem-se.

( )( ) ( ) 2 2 ( ) ( ) 2. Questões tipo exame. Pág θ =. θ =, logo. Portanto, 1.1. ( ) 2. = θ 4.º Q, ou. = θ, tem-se. + 8...... Sdo Arg( ) θ, tm-s sja, taθ θ.º quadrat, tão Portato,. Pág. 8 taθ θ.º Q, ou θ. + + b ( + ) + b( + ) + c b c + + + + c + + + b b c b+ b+ c ( b ) b+ c+ b+ c b c + b b c b Portato, b c.. + S Arg(

Leia mais

IND 1115 Inferência Estatística Semestre turma B Teste 2 10/06/2005 GABARITO

IND 1115 Inferência Estatística Semestre turma B Teste 2 10/06/2005 GABARITO IND 5 Ifrêca statístca Smstr 5. turma B Tst /6/5 GABARITO PROBLMA ( potos m caa qustão abao, qu s a afrmatva é vrara ou falsa (marqu um a altratva corrta. Não é cssáro justfcar a sua rsposta. Vraro Falso

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Ifrêca statístca Smstr 7. Tst 3//7 Nom: NOTA: SCRVA AS RSPOSTAS COMO FRAÇÕS OU COM 4 CASAS DCIMAIS NOTA : O FORMULÁRIO STÁ NO FINAL DA PROVA Problma (5 potos A quatdad d rfrgrat uma garrafa PT d

Leia mais

NÚMEROS COMPLEXOS. Podemos definir o conjunto dos números complexos como sendo o conjunto dos números escritos na forma:

NÚMEROS COMPLEXOS. Podemos definir o conjunto dos números complexos como sendo o conjunto dos números escritos na forma: NÚMEROS COMPLEXOS DEFINIÇÃO No cojuto dos úmros ras R, tmos qu a a a é smpr um úmro ão gatvo para todo a Ou sja, ão é possívl xtrar a ra quadrada d um úmro gatvo m R Portato, podmos dfr um cojuto d úmros

Leia mais

Estatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade

Estatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade Estatístca ultvarada Normal ultvarada Função dnsdad conjunta contorno d robabldad Prof. José Francsco orra Pssanha rofssorjfm@hotmal.com Dstrbução normal unvarada Sja uma varávl alatóra normalmnt dstrbuída

Leia mais

ANOVA Modelos de Efeitos Aleatórios

ANOVA Modelos de Efeitos Aleatórios O Modlos d Eftos latóros Modlos d Eftos latóros Ex. Tmpratura Corporal (ºC d mas Rpl 3 4 5 6 3 5 8 3 8 8 7 3 3 5 4 4 9 8 4 9 7 3 3 Obtvo do Exprmto: Estmar a tmpratura corporal dos amas d crta spéc m codçõs

Leia mais

3. VARIÁVEIS ALEATÓRIAS

3. VARIÁVEIS ALEATÓRIAS 3. VARIÁVEIS ALEATÓRIAS 0 Varávl alatóra Ω é o spaço amostral d um prmnto alatóro. Uma varávl alatóra,, é uma função qu atrbu um númro ral a cada rsultado m Ω. Emplo. Rtra-s, ao acaso, um tm produzdo d

Leia mais

Resoluções dos exercícios propostos

Resoluções dos exercícios propostos da físca 3 Undad C Capítulo 15 Indução ltromagnétca soluçõs dos xrcícos propostos 1 P.368 D L v, vm: 0,5 0, 1 5 2 V P.369 D L v, vm: 15 6 1 20 3 4 V P.370 a) L v 1,5 0,40 2 1,2 V b) 1,2 2 0,6 Pla rgra

Leia mais

TÓPICOS. Teoria dos residuos. Classificação de singularidades. Teorema dos resíduos.

TÓPICOS. Teoria dos residuos. Classificação de singularidades. Teorema dos resíduos. Not bm a ltura dsts apotamtos ão dspsa d modo algum a ltura atta da bblograa prcpal da cadra hama-s à atção para a mportâca do trabalho pssoal a ralar plo aluo rsolvdo os problmas aprstados a bblograa

Leia mais

Trabalho 3. Gustavo Mello Reis Página 1

Trabalho 3. Gustavo Mello Reis Página 1 Trabalho 3 Gustavo Mllo Ris Págia 1 1. Histograma a) Uma mprsa qu fabrica doc d lit dsja studar a distribuição da quatidad d doc lit por lata (), com o objtivo d visualizar a variação dsta. Para isto foi

Leia mais

Raciocínio-Lógico (Receita Federal 2009 Prova 1 - Gabarito 1):

Raciocínio-Lógico (Receita Federal 2009 Prova 1 - Gabarito 1): Racocío-Lógco (Rcta Fdral 009 Prova 1 - Gabarto 1): 1 Cosdr a sgut proposção: S chov ou va, tão o chão fca molhado. Sdo assm, pod-s afrmar qu: a) S o chão stá molhado, tão chovu ou vou b) S o chão stá

Leia mais

C. Almeida (1987) Determinação da transmissividade e coeficiente de armazenamento por ensaios de recuperação

C. Almeida (1987) Determinação da transmissividade e coeficiente de armazenamento por ensaios de recuperação C. Almda (1987 Dtrmação da tramvdad cofct d armazamto or ao d rcuração Hdrogologa y Rcuro Hdráulco, t. XII,. 689-694. IV IMPOIO DE HIDROGEOLOGÍA ALMEIDA, Carlo DEERMINAÇÃO DE RANMIIVIDADE E COEFICIENE

Leia mais

Variáveis aleatórias Conceito de variável aleatória

Variáveis aleatórias Conceito de variável aleatória Variávis alatórias Muitos primtos alatórios produzm rsultados ão-uméricos. Ats d aalisá-los, é covit trasformar sus rsultados m úmros, o qu é fito através da variávl alatória, qu é uma rgra d associação

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISRAÇÃO E CONABILIDADE DEPARAMENO DE ECONOMIA EAE 26 Macroconomia I 1º Smstr d 217 Profssor Frnando Rugitsky Lista d Exrcícios 4 [1] Considr uma macroconomia

Leia mais

Estimação dos Estados da Cadeia de Markov de um MMPP(2)

Estimação dos Estados da Cadeia de Markov de um MMPP(2) Estmação dos Estados da Cada d Markov d um MMPP() Cláuda Nus Atóo Pachco Dpartamto d Matmátca Ctro d Matmátca Aplcada Isttuto Supror écco Rsumo: Um MMPP (Markov Modulatd Posso Procss) é um procsso d Posso

Leia mais

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas Dstrbuçõs Dscrtas Dstrbuçõs 30/09/05 Contínuas DISTRIBUIÇÃO DE PROBABILIDADE Dscrtas DISTRIBUIÇÃO BIOMIAL Bnomal Posson Consdramos n tntatvas ndpndnts, d um msmo prmnto alatóro. Cada tntatva admt dos rsultados:

Leia mais

Capítulo 2. Problema 01. intervalar. Problema 02. (a) Freqüência Proporção Porcentagem. 100 f i

Capítulo 2. Problema 01. intervalar. Problema 02. (a) Freqüência Proporção Porcentagem. 100 f i Capítulo roblma a b c d f g razão ordal razão trvalar razão omal trvalar roblma a b c stado Frqüêca roporção orctagm Cvl f f Casado,556 55,56 Soltro 6,, Total 6,, Rgão d rocdêca Frqüêca roporção orctagm

Leia mais

Teoria dos Jogos. Prof. Maurício Bugarin

Teoria dos Jogos. Prof. Maurício Bugarin Toria dos Jogos Prof. Maurício Bugari Ca. 5. Jogos Diâmicos com Iformação Icomlta Rotiro Caítulo 5. Jogos Diâmicos com Iformação Icomlta Dfiição d Equilíbrio Baysiao Prfito Alicação: Jogos d sialização:

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Capítulo 6. Problema 01. P(X=x) Problema X P(X=x) 1. Problema 03. X = 512 combinações possíveis

Capítulo 6. Problema 01. P(X=x) Problema X P(X=x) 1. Problema 03. X = 512 combinações possíveis Caítulo 6 roblma.! Ω 56 combiaçõs ossívis 5!! 5 5 5 5 5 tão a distribuição d é dada or: 5 56 56 56 56 roblma. Ω 5 combiaçõs ossívis 5 7 5 5 5 5 5 5 roblma. C RC RRC 4 7 5 5 5 - ca.6 ág. -- 5 5 5 5 4...

Leia mais

CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO

CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO Exst um cojuto d métodos statístcos qu vsam studar a assocação tr duas ou mas varávs alatóras. Dtr tas métodos, a tora da rgrssão corrlação ocupa um lugar d dstaqu por

Leia mais

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre aculdad d Ecoomia Uivrsidad Nova d Lisboa EXAME DE CÁLCULO I Ao Lctivo 009-0 - º Smstr Eam ial d ª Época m d Jairo d 00 Duração: horas 0 miutos É proibido usar máquias d calcular ou tlmóvis Não tha o su

Leia mais

PINDYCK & RUBINFELD, CAP 5; VARIAN, CAP.12

PINDYCK & RUBINFELD, CAP 5; VARIAN, CAP.12 Escolha sob Icrtza PINDYCK & RUBINFELD, CAP 5; VARIAN, CAP. OBS.: ESTAS NOTAS DE AULA NÃO FORAM SUBMETIDAS A REVISÃO, TENDO COMO ÚNICA FINALIDADE A ORIENTAÇÃO DA APRESENTAÇÃO EM CLASSE. COMENTÁRIOS SÃO

Leia mais

DESENVOLVIMENTO DE UM NOVO ALGORITMO PARA ANÁLISE VISCOPLÁSTICA COM O MÉTODO DOS ELEMENTOS DE CONTORNO

DESENVOLVIMENTO DE UM NOVO ALGORITMO PARA ANÁLISE VISCOPLÁSTICA COM O MÉTODO DOS ELEMENTOS DE CONTORNO NICHOLAS CARBONE DESENVOLVIMENTO DE UM NOVO ALGORITMO PARA ANÁLISE VISCOPLÁSTICA COM O MÉTODO DOS ELEMENTOS DE CONTORNO SÃO PAULO 007 NICHOLAS CARBONE DESENVOLVIMENTO DE UM NOVO ALGORITMO PARA ANÁLISE

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc. Cotabilomtria Prof.: Patricia Maria Bortolo, D. Sc. Dimsioado Amostras Itrvalos d Cofiaça m Auditoria Fot: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Toria Aplicaçõs,

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

Capitulo 5 Resolução de Exercícios

Capitulo 5 Resolução de Exercícios Captulo 5 Rsolução Exrcícos FORMULÁRIO Dscoto Racoal Smpls D ; D ; ; D R R R R R R Dscoto Comrcal Smpls D ; ; D C C C C Dscoto Bacáro Smpls D s ; s ; D b b b b s Db ; b Rlaçõs tr o Dscoto Racoal Smpls

Leia mais

Leonardo da Vinci ( ), artista, engenheiro e cientista italiano

Leonardo da Vinci ( ), artista, engenheiro e cientista italiano ormas dos rabalhos Vrtuas Itrodução Loardo da Vc (45-59), artsta, ghro ctsta talao Aplcou oçõs do prcípo dos dslocamtos vrtuas para aalsar o qulíbro d sstmas d polas alavacas PEF-40 Prof. João Cyro Adré

Leia mais

O He Líquido. e α N V. Caso de 1 mol de He em CNTP:

O He Líquido. e α N V. Caso de 1 mol de He em CNTP: Caso d mol d H m CNTP: α O H Líquido h c N (,4 kv.m) ( ) / mc V ( 4 GV,5 V) 5 (,4 V.m) 6,5 6 / ( 4 V 5 V) /,4 m ( 68) FNC76 - Física Modra / 6,4,5 4,5 cm 6

Leia mais

1. O domínio de uma sucessão é o conjunto dos números naturais. A única representação gráfica que obedece a esta condição é a da opção D.

1. O domínio de uma sucessão é o conjunto dos números naturais. A única representação gráfica que obedece a esta condição é a da opção D. Prarar o Exam 05/06 Matmática A Págia 69. O domíio d uma sucssão é o cojuto dos úmros aturais. A úica rrstação gráfica qu obdc a sta codição é a da oção D. Nota qu DA, D B 0 DC. Rsosta: D. Numa rogrssão

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Programas Baseados em Conhecimento: Uma Abordagem Inicial

Programas Baseados em Conhecimento: Uma Abordagem Inicial Programas Basados m Cohcmto: Uma Abordagm Ical S Isota Aluo d Mstrado m Cêca da Comutação Isttuto d Matmátca Estatístca Uvrsdad d São Paulo (USP) sota@m.us.br Rsumo. No dsvolvmto d sstmas comutacoas comlxos

Leia mais

GRÁFICOS DE CONTROLE X PARA PROCESSOS ROBUSTOS

GRÁFICOS DE CONTROLE X PARA PROCESSOS ROBUSTOS GRÁFICOS DE CONTROLE X PARA PROCESSOS ROBUSTOS v.5, n.3,. 259-27, dez. 998 Antono Fernando Branco Costa UNESP Camus de Guaratnguetá Dto. de Produção 25- C. Postal 25 Guaratnguetá SP emal: fbranco@rovale.com.br

Leia mais

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

Em termos da fração da renda total da população recebida por cada pessoa, na distribuição dual temos. pessoas

Em termos da fração da renda total da população recebida por cada pessoa, na distribuição dual temos. pessoas 6. Dual do Ídic d hil Dfiição Gral do Dual: Sja x uma variávl alatória com média µ distribuição tal qu o valor d crta mdida d dsigualdad é M. Chama-s dual a distribuição com as sguits caractrísticas: a.

Leia mais

1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução

1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Ára d uma Suprfíc

Leia mais

Resolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra.

Resolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra. Dscplna: SComLMol Numann, Ulam Mtropols (945-947) Numann Ulam [945] prcbram qu problmas dtrmnístcos podm sr transormados num análogo probablístco qu pod sr rsolvdo com amostragm alatóra. Els studavam dusão

Leia mais

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 OBSRABILIDAD ANÁLIS D RROS GROSSIROS M STIMAÇÃO D STADO COM MDIDAS SCADA FASORIAIS SINCRONIZADAS CAMILA A. FANTIN, MADLIN R. CASTILLO, JOÃO BOSCO A. LONDON JR scola d ghara d São Carlos, Uvrsdad d São

Leia mais

Décima terceira aula de ME5330 conceito de rotação específica. Novembro de 2010

Décima terceira aula de ME5330 conceito de rotação específica. Novembro de 2010 Décima trcira aula d ME5330 cocito d rotação scífica Novmbro d 010 O qu fazr quado ão é dado o NP rqurido lo fabricat? Dvmos rcorrr ao fator d Thoma, o qual dd da rotação scífica.? uro vr isto com um xmlo!

Leia mais

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM O modlo log-lnar d Posson Intrss m modlar a dstrbução d uma varávl rfrnt a algum tpo d contagm m função d covarávs. A stratéga mas comum para modlagm nssas stuaçõs

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

sen( x h) sen( x) sen xcos h sen hcos x sen x

sen( x h) sen( x) sen xcos h sen hcos x sen x MAT00 Cálculo Difrcial Itgral I RESUMO DA AULA TEÓRICA Livro do Stwart: Sçõs 3., 3.4 3.8. DEMONSTRAÇÕES Nssa aula srão aprstadas dmostraçõs, ou sboços d dmostraçõs, d algus rsultados importats do cálculo

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

Problemas. Regressão Linear Múltipla. Ajuda a encontrar relações Ceteris Paribus entre variáveis; Melhora o ajuste ao dados; Maior flexibilidade.

Problemas. Regressão Linear Múltipla. Ajuda a encontrar relações Ceteris Paribus entre variáveis; Melhora o ajuste ao dados; Maior flexibilidade. Prof. Lorí Val, Dr. val@at.ufrgs.br http://www.at.ufrgs.br/~val/ Rgrssão Lar Múltpla O odlo d rgrssão lar últpla Itrodução Dfção trologa Itrprtação Estação Itrprtação rvstada Qualdad do aust Proprdads

Leia mais

Aula 10. Antes de iniciarmos o estudo das ondas iônicas em plasmas, faremos uma breve revisão de fenômenos acústicos num gás neutro e aquecido.

Aula 10. Antes de iniciarmos o estudo das ondas iônicas em plasmas, faremos uma breve revisão de fenômenos acústicos num gás neutro e aquecido. Aula Nsta aula, cotuamos o capítulo 4 do lvo txto, od agoa vstgamos a osclação atual dos íos também sua popagação ao logo do plasma. 4.4 Odas Iôcas Ats d camos o studo das odas ôcas m plasmas, famos uma

Leia mais

Teoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2014-I. Aula 7 Teoria dos Jogos Maurício Bugarin. Roteiro

Teoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2014-I. Aula 7 Teoria dos Jogos Maurício Bugarin. Roteiro Tora dos Jogos Prof. Mauríco Bugarn Eco/UnB 4-I Rotro Capítulo : Jogos dnâmcos com nformação complta. Jogos Dnâmcos com Informação Complta Prfta Forma xtnsva Estratégas Equlíbro d Nash Subjogos qulíbro

Leia mais

Copyright LTG 2013 LTG/PTR/EPUSP

Copyright LTG 2013 LTG/PTR/EPUSP 1 Na Godésia a Topografia s ralizam mdiçõs d âgulos, distâcias, tc. Mdir uma gradza sigifica obtr um úmro associado a uma uidad qu rprst o valor dssa gradza. Tudo o qu s pod mdir (obsrvar) é domiado obsrvávl.

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

Não serão feitos esclarecimentos individuais sobre questões durante a prova. Não se esqueça que tudo é para justificar.

Não serão feitos esclarecimentos individuais sobre questões durante a prova. Não se esqueça que tudo é para justificar. Eam m 7 d Jairo d 007 Cálculo ATENÇÃO: FOLHAS DE EXAE NÃO IDENTIFICADAS NÃO SERÃO COTADAS Cálculo / Eam fial ª Época 7 Jairo d 007 Duração: horas 0 miutos Rsolva os grupos do am m folhas sparadas O uso

Leia mais

Modelos com Variáveis Dependentes Qualitativas. Prob(Y = 1) = F(β X) probabilidade de um indivíduo com determinadas características X trabalhar

Modelos com Variáveis Dependentes Qualitativas. Prob(Y = 1) = F(β X) probabilidade de um indivíduo com determinadas características X trabalhar Modlos co Varávs Dpdts Qualtatvas Cosdr, por xplo, odlar a partcpação a força d trabalho. Atrbura-s valor zro a ão partcpação p u a partcpação p o rcado d trabalho. Fators tas coo: dad, ducação, stado

Leia mais

O Modelo Logístico Aplicado a Estudos Epidemiológicos

O Modelo Logístico Aplicado a Estudos Epidemiológicos O Modlo Logístco Aplcado a studos pdmológcos Aluíso J D Barros uclyds Custódo d Lma Flho 99 / 994. Dfçõs báscas.. O studo prospctvo O studo prospctvo também chamado d studo d coorts ou follow-up é um dsho

Leia mais

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre Faculdad d Ecoomia Uivrsidad Nova d Lisboa EXAME DE CÁLCULO I Ao Lctivo 8-9 - º Smstr Eam Fial d ª Época m d Jairo 9 Tópicos d Corrcção Duração: horas miutos É proibido usar máquias d calcular ou tlmóvis

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

TEMA 3 NÚMEROS COMPLEXOS FICHAS DE TRABALHO 12.º ANO COMPILAÇÃO TEMA 3 NÚMEROS COMPLEXOS. Jorge Penalva José Carlos Pereira Vítor Pereira MathSuccess

TEMA 3 NÚMEROS COMPLEXOS FICHAS DE TRABALHO 12.º ANO COMPILAÇÃO TEMA 3 NÚMEROS COMPLEXOS. Jorge Penalva José Carlos Pereira Vítor Pereira MathSuccess FICHAS DE TRABALHO º ANO COMPILAÇÃO TEMA NÚMEROS COMPLEXOS St: http://wwwmathsuccsspt Facbook: https://wwwfacbookcom/mathsuccss TEMA NÚMEROS COMPLEXOS Matmátca A º Ano Fchas d Trabalho Complação Tma Númros

Leia mais

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

Anexo III Temperatura equivalente de ruído, Figura de ruído e Fator de mérito para estações de recepção (G/T)

Anexo III Temperatura equivalente de ruído, Figura de ruído e Fator de mérito para estações de recepção (G/T) Axo III mpratura quivalt d ruído, igura d ruído ator d mérito para staçõs d rcpção (/) III.. mpratura Equivalt d Ruído A tmpratura quivalt d ruído d um compot pod sr dfiida como sdo o valor d tmpratura

Leia mais

Aula 15 O Diodo e a junção pn na condição de polarização direta

Aula 15 O Diodo e a junção pn na condição de polarização direta Aula 15 O iodo a jução a codição d olarização dirta P/EPUP 362 362 P 2223 trodução à Eltrôica Programação ara a Primira Prova P/EPUP 11ª 05/04 12ª 08/04 13ª 12/04 14ª 15/04 15ª 26/04 16ª 29/04 17ª 03/05

Leia mais

PTC-2433 TEORIA DAS COMUNICAÇÕES II ADENDO SOBRE CÓDIGOS CORRETORES / DETECTORES DE ERRO

PTC-2433 TEORIA DAS COMUNICAÇÕES II ADENDO SOBRE CÓDIGOS CORRETORES / DETECTORES DE ERRO TC-433 TEORIA DAS COMUNICAÇÕES II ADENDO SOBRE CÓDIGOS CORRETORES / DETECTORES DE ERRO Rcordado a visualização gométrica pod-s aida scrvr qu: ara dtctar até l rros por palavra d mi l Corrigir até t rros

Leia mais

IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS NÃO-LINEARES CONTÍNUOS UTILIZANDO MODELOS NARMAX: ESTUDO DE CASO DE UM FORNO A ARCO ELÉTRICO

IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS NÃO-LINEARES CONTÍNUOS UTILIZANDO MODELOS NARMAX: ESTUDO DE CASO DE UM FORNO A ARCO ELÉTRICO IDENIFICAÇÃO DE SISEMAS DINÂMICOS NÃOLINEARES CONÍNUOS UILIZANDO MODELOS NARMAX: ESUDO DE CASO DE UM FORNO A ARCO ELÉRICO EDGAR CAMPOS FURADO, EDUARDO M. A. M. MENDES, ERIVELON G. NEPOMUCENO, VALCERES

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +

Leia mais

Departamento de Produção, UNESP, Campus de Guaratinguetá Av. Ariberto Pereira da Cunha, 333, Guaratinguetá, S.P. CEP

Departamento de Produção, UNESP, Campus de Guaratinguetá Av. Ariberto Pereira da Cunha, 333, Guaratinguetá, S.P. CEP A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 3, Natal-RN MONITORAMENTO DA MÉDIA E DA VARIABILIDADE DE UM PROCESSO POR MEIO DA ESTATÍSTICA DE QUI-QUADRADO NÃO- CENTRALIZADA Antôno Fernando

Leia mais

Identifique todas as folhas Folhas não identificadas NÃO SERÃO COTADAS. Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I

Identifique todas as folhas Folhas não identificadas NÃO SERÃO COTADAS. Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I Idtifiqu todas as folhas Folhas ão idtificadas NÃO SERÃO COTADAS Faculdad d Ecoomia Uivrsidad Nova d Lisboa EXAME DE CÁLCULO I Ao Lctivo 8-9 - º Smstr Exam Fial d ª Época m 5 d Maio 9 Duração: horas miutos

Leia mais

RI406 - Análise Macroeconômica

RI406 - Análise Macroeconômica Fdral Univrsity of Roraima, Brazil From th SlctdWorks of Elói Martins Snhoras Fall Novmbr 18, 2008 RI406 - Anális Macroconômica Eloi Martins Snhoras Availabl at: http://works.bprss.com/loi/54/ Anális Macroconômica

Leia mais

(1) Raízes n-ésimas. r cos. nϕ = θ + 2kπ; k = 0, 1, 2, 3, 4,... ρ n cos nϕ = r cos θ ρ n = r ρ= (r) 1/n. Portanto:

(1) Raízes n-ésimas. r cos. nϕ = θ + 2kπ; k = 0, 1, 2, 3, 4,... ρ n cos nϕ = r cos θ ρ n = r ρ= (r) 1/n. Portanto: Raís -ésmas A ra -ésma d um úmro complxo s é o complxo s Vamos vr qu os complxos possum raís dfrts!!! Em coordadas polars: s r cos θ s θ ρ cos ϕ s ϕ Aplcado Movr trmos: r cos θ s θ ρ cos ϕ s ϕ Portato:

Leia mais

Capítulo 9 Problema 01 Problema 03 Problema 04

Capítulo 9 Problema 01 Problema 03 Problema 04 Bssab&Morett Caítlo Problema mod, orqe + mod, orqe + Problema a, m m, ( ) mod mod, ( ) mod mod, ( ) mod mod,...,,,,..., Portato, o eríodo esse caso é h. Problema a, m, m ( ) mod mod, ( ) mod mod, ( ) mod

Leia mais

Fundação Escola Técnica Liberato Salzano Vieira da Cunha Curso de Eletrônica Eletrônica de Potência Prof. Irineu Alfredo Ronconi Junior

Fundação Escola Técnica Liberato Salzano Vieira da Cunha Curso de Eletrônica Eletrônica de Potência Prof. Irineu Alfredo Ronconi Junior Fundação Escola écnica Librato Salzano Viira da Cunha Curso d Eltrônica Eltrônica d Potência Prof. Irinu Alfrdo onconi Junior Introdução: O rsnt txto dvrá tratar d uma art da Eltrônica conhcida como Eltrônica

Leia mais

Boltzmann como boa aproximação das distribuições quânticas = 1. ε 2 ε

Boltzmann como boa aproximação das distribuições quânticas = 1. ε 2 ε oltzma como boa aproximação das distribuiçõs quâticas Fator d oltzma: ( ε ) ( ε ) g g ( ε ) ( ε ) ε ε Podmos usá-lo para dtrmiar a razão d ocupação d stados m um sistma quâtico, quado ε >>. Exmplo: colisõs

Leia mais

Análise de regressão

Análise de regressão Análs d rgrssão Slvana Lags Rbro Garca FDV Hlo Garca Lt UFV Um dos usos da análs d rgrssão é vrfcar s, como, uma ou mas varávs ndpndnts nfluncam o comportamnto d outra varávl dpndnt Y. As varávs ndpndnts

Leia mais

Módulo 03. Determinantes. [Poole 262 a 282]

Módulo 03. Determinantes. [Poole 262 a 282] Móulo Not m, ltur sts potmtos ão sps moo lum ltur tt lor prpl r Cm-s à tção pr mportâ o trlo pssol rlzr plo luo rsolvo os prolms prstos lor, sm osult prév s soluçõs proposts, áls omprtv tr s sus rspost

Leia mais

Capitulo 4 Resolução de Exercícios

Capitulo 4 Resolução de Exercícios FORMULÁRIO i Taxa Proporcioal ou quivalt (juros simpls) i k Taxas Equivalts (juros compostos) 3 i i i i i i i 4 6 360 a s q t b m d Taxa Eftiva Nomial k i i p ao príodo d capitalização ; i k Taxa Ral Taxa

Leia mais

Fluxo de caixa em condições de risco

Fluxo de caixa em condições de risco JUL. AGO. SET. 5 ANO XI, Nº 4 9-4 INTEGRAÇÃO 9 Fluxo d caixa m codiçõs d risco ANTONIO SCORCIAPINO* Rsumo Est trabalho tm como obtivo mostrar algus métodos d avaliação d rotos, or mio d fluxos d caixa,

Leia mais

Questão (a) 3.(b) 3.(c) 3.(d) 4.(a) 4.(b) 5.(a) 5.(b) 6 Cotação

Questão (a) 3.(b) 3.(c) 3.(d) 4.(a) 4.(b) 5.(a) 5.(b) 6 Cotação Faculdad d Ciêcias Exatas da Egharia PROVA DE AVALIAÇÃO DE CONHECIMENTOS E COMPETÊNCIAS PARA ADMISSÃO AO ENSINO SUPERIOR PARA MAIORES DE ANOS - 07 Matmática - 4/06/07 Atção: Justifiqu os raciocíios utilizados

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

3. Medidas de desempenho são combinadas sobre todas as. 2. Medidas de desempenho preditas são obtidas usando modelos de regressão para as respostas:

3. Medidas de desempenho são combinadas sobre todas as. 2. Medidas de desempenho preditas são obtidas usando modelos de regressão para as respostas: Função d rfrêna oal C m Funçõs objo alrnaas ara omzação d xrmnos om múllas rsosas Fláo Foglao Projo d Exrmnos II Abordagns ara omzação mulrsosa Omzação Mulrsosa Prodmno adrão. Rsosas modladas omo função

Leia mais

CÁLCULO I 2º Semestre 2011/2012. Duração: 2 horas e 15 minutos

CÁLCULO I 2º Semestre 2011/2012. Duração: 2 horas e 15 minutos NOVA SCHOOL OF BSINESS AND ECONOMICS CÁLCLO I º Smstr / CORRECÇÃO DO EXAME ª ÉPOCA Maio Duração: horas miutos Não é prmitido o uso d aluladoras. Não pod dsagraar as olhas do uiado. Rspoda d orma justiiada

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

MATEMÁTICA. QUESTÃO 1 De quantas maneiras n bolas idênticas podem ser distribuídas em três cestos de cores verde, amarelo e azul?

MATEMÁTICA. QUESTÃO 1 De quantas maneiras n bolas idênticas podem ser distribuídas em três cestos de cores verde, amarelo e azul? (9) - www.litcampias.com.br O ELITE RESOLVE IME 8 TESTES MATEMÁTICA MATEMÁTICA QUESTÃO D quatas mairas bolas idêticas podm sr distribuídas m três cstos d cors vrd, amarlo azul? a) b) d) ( )! ) Rsolução

Leia mais

XXXI Olimpíada Brasileira de Matemática GABARITO Primeira Fase

XXXI Olimpíada Brasileira de Matemática GABARITO Primeira Fase XXXI Olimpíada Brasilira d Matmática GABARITO Primira Fas Soluçõs Nívl Uivrsitário Primira Fas PROBLEMA ( x) a) A drivada da fução f é f ( x) =, qu s aula apas para x =, sdo gativa para x < positiva para

Leia mais

λ, para x 0. Outras Distribuições de Probabilidade Contínuas

λ, para x 0. Outras Distribuições de Probabilidade Contínuas abilidad Estatística I Antonio Roqu Aula 3 Outras Distribuiçõs d abilidad Contínuas Vamos agora studar mais algumas distribuiçõs d probabilidads para variávis contínuas. Distribuição Eponncial Uma variávl

Leia mais