ANÁLISE DE TRANSMISSÃO DE VARIABILIDADE EM UMA LINHA DE TORREFAÇÃO DE FUMO
|
|
- Stefany Lombardi Câmara
- 7 Há anos
- Visualizações:
Transcrição
1 XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 12 a15 de outubro de 10. ANÁLISE DE TRANSMISSÃO DE VARIABILIDADE EM UMA LINHA DE TORREFAÇÃO DE FUMO João Francisco da Fontoura Vieira (UFRGS) jhueao@hotmail.com Milton Guilherme D Ávila Rucks (UFRGS) rucks@hotmail.com Rafael Sant Anna Pimenta (UFRGS) rspimenta@gmail.com Esse artigo apresenta a aplicação prática da Análise de Transmissão de Variabilidade através de um estudo de caso. São discutidas situações em que esse método é eficiente em detrimento ao Controle Estatístico do Processo. São abordadas, tammbém, a complexidade e a importância de se detectar as reais fontes de variabilidade em um processo composta por várias etapas. Por fim, conclui-se que, em situações onde há grande transmissão de variabilidade, as ações de melhoria devem ocorrer sobre as etapas transmissoras. Palavras-chaves: Variabilidade, controle estatístico de processos, indústria do fumo
2 1. Introdução Analisar com exatidão os dados medidos das características de qualidade em um ambiente fabril é um desafio a qualquer profissional da área. É preciso não somente verificar se um produto está dentro ou não das especificações, mas também encontrar as causas de eventuais problemas. A variabilidade no produto é um dos principais obstáculos para a obtenção de um bom nível de qualidade. Portanto, deve-se utilizar uma técnica adequada que possibilite verificar se o produto está dentro dos limites de controle e auxilie na detecção dos problemas que causam variabilidade no produto. Em processos de fabricação que envolvem multiplas etapas, o controle da variabilidade tornase mais complexo. Segundo Lawless et al. (1999), para reduzir a variação do processo é importante entender como a variação é adicionada e transmitida durante as etapas. Com isso, deve-se verificar o quanto da variabilidade é proveniente das etapas anteriores e o quanto é adicionado pela etapa em análise. O tema deste artigo é transmissão de variabilidade. Segundo Huang, Shi e Zhou (03) devido as complicadas interações entre as diferentes variabilidades em diferentes etapas, poucas abordagens têm sido propostas para análise da transmissão de variabilidade em processos multi etapas. Alguns autores que apresentaram propostas nesse sentido foram Mantripragada e Whitney, Lawless, Huang, Shi, Zhou, Ding, Ceglarek, Apley, Wade e Woodall. O presente artigo apresenta a aplicação de uma metodologia que habilita a verificação e detecção das fontes de variabilidade existentes em uma linha em série, na qual o produto passa por diversas etapas, sendo uma única característica da qualidade medida ao final de cada etapa. O artigo é organizado da seguinte maneira. Na seção 2 é apresentada uma revisão bibliográfica sobre os métodos utilizados no trabalho. Na seção 3 apresenta-se a metodologia proposta e na seção 4 a aplicação do método em uma linha de torrefação de fumo e os resultados gerados. Por fim, a seção 5 apresenta uma conclusão. 2. Pressuposto Teórico Para Werkema (1996), a variabilidade é o resultado de alterações nas condições sob as quais as observações são tomadas. Tais alterações podem refletir diferenças entre matérias-primas, as condições dos equipamentos, os métodos de trabalho, as condições ambientais e os operadores envolvidos no processo considerado. Segundo Deming (1998), tudo é variável e nada é perfeitamente estável. Nos processos industriais e na natureza, variabilidade é uma certeza. A redução da variabilidade e das perdas devidas à má qualidade contribui para a redução de custos e o aumento da competitividade, bem como para manter e melhorar a imagem da empresa no mercado (MAYER, 04). Uma ferramenta amplamente difundida para a análise da variabilidade é o Controle Estatístico do Processo (CEP). Entretanto para processos fabris compostos por várias etapas, cartas de controle precisam ser desenvolvidas para cada etapa, com o objetivo de detectar eventos especiais. O CEP não enfoca na análise da transmissão de variabilidade ou no diagnóstico da causa raiz (HUANG e SHI, 03). Uma estratégia para reduzir a variabilidade em processos de fabricação é primeiro identificar as fontes de variação e, então, tomar soluções corretivas. Em processos compostos por etapas 2
3 discretas, algumas podem estar originando variabilidade e outras podem estar absorvendo variabilidade das etapas anteriores (LAWLESS et al., 1999). Fioriolli (03) propôs uma análise de transmissão de variabilidade de estoques ao longo de uma cadeia de abastecimento. A análise possibilita identificar fontes de variabilidade, além de mensurar a intensidade de transmissão das variações. Ding et al. (00a, 00b) propôs um modelo de propagação do erro dimensional, porém é limitado à análise de variações dimensionais ou geométricas. Wade e Woodall (1993) utilizaram cartas de controle para seleção de causas (cause-selecting control charts) a fim de diagnosticar causas especiais em processos com várias etapas. Lawless and Mackay (1999) discutem métodos para identificar a transmissão de variabilidade em características de qualidade de produtos que são processados em uma linha com várias etapas. A análise de transmissão de variabilidade proposta por Lawless, Mackay e Robinson (1999), aplicada no estudo de caso apresentado neste artigo, tem como base a regressão linear. Segundo Ribeiro e ten Caten (00), modelos de regressão devem ser utilizados quando é importante modelar a relação entre duas ou mais variáveis, verificando como elas interagem entre si. Muitos problemas em Engenharia e Ciência envolvem a investigação do relacionamento entre duas ou mais variáveis. A Análise de Regressão é, assim, uma técnica estatística útil na investigação desses tipos de problemas (MONTGOMERY, 07). Três tipos de análise de regressão podem ser caracterizados em função do número de variáveis consideradas (RENCHER, 1995 apud FIORIOLLI, 03): regressão linear simples (envolvendo uma variável dependente e uma variável independente), regressão linear múltipla univariada (envolvendo uma variável dependente e uma ou mais variáveis independentes) e regressão linear múltipla multivariada (duas ou mais variáveis dependentes e duas ou mais variáveis independentes). No presente artigo, somente utiliza-se a Regressão Linear Simples. É importante salientar que um modelo de Regressão Linear é linear na relação entre os parâmetros, independente da forma dos preditores do modelo (RYAN, 09). No modelo proposto por Lawless, Mackay e Robinson (1999) assume-se que uma característica é medida a cada k etapas e denota-se a medida no estágio i como Yi como verificado abaixo: Y i = α i + β i Y i-1 + є i i=2...k (1) Esse é um modelo autoregressivo, onde Yi é função de Yi-1 e os єi s são os resíduos da equação da reta da regressão. Adotando-se Var(Yi) como σ²i, verefica-se que onde: σ²i = β²i σ²i-1 + σ²ia i=2...k (2) σ² i é a variância total da etapa, σ² i,a é a variância adicionada na etapa atual, σ² i-1 é a variância da etapa anterior e β² i é o coeficiente que mede a transmissão de variabilidade até a etapa atual a partir da etapa anterior. Assim o termo β² i σ² i-1 representa a variabilidade transmitida a partir da etapa imediatamente anterior. A variância total da última etapa pode ser expressa utilizando k equações: 3
4 σ ² k = β² k σ² k-1 + σ² k,a (3) σ² k-1 = β² k-1 σ² k-2 + σ² k-1,a (4) σ² k-2 = β² k-2 σ² k-3 + σ² k-2,a (5) σ² 2 = β² 2 σ² 1 + σ² 2,A (6) σ² 1 = σ² 1,A (7) Ao substituir as equações (4), (5), (6) e (7), de modo recursivo, na eq. (3), obtém-se: σ ² k = σ ² k,a + β² k σ² k-1,a + β² k β² k-1 σ² k-2,a + + β² k β² k-1 β² k-2 β² 2 σ² 1,A (8) Através da eq. (8) é possível mensurar a variabilidade transmitida à ultima etapa por cada uma das etapas anteriores. Os cálculos necessários para estimar as variâncias e coeficientes que medem a intensidade da transmissão de variabilidade são: Onde: i=1 (9) i = 1,,k (10) (11) Onde: n = número de amostras 3. Metodologia i = 1,,k (12) Para o levantamento das informações necessárias, a variável a ser estudada deve ser medida sempre na saída de cada etapa. É necessário que a amostra acompanhada seja sempre a mesma, possibilitando, dessa forma, a verificação da correlação existente entre as etapas. Após a coleta dos dados, deve-se realizar a análise de regressão linear simples a fim de verificar se existe uma relação linear entre as etapas do processo em relação à característica de qualidade. No caso dessa relação resultar significativa, pode-se afirmar que existe transmissão de variabilidade entre as etapas. Uma vez confirmada a relação linear entre os dados, deve-se verificar o quanto da variabilidade total da etapa é transmitida à etapa seguinte e o quanto é adicionada naquela etapa. Primeiramente, mensuram-se os valores de σ² i, σ² i-1 e β² i, os quais serão utilizados na eq. (2) a fim de se obter o valor de σ² ia. Há a possibilidade, também, de se verificar como ocorre a transmissão de variabilidade ao longo de toda linha produtiva, através do desdobramento das equações apresentadas na seção 2. Na Figura 1 é apresentado um fluxograma contendo as ações necessárias para a aplicação do método de análise da transmissão de variabilidade entre etapas de um processo. 4
5 COLETA DE DADOS ANÁLISE DE REGRESSÃO LINEAR HÁ RELAÇÃO LINEAR? NÃO É VÁLIDO APLICAR O MÉTODO PROPOSTO CÁLCULO DOS VALORES DE σ²i, σ²i-1 e β²i OBTENÇÃO DO VALOR DE σ² ia SUBSTITUIÇÃO DAS EQUAÇÕES ENCONTRADAS DE FORMA RECURSIVA CONFORME A FÓRMULA (8) Figura 1: Fluxograma das Ações Necessárias para Aplicação do Trabalho 4. Aplicação do Método e Resultados A aplicação do método foi realizada em uma empresa do ramo fumageiro. A unidade de negócios estudada tem por finalidade transformar o fumo, que chega na forma de pacotes compactados, em cigarros já embalados e prontos para o consumo. A linha produtiva escolhida para a aplicação do método, a linha de torrefação, é o primeiro processo produtivo pelo qual o produto passa ao entrar na fábrica. As operações de picar, dissolver, introduzir e reter melado e torrar o fumo são realizadas nessa linha. Ao final da linha, o fumo deve ser entregue ao processo seguinte atendendo às especificações de umidade. O problema verificado é a grande variabilidade da umidade mensurada ao final da linha produtiva. Para encontrar as causas para esse problema será necessário identificar quais etapas do processo são fontes de variabilidade ao longo de toda a linha produtiva. Para a realização do estudo foram deslocados alguns operadores da linha produtiva para realização da coleta dos dados. Em alguns pontos, a verificação da umidade ocorreu através de medidores computadorizados online, como exibido na Figura 2. 5
6 Etapa 2 Etapa 3 FARDOS FATIADOS DE FUMO ETAPA 1 ETAPA 2 ETAPA 3 PRODUTO ENTREGUE ETAPA 6 ETAPA 5 ETAPA 4 MEDIDOR DE UMIDADE ONLINE MEDIDOR DE UMIDADE MANUAL Figura 2: Processo da linha de torrefação Através do software estatístico MINITAB foi possível realizar a análise de regressão linear. Os resultados apontaram para a existência de tendência linear significativa em quatro das cinco etapas analisadas. Apenas a última etapa não apresenta tendência linear, como pode ser verificado na Figura 3. Etapa 2 vs Etapa 1 Etapa 3 vs Etapa Etapa Etapa
7 Etapa 6 Etapa 4 Etapa 5 Etapa 4 vs Etapa 3 Etapa 5 vs Etapa Etapa Etapa 4 35 Etapa 6 vs Etapa Etapa Figura 3: Gráficos de Dispersão da Relação entre as Etapas Dada a confirmação da relação linear de dependência entre a saída de uma etapa e a saída da seguinte, é aplicável a continuidade da metodologia proposta. Deve-se, então, calcular os valores de σ²i, σ²i-1 e β²i, aplicando o cálculo para as etapas 2, 3, 4 e 5 da linha. A fim de ilustrar a necessidade de existência de relação linear das variáveis para a verificação da transmissão de variabilidade entre as etapas, a última etapa também será analisada. Obtiveram-se os seguintes resultados: Etapa 2 (1,9992)² = (0,5376)² (1,2335)² + (1,8860)² (13) Etapa 3 (2,69)² = (0,6793)² + (1,9992)² + (1,7900)² (14) Etapa 4 (2,8559)² = (0,4861)² (2,69)² + (2,6388)² (15) Etapa 5 (1,21)² = (0,1886)² (2,8559)² + (1,1855)² (16) Etapa 6 (0,8385)² = (0,0383)² (1,1853)² + (0,8373)² (17) Substituindo-se, recursivamente, os resultados obtidos das equações (13), (14), (15), (16) e (17) na equação (8), é possível verificar como a variabilidade é transmitida ao longo da linha, conforme apresentado na Figura 4. A figura ilustra através de barras coloridas, para cada 7
8 etapa do processo, qual o montante de variabilidade transmitida da etapa anterior e adicionada na própria etapa Etapa 6 Etapa 5 Etapa 4 Etapa 3 Etapa 2 Etapa 1 0 Etapa 2 Etapa 3 Etapa 4 Etapa 5 Etapa 6 Figura 4: Resultados da transmissão de variabilidade Através da figura, é possível constatar que na maioria das etapas a maior parte da variabilidade total é adicionada pela própria etapa. De todas as etapas, a etapa 3 é aquela onde ocorre maior transmissão de variabilidade oriunda da etapa anterior. Como era esperado, devido a falta de relação linear de dependência entre a saída da etapa anterior e a saída da etapa 6, não há transmissão de variabilidade para essa. 5. Conclusões O presente artigo teve por objetivo a discussão da transmissão de variabilidade ao longo de um processo composto por várias etapas. O método discutido permite separar a variabilidade de determinada etapa em duas modalidades: transmitida e adicionada. Assim, obtêm-se informações que permitem um melhor direcionamento de ações de melhoria. Análises clássicas, baseadas no Controle Estatístico do Processo (CEP), podem induzir a conclusões erradas; por exemplo, atuar sobre o processo que apresenta maior variabilidade total, porém com um componente significativo de variabilidade transmitida da etapa anterior. Cabe ressaltar que em casos onde há pouca transmissão de variabilidade entre etapas do processo, estudos de melhoria baseados no Controle Estatístico do Processo podem ser eficientes, já que o CEP analisa a variabilidade sem considerar sua transmissão. Referências DEMING, W.E. A Nova Economia para Indústria, Governo e Educação. São Paulo: Qualitymark, FIORIOLLI, J.C. Modelagem da Transmissão de Variabilidade dos Estoques ao Longo de uma Cadeia de Abastecimento. ENEGEP, 03. HUANG, Q. & SHI, J. Variation Transmission Analysis and Diagnosis of Multi-operational Machining Process. IIE Transactions 36, p , 04. 8
9 LAWLESS, J.F.; MACKAY, R.J. & ROBINSON, R.J. Analysis of Variation Transmission in Manufacturing Processes part I. Journal of Quality Technology. Vol. 31, n. 2, p , MAYER, P. C. Redução da Variabilidade em uma Linha de Produção de Chapas de Corpo de Silos de Grãos de Corrugação 4 Através da Implantação do Controle Estatístico do Processo. Dissertação de Mestrado, 04. MONTGOMERY, D.C.; RUNGER, G.C. Applied statistics and probability for engineer. Nova York: John Wiley & Sons Inc. 4ª Edição, 07 RIBEIRO, J.L.D., TEN CATEN, C. Estatística Industrial. Porto Alegre: PPGEP, 00. RYAN, THOMAS P. Estatística Moderna para Engenharia. Rio de Janeiro: Elsevier Editora Ltda., 09. WADE, M.R.; WOODALL, W.H. A review and analysis of cause-selecting control charts. Journal of Quality Technology, p , WEKERMA, M.C.C. Avaliação da Qualidade de Medidas. Belo Horizonte: Fundação Cristiano Ottoni; Escola de Engenharia da UFMG,
Análise de Regressão
Análise de Regressão Tópicos em Avaliação de Desempenho de Sistemas Aline Oliveira Camila Araujo Iure Fé Janailda aso2@cin.ufpe.br cga2@cin.ufpe.br isf2@cin.ufpe.br jbs4@cin.ufpe.br Agenda Parte I: Contextualização
Leia maisPROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO
PROBABILIDADES E ESTATÍSTICA LEIC+LEE+LERCI (TagusPark) PROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO Secção de Estatística e Aplicações Departamento de Matemática Instituto Superior Técnico Fevereiro 2008
Leia maisPROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO
PROBABILIDADES E ESTATÍSTICA LEIC+LEE+LERCI (TagusPark) PROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO Secção de Estatística e Aplicações Departamento de Matemática Instituto Superior Técnico Fevereiro 2006
Leia maisAplicar as técnicas de controle estatístico dos processos em sistemas produtivos.
Página 1 de 8 CONTROLE ESTATÍSTICO DO PROCESSO C E P Objetivo geral: Aplicar as técnicas de controle estatístico dos processos em sistemas produtivos. Etapa 1 Para refletir: De acordo com a definição de
Leia maisEficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais
Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais João Marcos Ramos de Moraes (UFV) jaum_55@hotmail.com José Ivo Ribeiro Júnior (UFV) jivo@ufv.br
Leia maisÍndices de capacidade do processo: comparação entre índices tradicionais e índices para gráficos de controle de regressão
Índices de capacidade do processo: comparação entre índices tradicionais e índices para gráficos de controle de regressão Fernanda Siqueira Souza (PPGEP/UFRGS) fe_ssouza@producao.ufrgs.br Danilo Cuzzuol
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisExemplo de uso da Análise de Variância na Fase de Análise. do Ciclo PDCA para Melhorar Resultados
Exemplo de uso da Análise de Variância na Fase de Análise do Ciclo PDCA para Melhorar Resultados 1 Uma indústria produz molas de aço, as quais têm a dureza como uma de suas principais características da
Leia maisCONTROLE ESTATÍSTICO DO PROCESSO: ABORDAGEM MULTIVARIADA PARA MEDIDAS INDIVIDUAIS
CONTROLE ESTATÍSTICO DO PROCESSO: ABORDAGEM MULTIVARIADA PARA MEDIDAS INDIVIDUAIS Liane Werner Departamento de Estatística / UFRGS Av. Bento Gonçalves, 9500 - Porto Alegre -RS E-mail: WERNER@MAT.UFRGS.BR
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisDeterminação da Estabilidade de Variáveis de Produção Utilizando a Metodologia VAR e Gráficos de Controle Multivariados
48 Determinação da Estabilidade de Variáveis de Produção Utilizando a Metodologia VAR e Gráficos de Controle Multivariados Determination of the Stability of Production Variables Using the VAR Methodology
Leia maisRedes de Computadores sem Fio
Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução
Leia maisAPLICAÇÃO DO CONTROLE ESTATÍSTICO DE PROCESSO: ESTUDO DE CASO
APLICAÇÃO DO CONTROLE ESTATÍSTICO DE PROCESSO: ESTUDO DE CASO John César de Souza johncesar.souza@hotmail.com Lucas Vidotti de Carvalho vidotti@hotmail.com.br Marcelo A. Santos Miranda marcaugusto04@gmail.com
Leia maisA análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004).
3 Séries temporais A análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004). 3.1. Princípios fundamentais Conforme Box et al. (1994), uma
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisSME0803 ANÁLISE DE REGRESSÃO 1º/2011
SME0803 ANÁLISE DE REGRESSÃO 1º/2011 Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/~cibele Sala 3-160, ramal 8174 CoteiaWIKI: http://wiki.icmc.usp.br/index.php/sme-260 OBJETIVO DO CURSO Introduzir
Leia maisMEDIDAS DE DISPERSÃO. Professor Jair Wyzykowski. Universidade Estadual de Santa Catarina
MEDIDAS DE DISPERSÃO Professor Jair Wyzykowski Universidade Estadual de Santa Catarina Introdução INTRODUÇÃO A variabilidade entre elementos em torno do centro da distribuição é chamada medida de dispersão.
Leia maisContextualização e noções básicas do CEQ
Contextualização e noções básicas do CEQ Conteúdo Programático MÓDULO 1: Previsão e Estimação da Demanda 1.1 Origem nas contribuições de Shewhart 1.2 Evolução e contexto histórico 1.3 A qualidade no contexto
Leia maisCoeficiente de determinação R 2 no modelo de regressão linear normal
Coeficiente de determinação R 2 no modelo de regressão linear normal Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisRELAÇÃO DO TEOR DE UMIDADE COM O CONSUMO DO COMBUSTÍVEL BPF NO PROCESSO DE SECAGEM DA MADEIRA EM UMA AGROINDÚSTRIA
RELAÇÃO DO TEOR DE UMIDADE COM O CONSUMO DO COMBUSTÍVEL BPF NO PROCESSO DE SECAGEM DA MADEIRA EM UMA AGROINDÚSTRIA Fabiane de Souza Bueno 1, Gislaine Cristina Batistela 2 1 Faculdade de Tecnologia de Botucatu,
Leia maisAplicar as técnicas de controle estatístico dos processos em sistemas produtivos.
Página 1 de 5 CONTROLE ESTATÍSTICO DO PROCESSO C E P Objetivo geral: Aplicar as técnicas de controle estatístico dos processos em sistemas produtivos. Etapa 5 Cartas de Controle por Atributos Às vezes
Leia maisGráfico de Pareto. Ferramentas da Qualidade
Gráfico de Pareto Gráfico de Pareto Ferramentas da Qualidade O que é? Gráfico de barras verticais que evidencia a priorização de temas. Princípio de Pareto (sociólogo e economista italiano - 80/20) Juran.
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisAnálise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada
Aula 2 Regressão Linear Simples Análise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada Conceitos Gerais A análise de regressão é utilizada para explicar ou modelar a relação entre
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisDIFERENTES ESTRATÉGIAS DE AMOSTRAGENS PARA REDUZIR O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DA MÉDIA
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 2 a5 de outubro
Leia maisEstatística CORRELAÇÃO E REGRESSÃO LINEAR. Prof. Walter Sousa
Estatística CORRELAÇÃO E REGRESSÃO LINEAR Prof. Walter Sousa CORRELAÇÃO LINEAR A CORRELAÇÃO mede a força, a intensidade ou grau de relacionamento entre duas ou mais variáveis. Exemplo: Os dados a seguir
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisCOMPARAÇÃO ENTRE MÉTODOS UTILIZADOS NO TRATAMENTO DE DADOS AUTOCORRELACIONADOS NO CONTROLE ESTATÍSTICO DO PROCESSO
COMPARAÇÃO ENTRE MÉTODOS UTILIZADOS NO TRATAMENTO DE DADOS AUTOCORRELACIONADOS NO CONTROLE ESTATÍSTICO DO PROCESSO Fernando de Jesus Moreira Junior (UFSM) fmjunior@smail.ufsm.br Enio Junior Seidel (UFSM)
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisInfluência do Tamanho Amostral no Planejamento Econômico para Controle On-Line de Processo por Atributo com Erros de.
Influência do Tamanho Amostral no Planejamento Econômico para Controle On-Line de Processo por Atributo com Erros de 1. Introdução: Classificação Lupércio França Bessegato 1 Roberto da Costa Quinino 2
Leia maisAssociação entre duas variáveis
Associação entre duas variáveis Questões de interesse: Será que duas variáveis são independentes ou pelo contrário dependentes? E se forem dependentes, qual o tipo e grau de dependência? Existem diversas
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisPredição do preço médio anual do frango por intermédio de regressão linear
Predição do preço médio anual do frango por intermédio de regressão linear João Flávio A. Silva 1 Tatiane Gomes Araújo 2 Janser Moura Pereira 3 1 Introdução Visando atender de maneira simultânea e harmônica
Leia maisNoções sobre Regressão
Noções sobre Regressão Nos interessa estudar como uma variável varia em função de outra. Por exemplo, considere a questão de demanda e preço de bens. Quando se estuda a variação de uma variável Y em função
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisDimensionamento de amostras para estudos com variável resposta ordinal
Dimensionamento de amostras para estudos com variável resposta ordinal Arminda Lucia Siqueira 1 Aloísio Joaquim Freitas Ribeiro 1 Edna Afonso Reis 1 Ilka Afonso Reis 1 1 Introdução Uma situação comum na
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Científica Matemática Teóricas Curso Eng. Electrotécnica ECTS 5 Teóricopráticas Distribuição das horas de contacto Trabalho Práticas e de Seminário Estágio Laboratoriais campo Orientação tutória Outras
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Regressão. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Regressão David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Regressão Linear ( e Múltipla ) Não-Linear ( Exponencial / Logística
Leia maisMetodologia de Controle Estatístico da Qualidade na Unidade de Chaparia e Montagem de uma Empresa Automobilística
Metodologia de Controle Estatístico da Qualidade na Unidade de Chaparia e Montagem de uma Empresa Automobilística João Alberto Neves dos Santos 1,2 Heitor Vicente de Jesus Batista 1 Patrícia Rodrigues
Leia maisANÁLISE DE COMPONENTES PRINCIPAIS APLICADO A SENSORIAL DE ALIMENTOS
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO TRIÂNGULO MINEIRO PRÓ-REITORIA DE PESQUISA, PÓS-GRADUAÇÃO E INOVAÇÃO htttp://editora.iftm.edu.br/index.php/sepit ISSN 2594-7605 (Digital ANÁLISE DE
Leia maisMétodo de Hardy-Cross Capitulo 15- Análise de regressão linear 18/12/07
Capitulo 15- Análise de regressão linear 15.1 Introdução A análise de regressão linear é feita pelo método dos mínimos quadrados Dado uma série de n números, podemos estabelecer uma correlação entre eles
Leia maisEstatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.
Leia maisUniversidade de São Paulo Faculdade de Filosofia, Letras e Ciências Humanas Departamento de Ciência Política
Universidade de ão Paulo Faculdade de Filosofia, Letras e Ciências Humanas Departamento de Ciência Política FL 5028- Métodos Quantitativos e Técnicas de Pesquisa em Ciência Política FLP 0406 - Métodos
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisModelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
Leia maisREGRESSÃO LINEAR SIMPLES E MÚLTIPLA
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA Curso: Agronomia Matéria: Metodologia e Estatística Experimental Docente: José Cláudio Faria Discente: Michelle Alcântara e João Nascimento UNIVERSIDADE ESTADUAL DE
Leia maisESTATÍSTICA EXPERIMENTAL. ANOVA. Aula 05
ESTATÍSTICA EXPERIMENTAL ANOVA. Aula 05 Introdução A ANOVA ou Análise de Variância é um procedimento usado para comparar a distribuição de três ou mais grupos em amostras independentes. A análise de variância
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisGráficos de Controle (X, R, S, CUSUM e EWMA)
Gráficos de Controle (X, R, S, CUSUM e EWMA) Alunos: Ahyalla Riceli Anderson Elias Professor: Paulo Maciel Ricardo Massa Roteiro Introdução Gráficos de Controle CEP Controle Estatístico de Processo Gráfico
Leia maisMestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007
Projeções de Séries S Temporais Econometria dos Mercados Financeiros Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007 Objetivo do curso
Leia maisUm comparativo de desempenho entre gráficos de controle univariados e multivariados
Um comparativo de desempenho entre gráficos de controle univariados e multivariados Rodrigo Luiz Pereira Lara 3 Vladimir Barbosa Carlos de Souza 3. Introdução O Controle Estatístico do Processo (CEP) é
Leia maisAula 14 - Correlação e Regressão Linear
Aula 14 - Correlação e Regressão Linear Objetivos da Aula Fixação dos conceitos para Correlação e Regressão Linear; Apresentar exemplo solucionado com a aplicação dos conceitos; Apresentar exercício que
Leia maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisPrevisão de Séries Temporais utilizando Métodos Estatísticos
Previsão de Séries Temporais utilizando Métodos Estatísticos Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José Thadeu Pinto
Leia maisSumário. Introdução } 24/05/16 } 1. } Estatística: ciência que trata da coleta, processamento e disposição de dados.
Sumário } FERRAMENTAS DA QUALIDADE: INTRODUÇÃO FLUXOGRAMA ESTRATIFICAÇÃO FOLHA DE VERIFICAÇÃO GRÁFICO DE PARETO DIAGRAMA DE CAUSA E EFEITO HISTOGRAMA DIAGRAMA DE DISPERSÃO CARTA DE CONTROLE } CONCLUSÃO
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 6 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Leia maisINSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia maisLABORATÓRIO 5 ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS
LABORATÓRIO 5 ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS João Bosco Coura dos Reis Registro nº: 130.362 Exercícios para avaliação parcial na disciplina de Introdução ao Geoprocessamento (SER-300) do Curso de
Leia maisEstudo dirigido de Análise Multivariada
Estudo dirigido de Análise Multivariada Conceitos Iniciais De um modo geral, os métodos estatísticos de análise multivariada são aplicados para analisar múltiplas medidas sobre cada indivíduo ou objeto
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CURSO DE ESTATÍSTICA. Jayme Gomes dos Santos Junior Luciana Helena Kowalski
UNIVERSIDADE FEDERAL DO PARANÁ CURSO DE ESTATÍSTICA Jayme Gomes dos Santos Junior Luciana Helena Kowalski MODELAGEM DA EXPECTATIVA DE VIDA NOS MUNICÍPIOS DO PARANÁ A PARTIR DE COVARIÁVEIS DO CENSO 2010
Leia maisAula 2 Regressão e Correlação Linear
1 ESTATÍSTICA E PROBABILIDADE Aula Regressão e Correlação Linear Professor Luciano Nóbrega Regressão e Correlação Quando consideramos a observação de duas ou mais variáveis, surge um novo problema: -as
Leia maisCálculo Diferencial e Integral C. Me. Aline Brum Seibel
Cálculo Diferencial e Integral C Me. Aline Brum Seibel Em ciências, engenharia, economia e até mesmo em psicologia, frequentemente desejamos descrever ou modelar o comportamento de algum sistema ou fenômeno
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisMódulo 5 Capacidade do processo, etapas para implantação do CEP e as ferramentas utilizadas em conjunto com o CEP
Módulo 5 Capacidade do processo, etapas para implantação do CEP e as ferramentas utilizadas em conjunto com o CEP Capacidade do processo Após verificar se um processo está estável, sob controle estatístico
Leia maisO parâmetro β1 indica a mudança ocorrida na esperança de Y a cada unidade de mudança em X 1 quando X2 é mantida fixa.
Outras informações para ajudar na interpretação das análises de Regressão 1. Interpretação dos parâmetros na ausência de interações Considere o modelo E(Y x) = β0 + β1 x1 + β2 x2. O parâmetro β0 é o intercepto
Leia maisDATA MINING & MACHINE LEARNING (I) Thiago Marzagão
DATA MINING & MACHINE LEARNING (I) Thiago Marzagão Média xi N É influenciada por valores extremos. Moda É valor mais freqüente. Não é muito informativa quando a distribuição é multimodal. Mediana É valor
Leia maisFerramenta 6 Diagrama de causa e efeito
ferramentas apresentadas 1. Brainstorming 2. Estratificação 3. Folha de Verificação 4. Diagrama de Pareto 5. Gráfico sequencial / carta de tendência Gerência da Qualidade - Engenharia de Produção - UFRGS
Leia maisCAPÍTULO 4 - APRESENTAÇÃO E ANÁLISE DOS RESULTADOS
Capítulo 4 Apresentação e Análise dos Resultados 70 CAPÍTULO 4 - APRESENTAÇÃO E ANÁLISE DOS RESULTADOS 4.1 INTRODUÇÃO Neste capítulo são analisados os resultados dos ensaios triaxiais cíclicos, cujos resultados
Leia mais5 Análise dos resultados
5 Análise dos resultados Os dados foram analisados utilizando o software SPSS (Statistical Package for Social Sciences) base 18.0. Para Cooper e Schindler (2003) a análise de dados envolve a redução de
Leia maisPalavras-Chave: Gráficos de Controle Especiais, Geoestatística.
Estudo de Cartas Especiais e Geoestatística no Controle Estatístico de Processos Bruna Fernanda Viotto Oliveira¹ Edilson Ferreira Flores² RESUMO O presente estudo teve como objetivo explorar as técnicas
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Áreas
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Áreas Áreas Na análise de áreas o atributo estudado é em geral resultando de uma contagem ou um
Leia maisCapítulo II: Estimação Pontual: noções básicas de estimação; método dos momentos e método da máxima verosimilhança; propriedades.
Estatística Código: 22723 ECTS: 6 Ano Letivo: 2015/16 Carga horária: T: 3:00 h; TP: 2:00 h; OT: 1:00 h; Departamento: Estatística e Investigação Operacional Área Científica: Estatística e Investigação
Leia mais6. Conclusões Estatística do sinal
6. Conclusões Ao longo deste trabalho, foram descritas as características principais do sistema WiMAX e da tecnologia OFDM, a fim de contextualizá-los, uma vez que um sinal baseado nessas características
Leia maisPADRÃO DE GESTÃO. Aplica-se aos colaboradores do IHEF Medicina Laboratorial contemplados no SGQ.
Versão: 2016.00 Pag.: 1 de 8 1. OBJETIVO Este Padrão de Gestão normatiza a gestão da Fase Analítica que estejam contemplados no SGQ, conforme as definições expressas pela Norma de Acreditação PALC, na
Leia maisUM MODELO DE REGRESSÃO LINEAR PARA OBTENÇÃO DO LIMITE DE CONTROLE DO GRÁFICO DE Z
UM MODELO DE REGRESSÃO LINEAR PARA OBTENÇÃO DO LIMITE DE CONTROLE DO GRÁFICO DE Z Roberto Campos Leoni (UNESP/AEDB ) rcleoni@yahoo.com.br Marcela Aparecida Guerreiro Machado (UNESP ) marcelagmachado@yahoo.com.br
Leia maisHomocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO E TRANSPORTES
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO E TRANSPORTES Conteúdos dos tópicos das provas de seleção para o mestrado acadêmico 2005 I. TÓPICOS
Leia maisCARTA DE CONTROLE BASEADA EM MODELOS BETA POR COMPONENTES PRINCIPAIS PARA MONITORAMENTO DE PROCESSOS RESUMO
CARTA DE CONTROLE BASEADA EM MODELOS BETA POR COMPONENTES PRINCIPAIS PARA MONITORAMENTO DE PROCESSOS Ângelo Márcio Oliveira Sant Anna 1 Carla Schwengber ten Caten 2 Danilo Marcondes Filho 3 1 Depto. de
Leia maisEstabilidade de Sistemas Lineares Realimentados
Estabilidade de Sistemas Lineares Realimentados 1. Conceito de estabilidade 2. Critério de estabilidade de Routh-Hurwitz p.1 Engenharia de Controle Aula 6 Estabilidade de Sistemas Lineares Realimentados
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisEstatística para Geografia. Rio, 13/09/2018
Estatística para Geografia Rio, 13/09/2018 Objetivos: mostrar como usar o R para construir um diagrama de dispersão entre duas variáveis quantitativas. calcular a correlação entre duas variáveis quantitativas.
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia maisESTUDO DA ESTABILIDADE DE NANOPARTÍCULAS UTILIZANDO ANÁLISE DE IMAGENS E MÉTODOS QUIMIOMÉTRICOS
ESTUDO DA ESTABILIDADE DE NANOPARTÍCULAS UTILIZANDO ANÁLISE DE IMAGENS E MÉTODOS QUIMIOMÉTRICOS Maykon Alves LEMES; Anselmo Elcana de OLIVEIRA; Denilson RABELO; Mariana da Silva GODINHO. Universidade Federal
Leia mais