Módulo 4. Estudos de dispersão (R&R) de sistemas de medição.

Tamanho: px
Começar a partir da página:

Download "Módulo 4. Estudos de dispersão (R&R) de sistemas de medição."

Transcrição

1 Módulo 4 Estudos de dispersão (R&R) de sistemas de medição.

2 Conteúdos deste módulo Estudos de dispersão (variabilidade) Método da amplitude Método da média e da amplitude Método da ANOVA Análises gráficas Exercícios Uso de planilhas

3 Estudo de R&R (1) O estudo de R&R, além avaliar a repetitividade e a reprodutibilidade de um sistema de medição, avalia também a parcela referente à variação do processo na variação total observada. VT VSM VP Localização Dispersão R&R

4 Estudo de R&R () Peças: representativas da variabilidade natural do processo. Operador: selecionado entre os que realizam as medições normalmente, deve fazer as medições conforme o procedimento. Número de operadores e repetições é função de: Criticidade da cota e configuração da peça. Selecione, de forma aleatória, um equipamento de medição da família de equipamentos que está sob análise. As medições devem ser feitas de maneira aleatória para assegurar que nenhuma tendência prejudique os resultados. Medições: arredondadas para o n mais próximo que se possa ler. Instrumentos analógicos:registros de medições com ½ do menor intervalo de medição (resolução); ex.: instrumento com menor escala de 0,0001 m, deve possuir resultados de 0,00005 m.

5 Estudo de R&R (3) Análise: Variação Total (VT) ou Tolerância? Tolerância Variação Total do processo Estando o processo capaz, ou seja, a VT do processo está dentro da tolerância, ou, ainda, VT < Tol. (vide desenho), o valor de R&R piora (% maior), pois em sua fórmula a VT (ou a Tol.) está no denominador. Por isto, existe uma tendência a usar a tolerância (mais fácil de se obter %RR < 10%).

6 Estudo de R&R - Métodos Método da Amplitude Fornece uma estimativa rápida e aproximada do RR. Tem só 80% de chance de detectar um sistema de medição inadequado, para amostra de 5 peças, e 90% de chance, para amostra de 10 peças. Método da Média e da Amplitude Fornece uma estimativa boa do RR (mais usado). Método mais demorado. Método da ANOVA (Análise da Variância) Fornece a melhor estimativa entre os métodos. Indica também a interação entre peças e operadores. Exige cálculos complicados (usar computador).

7 R&R - Método da amplitude (1) 1. Condução do estudo: Selecione 5 peças ou mais da produção e operadores ou mais, que normalmente realizam as medições. Cada operador deve medir 1 vez cada peça. Calcule a amplitude para cada peça: R i = X i,a X i,b. Calcule a média das amplitudes: R = n i= 1 n R i

8 R&R - Método da amplitude () 3. Calcule o valor do GRR (G = Gage): GRR = R * d onde: d * é obtido do Anexo A (slide 4, do módulo anterior), com m = número de operadores e g = número de peças 4. Calcule a %GRR: %GRR = 100% GRR Desvio padrão do processo GRR Tolerância 6 Obs.: Desvio padrão do processo Tolerância/6, como já vimos. ou 5. Analise o resultado (ideal é %GRR < 10, ou, dependendo da aplicação, 10 %GRR 30).

9 Método da amplitude - Exemplo Peça Operador A Operador B Amplitude (Ri) (A - B) 1 0,85 0,80 0,05 0,75 0,70 0,05 3 1,00 0,95 0,05 4 0,45 0,55 0,10 5 0,50 0,60 0,10 σ processo = 0,077 (dado) R R = n i = 0,35 5 = 0,07 R GR & R = * d = 0,07 1,19 = 0,0588 GR & R 0,0588 % GR & R = 100 = 100 = 75,7% 0,077 σ processo Portanto, o sistema de medição é inadequado (%GRR > 30%), requerendo melhoria. Porém, não dá para saber se é devido à repetitividade ou à reprodutibilidade.

10 R&R - Método da média e da amplitude 1. Obtenha uma amostra de n > 5 peças, que represente a faixa de variação real do processo.. Chame os k > 1 operadores de A, B, C, etc, e as peças de 1,, 3, etc, de forma que os operadores não vejam essas numerações. 3. Cada operador deve medir 1 vez, todas as peças, em ordem aleatória. 4. O ciclo de medições deve ser repetido pelo menos mais 1 vez. A ordem deve ser aleatória e diferente das anteriores. 5. Os dados devem ser registrados em formulário apropriado (próximos slides).

11 Part No. & Nome Características Especificações Data Operador C B A Repetição 1 3 Média Amplitude 1 3 Média Amplitude 1 3 Média Amplitude Estudo de Repetitividade e Reprodutibilidade - Variação Total / Tolerância Nome do Equipamento Peças (n) Equipamento No. Operadores Tipo do Equipamento Repetições (r) Responsável Tolerância Peça Médias X a = R a = X b = R Digitar dados medidos b = pelos operadores, peça a peça, em cada repetição X c = R c = Média da peça X = R p =

12 Análise final DN = denominador das fórmulas de variação, que pode ser a variação total, VT, ou a tolerância dividida por 6 (própria planilha divide).

13 R&R - Método da média e da amplitude O valor a ser analisado é o %R&R, que pode ser calculado através da VT ou da Tolerância/6. O critério de aceitação é o já citado: Abaixo de 10% - Sistema de medição aceito; Entre 10% e 30% - Sistema pode ser aceito, dependendo da importância da medição; Acima de 30% - Sistema é inaceitável (melhorá-lo). Calcular a discriminação: ndc (número distinto de categorias) 5. Efetuar análises gráficas (sugestivas).

14 Seqüência para preencher (1) O. Indicar números (peças, operadores, repetições) e tolerância. 1. Entrar com os dados das medições, tomando o cuidado no posicionamento de cada dado.. Calcular, para cada operador, a média de cada peça, bem como a amplitude de cada peça. 3. X k é a média de cada operador (X A, X B, X C ). Pode ser calculada como a média simples das médias das n peças, calculadas em. 4. R k é a média das amplitudes de cada operador (R A, R B, R C ). Pode ser calcula como a média simples das amplitudes, calculadas em. 5. Calcular X i a média geral de cada peça (X 1 a X 10 ), considerando todas as medições de todos os operadores, em cada coluna. Isso pode ser feito, também, pela média das médias calculadas em. 6. X é a média de todas as médias de 5. Pode ser calculada pela média das médias X i, ou pela média das médias dos operadores, X k. R p é a amplitude das médias calculadas em 5 (média maior média menor).

15

16 Seqüência para preencher () 7. R é a média dos R k (A, B, C), calculados em X DIF é a amplitude (maior menor) dos X k (A, B, C), calculados em U CLR (ou LSC) é o limite superior de controle de uma carta R, sendo calculado pela expressão dada, onde D 4 é tabelado. Existindo amplitudes calculadas em, maiores que UCLR, as medições dessa coluna devem ser refeitas (ou eliminadas, ou trocadas por outra peça, e a planilha recalculada). 10. Calcular as variações, conforme fórmulas indicadas. 11. Calcular os percentuais das variações, em relação à variação total ou à tolerância. Quando for utilizar a tolerância, deve-se dividir o intervalo de tolerância por Calcular o ndc (discriminação). 13. Analisar o(s) resultado(s).

17

18 R&R Média e amplitude Exercício (1) Peça Operad Medida Peça Operad Medida Peça Operad Medida 1 A 0,65 1 B 0,55 1 C 0,50 1 A 0,60 1 B 0,55 1 C 0,55 A 1,00 B 1,05 C 1,05 A 1,00 B 0,95 C 1,00 3 A 0,85 3 B 0,80 3 C 0,80 3 A 0,80 3 B 0,75 3 C 0,80 4 A 0,85 4 B 0,80 4 C 0,80 4 A 0,95 4 B 0,75 4 C 0,80 5 A 0,55 5 B 0,40 5 C 0,45 5 A 0,45 5 B 0,40 5 C 0,50 6 A 1,00 6 B 1,00 6 C 1,00 6 A 1,00 6 B 1,05 6 C 1,05 7 A 0,95 7 B 0,95 7 C 0,95 7 A 0,95 7 B 0,90 7 C 0,95 8 A 0,85 8 B 0,75 8 C 0,80 8 A 0,80 8 B 0,70 8 C 0,80 9 A 1,00 9 B 1,00 9 C 1,05 9 A 1,00 9 B 0,95 9 C 1,05 10 A 0,60 10 B 0,55 10 C 0,85 10 A 0,70 10 B 0,50 10 C 0,80 60 resultados, da medição de 10 peças, por 3 operadores, com repetições cada. Usando o método da média e da amplitude, analise o sistema de medição utilizado. Tolerância: ± 0,3 mm.

19 R&R Média e amplitude Exercício () Estudo de Repetibilidade e Reprodutibilidade - Variação Total / Tolerância Nome do Part No. & Nome Equipamento Peças (n) 10 Características Equipamento No. Operadores 3 Especificações Tipo do Equipamento Repetições (r) Data Responsável Tolerância 0,6 Peça Repetição Médias A 1 0,65 1 0,85 0,85 0,55 1 0,95 0,85 1 0,6 0,6 1 0,8 0,95 0,45 1 0,95 0,8 1 0,7 3 Operador B C Média 0,65 1 0,85 0,9 0,5 1 0,95 0,85 1 0,65 0,875 Amplitude 0,05 0 0,05 0,1 0, ,05 0 0,1 R a = 0, ,55 1,05 0,8 0,8 0,4 1 0,95 0,75 1 0,55 0,55 0,95 0,75 0,75 0,4 1,05 0,9 0,7 0,95 0,5 3 Média 0,55 1 0,775 0,775 0,4 1,05 0,95 0,75 0,975 0,55 0,7675 Amplitude 0 0,1 0,05 0,05 0 0,05 0,05 0,05 0,05 0,05 R b = 0, ,5 1,05 0,8 0,8 0,45 1 0,95 0,8 1,05 0,85 0,55 1 0,8 0,8 0,5 1,05 0,95 0,8 1,05 0,8 3 X a = X b = Média 0,55 1,05 0,8 0,8 0,475 1,05 0,95 0,8 1,05 0,85 0,875 Amplitude 0,05 0, ,05 0, ,05 R c = X 0,05 0,8075 Média da peça 0,5667 1,0083 0,8 0,85 0,4583 1,0167 0,9417 0,7833 1,0083 0,6667 R p = 0,55833 R =(R a +R b +R c )/ #Op = Repetições D 4 X DIFF = max(x) - min(x) = 0,0383 Operadores K 3,7 U CLR = R x D 4 = 0,06 0,7071 3,58 0, ,531 X c =

20 R&R Média e amplitude Exercício (3) Repetibilidade Repetições K 1 Variação VE = R x K 1 = 0,034 0,886 DN Reprodutibilidade 3 0,5908 VT TOL VO = (X DIFF xk ) - (EV /(nr)) Peças K 3 VO = %VE 0,0305 0,7071 =100 [VE/DN] 18,7% 33,97% Repetibilidade & Reprodutibilidade 3 0,531 R&R = VE + VO R&R = 4 0,4467 %VO =100 [VO/DN] 16,78% 30,45% 0, ,403 %R&R =100 Variação do Processo (VP) 6 0,374 [R&R/DN] 5,14% 45,6% VP = R p x K 3 = 0, ,3534 %VP Variação Total (VT) 8 0,3375 = 100[VPDN] 96,79% 175,65% VT = R&R + VP VT = 9 0,349 0, ,3146 ndc = 1,41[VP/R&R] = 5,4 Resultado do Teste: VT Sistema de medição deve ser analisado TOL Sistema de medição necessita melhoria Análises

21 R&R - Análise gráfica (1) Média Op A Op B Op C Gráfico das médias de cada peça, por operador: Análise da consistência entre operadores -3 Peças Média,5 1,5 0,5 1-0,5 0-1,5-1 -, A B C LSC LIC

22 R&R - Análise gráfica () 1, 1 Amplitude 0,8 0,6 0,4 0, Op A Op B Op C Gráfico das amplitudes: Diferença de método entre operadores Sistema de medição é sensível ao operador Peças 1, 1 Amplutude 0,8 0,6 0,4 0, LSC A B C

23 R&R - Análise gráfica (3) Gráfico de dispersão: Fornece informações sobre a consistência entre operadores, indica possíveis pontos fora da curva e as interações peçaoperador. 1,5 1 0,5 0-0,5-1 -1, A B C A B C A B C A B C A B C A B C A B C A B C A B C A B C

24 ,7 0,7 0,7 R&R - Análise gráfica (4) , 7-0,5-0,3-0, 1 0, ,7-0,5-0,3-0,1 0,1 0,3 0,5 O p B Freqüência Freqüência Freqüência 0, 3 0, 5 O p A -0,7-0,5-0,3-0,1 0,1 0,3 0,5 O p C Histograma: Mostra como se distribuem as medições dos operadores, permitindo verificar tendências, falta de consistência e como se comporta a variação dos operadores.

25 R&R Solução pelo Minitab R& R (Xbar/R) Nome do instrumento: M IC R 44 Data do estudo: 9/03/09 A nalista: Jucilei Tolerância: O utros: 100 Componentes da Variação % Study Var 1,00 Medida por peça % 50 0,75 0,50 Amplitude amostral 0 0,10 0,05 0,00 Gage R&R Repeat Reprod Carta R por operador A B C Carta Xbar por operador A B C Part-to-Part LSC=0,15 _ R=0,0383 LIC=0 1,00 0,75 0, A peça Medida por operador B oper Interação operador-peça 7 C 8 9 Média amostral 1,00 0,75 0,50 _ LSC=0,8796 X=0,8075 LIC=0,7354 Média 1,00 0,75 0, peça oper A B C RR = 5,16% VE = 18,73% VO = 16,80% VP = 96,78% NCD = 5,1 Mesmos resultados da planilha

26 R&R - Método da ANOVA (1) Método estatístico que decompõe a variação em: Operador, Peça, Interação operador-peça e Equipamento. Estima as variâncias com maior precisão, mas exige cálculos mais complexos (utilizar software apropriado, Excel ou Minitab). Condução do estudo: O mesmo procedimento usado para a média/amplitude, tomando cuidado especial na aleatoriedade na coleta dos dados, para garantir a independência estatística nas medições. Sugere-se que a ordem de medição seja determinada por sorteio. O sorteio deve ser feito por rodada, com todos os operadores e todas as peças. Finalizada a primeira rodada, passa-se para a segunda medição, com novo sorteio. A coleta dos dados pode ser realizada em um formulário semelhante ao do método da média e amplitude.

27 R&R ANOVA () Esse método traz diversos conceitos estatísticos e sua tabela de cálculo contém as colunas (vide próximo slide): Fonte de Variação (FV): são as causas da variação; Graus de Liberdade (GL); Soma dos Quadrados (SQ) Ver fórmulas nos anexos; Quadrado Médio (QM), que é calculado por: SQ / GL; Função F: O F calculado, apenas para a interação peça-operador, (QM I / QM E ), é comparado com valores tabelados de F (Anexo C, slide 9), para um nível de significância de α%, com os seguintes graus de liberdade: (n-1)(k-1) e nk(r-1). Se o F calculado for menor que o tabelado, dizemos que a interação é estatisticamente zero. α F calc F = 0 F tab

28 R&R ANOVA (3) FV GL SQ QM F Operador k - 1 SQ O QM O = SQ O / (K-1) Peça n - 1 SQ P QM P = SQ P / (n-1) Interação (n-1).(k-1) SQ I QM I = SQ I / (n-1)(k-1) QM I / QM E Equipament o nk.(r 1) SQ E QM E = SQ E /[nk(r-1)] Total nkr - 1 SQT F calculado k = n operadores n = n peças r = n repetições

29 Distribuição F de Snedecor (5%) Valores críticos de F, tais que P(F > F α ) = 5% α 5% 0 F α φ φ ,45 199,50 15,71 4,58 30,16 33,99 36,77 38,88 40,54 41,88 43,91 45,95 48,01 49,05 50,10 51,14 5,0 53,5 54,3 18,51 19,00 19,16 19,5 19,30 19,33 19,35 19,37 19,38 19,40 19,41 19,43 19,45 19,45 19,46 19,47 19,48 19,49 19,5 10,13 9,55 9,8 9,1 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,6 8,59 8,57 8,55 8,53 7,71 6,94 6,59 6,39 6,6 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77 5,75 5,7 5,69 5,66 5,63 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,8 4,77 4,74 4,68 4,6 4,56 4,53 4,50 4,46 4,43 4,40 4,36 5,99 5,14 4,76 4,53 4,39 4,8 4,1 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67 5,59 4,74 4,35 4,1 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,7 3,3 5,3 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,8 3, 3,15 3,1 3,08 3,04 3,01,97,93 5,1 4,6 3,86 3,63 3,48 3,37 3,9 3,3 3,18 3,14 3,07 3,01,94,90,86,83,79,75,71 4,96 4,10 3,71 3,48 3,33 3, 3,14 3,07 3,0,98,91,85,77,74,70,66,6,58,54 4,84 3,98 3,59 3,36 3,0 3,09 3,01,95,90,85,79,7,65,61,57,53,49,45,4 4,75 3,89 3,49 3,6 3,11 3,00,91,85,80,75,69,6,54,51,47,43,38,34,3 4,67 3,81 3,41 3,18 3,03,9,83,77,71,67,60,53,46,4,38,34,30,5,1 4,60 3,74 3,34 3,11,96,85,76,70,65,60,53,46,39,35,31,7,,18,3 4,54 3,68 3,9 3,06,90,79,71,64,59,54,48,40,33,9,5,0,16,11,07 4,49 3,63 3,4 3,01,85,74,66,59,54,49,4,35,8,4,19,15,11,06,01 4,45 3,59 3,0,96,81,70,61,55,49,45,38,31,3,19,15,10,06,01 1,96 4,41 3,55 3,16,93,77,66,58,51,46,41,34,7,19,15,11,06,0 1,97 1,9 4,38 3,5 3,13,90,74,63,54,48,4,38,31,3,16,11,07,03 1,98 1,93 1,88 4,35 3,49 3,10,87,71,60,51,45,39,35,8,0,1,08,04 1,99 1,95 1,90 1,84 4,3 3,47 3,07,84,68,57,49,4,37,3,5,18,10,05,01 1,96 1,9 1,87 1,81 4,30 3,44 3,05,8,66,55,46,40,34,30,3,15,07,03 1,98 1,94 1,89 1,84 1,78 4,8 3,4 3,03,80,64,53,44,37,3,7,0,13,05,01 1,96 1,91 1,86 1,81 1,76 4,6 3,40 3,01,78,6,51,4,36,30,5,18,11,03 1,98 1,94 1,89 1,84 1,79 1,73 4,4 3,39,99,76,60,49,40,34,8,4,16,09,01 1,96 1,9 1,87 1,8 1,77 1,71 4,3 3,37,98,74,59,47,39,3,7,,15,07 1,99 1,95 1,90 1,85 1,80 1,75 1,69 4,1 3,35,96,73,57,46,37,31,5,0,13,06 1,97 1,93 1,88 1,84 1,79 1,73 1,67 4,0 3,34,95,71,56,45,36,9,4,19,1,04 1,96 1,91 1,87 1,8 1,77 1,71 1,65 4,18 3,33,93,70,55,43,35,8,,18,10,03 1,94 1,90 1,85 1,81 1,75 1,70 1,64 4,17 3,3,9,69,53,4,33,7,1,16,09,01 1,93 1,89 1,84 1,79 1,74 1,68 1,6 4,08 3,3,84,61,45,34,5,18,1,08,00 1,9 1,84 1,79 1,74 1,69 1,64 1,58 1,51 4,00 3,15,76,53,37,5,17,10,04 1,99 1,9 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39 3,9 3,07,68,45 Anexo,9,18,09 C,0Tabela 1,96 1,91 F 1,83de 1,75 Snedecor 1,66 1,61 1,55 (5%) 1,50 1,43 1,35 1,5 3,84 3,00,60,37,1,10,01 1,94 1,88 1,83 1,75 1,67 1,57 1,5 1,46 1,39 1,3 1, 1,00

30 ANOVA - Cálculo das variações, para interação não nula (4) Repetitivi dade: VE = Reprodutibilidade : Interação:I = 6. VO = 6. QM I 6. QM r QM O QM n. r E QM E I Todos os valores de QM são tirados da tabela da ANOVA e: n = nº de medidas; r = nº de repetições; k = nº de operadores. Repet. e Reprod.: RR = VE + VO + I Variação do processo:vp = 6. QM P QM k. r I Variação total : VT = RR + VP

31 ANOVA - Cálculo das variações, para interação nula (5) Quadrado médio agrupado : QM agr = SQ E + SQ I n. k. r n k + 1 Repetitivi dade : VE = 6. QM agr Reprodutibilidade : VO = 6. QM O nr QM agr Repet. e Reprod. = VE + VO Variação do processo : VP = 6. Variação total : VT = R & R + VP QM P k. r QM agr Todos os valores de QM são tirados da tabela da ANOVA e: n = nº de medidas; r = nº de repetições; k = nº de operadores. Interação = 0

32 ANOVA - Cálculo dos percentuais (6) Fonte 6.σ %VT %TOL % Contribuição Equipamento VE 100. VE/VT 100. VE/TOL Operador VO 100. VO/VT 100. VO/TOL Interação I OP 100.I OP /VT 100. I OP /TOL R&R R%R 100. R&R/VT 100. R&R/TOL Processo VP 100. VP/VT 100. VP/TOL Total VT = R &R + VP 100. VE VT VT 100. VO 100.I VT VT OP 100.R & R VT 100. VP ndc = 1,41. VP R & R

33 R&R ANOVA Exercício (1) Resolver o mesmo exercício do método da média e amplitude, pelo método da ANOVA. Você irá verificar que os resultados são um pouco diferentes, sendo que a ANOVA tem maior precisão. É dada a tabela prévia. FV GL SQ QM F Peça 9, ,8745 Oper 0, ,04000 Interação 18 0, , ,4588 Equipamento 30 0, ,0019 Total 59,491 1,93 α=5% 4,4588 Tabela F de 5% (Anexo C, slide 9)), com 18 e 30 graus de liberdade: F crítico 1,93. Como F calculado (4,4588) > F tabelado (1,93), então concluímos que a interação não é estatisticamente zero. Então, entramos nas fórmulas das variações, para interação não nula (próximo slide), obtendo os valores brutos das mesmas. Por último, obtemos os percentuais desses valores brutos, em relação à VT.

34 R&R ANOVA Exercício () Repetitivi dade: VE= 6. QME = 6. 0,0019 0,157 17,63% Reprodutibilidade: VO Interação:I = 6. QM I = 6. QM r E QMO QM n.r = 6. I = 6. 0,040 0, , , ,0019 0,836 3,17% 14,81% RR = VE + VO + I = 0, , ,836 0,3997 3,66% Var. proc.:vp = 6. QMP QM k.r I = 6. 0,8745 0, , ,5% Variaçãototal: VT = RR + VP = 0, ,1567 1,38 = 100% VO real = 0, ,836 0,3365 7,50% (Devido interação) Ver gráfico do próximo slide e comparar as respostas)

35 R&R ANOVA Exercício (3) R&R (ANOVA) Nome do instrumento: Data do estudo: A nalista: Tolerância: O utros: 100 Componentes da Variação % Study Var 1,00 Medida por peça % 50 0,75 0,50 Amplitude amostral 0 0,10 0,05 0,00 Gage R&R Repeat Reprod Carta R por operador A B C Carta Xbar por operador A B C Part-to-Part LSC=0,15 _ R=0,0383 LIC=0 1,00 0,75 0, A peça Medida por operador B oper Interação operador-peça 7 C 8 9 Média amostral 1,00 0,75 0,50 _ LSC=0,8796 X=0,8075 LIC=0,7354 Média 1,00 0,75 0, peça oper A B C RR = 3,66% VE = 17,6% VO = 7,50% VP = 94,5% NCD = 4,0 Valores algo diferentes do outro método

36 Fim do Módulo 4 Fim

MSA - Measurement System Analysis (em português: Análise do Sistema de Medição)

MSA - Measurement System Analysis (em português: Análise do Sistema de Medição) Nº do Documento: SUP-PMSA Data de Impressão: 05/05/017 Visão Geral A decisão de ajustar ou não um processo de manufatura é comumente baseada em dados de medição. Os dados de medição, ou valores estatísticos

Leia mais

ANÁLISE DOS SISTEMAS DE MEDIÇÃO. Suelí Fischer Beckert

ANÁLISE DOS SISTEMAS DE MEDIÇÃO. Suelí Fischer Beckert ANÁLISE DOS SISTEMAS DE MEDIÇÃO MSA 4. EDIÇÃO Suelí Fischer Beckert CARACTERÍSTICAS ESTATÍSTICAS DE UM EXPERIMENTO 2 uma medida de posição; uma medida de dispersão; o tipo de distribuição que está ocorrendo,

Leia mais

Especialização em Métodos Estatísticos Computacionais

Especialização em Métodos Estatísticos Computacionais Avaliação de Sistemas de Medição Roteiro 1. Características de um Sistema de Medição 2. Avaliação do Erro Sistemático 3. Repetitividade e Reprodutibilidade 4. Adequabilidade de Sistema de Medição 5. Aplicação

Leia mais

1 Estudos de medição para dados contínuos

1 Estudos de medição para dados contínuos Conteúdo 1 Estudos de medição para dados contínuos Objetivos Determinar a adequação dos sistemas de medição. Compreenda a diferença entre estudos de medição R&R cruzados e aninhados. Calcular as estatísticas

Leia mais

Avaliação de Sistemas de Medição

Avaliação de Sistemas de Medição Monitoramento de um processo: medição de uma característica da qualidade X por meio de um sistema de medição. Sistema de medição ideal: produz somente resultados corretos, ou seja, que coincidem com o

Leia mais

ANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM

ANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM ANÁLISE DE VARIÂNCIA - ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças

Leia mais

Avaliação de Sistemas de Medição

Avaliação de Sistemas de Medição Roteiro Avaliação de Sistemas de Medição 1. Características de um Sistema de Medição 2. Avaliação do Erro Sistemático 3. Repetitividade e Reprodutibilidade 4. Adequabilidade de Sistema de Medição 5. Aplicação

Leia mais

ESTATÍSTICA EXPERIMENTAL

ESTATÍSTICA EXPERIMENTAL ESTATÍSTICA EXPERIMENTAL ESTUDO DE VARIABILIDADE DOS DADOS EXPERIMENTAIS Prof. Miguel Toledo del Pino, Eng. Agrícola (Dr.) INTRODUÇÃO Realizamos experimentos para compararmos os efeitos de tratamentos

Leia mais

Módulo 5. Estudos de sistemas de medição por atributos, Sistemas complexos/não replicáveis

Módulo 5. Estudos de sistemas de medição por atributos, Sistemas complexos/não replicáveis Módulo 5 Estudos de sistemas de medição por atributos, Sistemas complexos/não replicáveis Conteúdos deste módulo Estudos por atributos Método da tabulação cruzada Caso 1 Método da tabulação cruzada Caso

Leia mais

Módulo 3 Apresentação e análise da Fase 3 do APQP, seus elementos/atividades e aplicações práticas

Módulo 3 Apresentação e análise da Fase 3 do APQP, seus elementos/atividades e aplicações práticas Módulo 3 Apresentação e análise da Fase 3 do APQP, seus elementos/atividades e aplicações práticas Fases do APQP e seus elementos Planejamento e definição 1. Decisão de fornecimento 2. Inputs do cliente

Leia mais

Disciplina: Gestão da Qualidade

Disciplina: Gestão da Qualidade Disciplina: Gestão da Qualidade As Sete Ferramentas da Qualidade: Cartas de Controle Prof. Fernando Porto Introdução As cartas de controle, conhecidas originalmente como gráficos de Shewhart ou gráficos

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS

UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Tarciana Liberal MEDIDAS DE DISPERSÃO As medidas de posição apresentadas fornecem a informação dos dados apenas a nível pontual,

Leia mais

Unidade 2 Controle da Qualidade. Prof. Luciana Leite

Unidade 2 Controle da Qualidade. Prof. Luciana Leite Unidade Controle da Qualidade Prof. Luciana Leite Área de Estudo da Disciplina Atividades da Trilogia da Qualidade Planejamento da Qualidade Controle da Qualidade Melhoria da Qualidade Estabelecer os objetivos

Leia mais

EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,

Leia mais

Lucas Santana da Cunha de outubro de 2018 Londrina

Lucas Santana da Cunha de outubro de 2018 Londrina e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa

Leia mais

EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda.perticarrari@unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,

Leia mais

EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,

Leia mais

ENGENHARIA DA QUALIDADE

ENGENHARIA DA QUALIDADE ENGENHARIA DA QUALIDADE Professor: Eng. de Produção Filipe de Medeiros Albano, Me. Programa: Análise de Sistemas de Medição; Exatidão e Precisão Estudos de Repetitividade e Reprodutibilidade Estudo Rápido

Leia mais

Distribuição de frequências:

Distribuição de frequências: Distribuição de frequências: Uma distribuição de frequências é uma tabela que reúne o conjunto de dados conforme as frequências ou as repetições de seus valores. Esta tabela pode representar os dados em

Leia mais

MEDIDAS DE DISPERSÃO. Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões

MEDIDAS DE DISPERSÃO. Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões MEDIDAS DE DISPERSÃO Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões Cidade A: 185, 185, 185 x 185mm Cidade B: 18, 184, 189 x 185mm

Leia mais

12/06/14. Estatística Descritiva. Estatística Descritiva. Medidas de tendência central. Medidas de dispersão. Separatrizes. Resumindo numericamente

12/06/14. Estatística Descritiva. Estatística Descritiva. Medidas de tendência central. Medidas de dispersão. Separatrizes. Resumindo numericamente Resumindo numericamente Para resumir numericamente dados quantitativos o objetivo é escolher medidas apropriadas de locação (``qual o tamanho dos números envolvidos?'') e de dispersão (``quanta variação

Leia mais

Lucas Santana da Cunha de outubro de 2018 Londrina

Lucas Santana da Cunha de outubro de 2018 Londrina e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas

Leia mais

MSA E VDA 5: UMA METODOLOGIA INTEGRADA PARA ANÁLISE DE SISTEMAS DE MEDIÇÃO

MSA E VDA 5: UMA METODOLOGIA INTEGRADA PARA ANÁLISE DE SISTEMAS DE MEDIÇÃO UNIVERSIDADE FEDERAL DE SANTA CATARINA - CAMPUS JOINVILLE CENTRO TECNOLÓGICO DE JOINVILLE MSA E VDA 5: UMA METODOLOGIA INTEGRADA PARA ANÁLISE DE SISTEMAS DE MEDIÇÃO GABRIEL WESTPHAL NOVEMBRO / 2017 GABRIEL

Leia mais

EXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

EXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população, com

Leia mais

Medidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO

Medidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO Medidas de Dispersão para uma Amostra Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO Medidas de Dispersão para uma Amostra Para entender o que é dispersão, imagine que quatro alunos

Leia mais

Tratamento estatístico de observações geodésicas

Tratamento estatístico de observações geodésicas Tratamento estatístico de observações geodésicas Prof. Dr. Carlos Aurélio Nadal OBJETIVO: parâmetros estatísticos são utilizados para avaliar os métodos empregados ou para o controle de qualidade dos trabalhos.

Leia mais

Testes de Hipóteses sobre a média: Várias Amostras

Testes de Hipóteses sobre a média: Várias Amostras Testes de Hipóteses sobre a média: Várias Amostras Na aula de hoje veremos como comparar mais de duas populações, baseados em dados fornecidos por amostras dessas populações. A Análise de Variância (ANOVA)

Leia mais

Teste de hipótese de variância e Análise de Variância (ANOVA)

Teste de hipótese de variância e Análise de Variância (ANOVA) Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Modelos explicativos estatísticos Modelos estatísticos visam descrever

Leia mais

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV TESTES DE COMPARAÇÕES MÚLTIPLAS DE MÉDIAS EXPERIMENTAIS Profª Railene Hérica Carlos

Leia mais

CAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte

CAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte CAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte 4.3 Medidas de posição 4.4 Medidas de dispersão 4.5 Separatrizes Prof. franke 2 Vimos que a informação contida num conjunto de dados pode ser resumida

Leia mais

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,

Leia mais

EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os

Leia mais

Avaliação de Sistemas de Medição

Avaliação de Sistemas de Medição Avaliação de Sistemas de Medição Roteiro. Características de um Sistema de Medição. Avaliação do Erro Sistemático. Repetitividade e Reprodutibilidade 4. Adequabilidade de Sistema de Medição 5. Aplicação

Leia mais

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução

Leia mais

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes

Leia mais

AULA 05 Teste de Hipótese

AULA 05 Teste de Hipótese 1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução

Leia mais

EXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

EXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,

Leia mais

Especialização em Engenharia de Processos e de Sistemas de Produção

Especialização em Engenharia de Processos e de Sistemas de Produção Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 2ª parte Experimentos inteiramente

Leia mais

Projeto de Experimentos

Projeto de Experimentos Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída

Leia mais

H 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i)

H 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i) Em um experimento ao se comparar as médias de tratamentos ou dos níveis de um fator de tratamentos, inicialmente, formula-se a seguintes hipóteses: H 0 : m = m =... = m = 0 H a : pelo menos m u m k, para

Leia mais

DELINEAMENTO EM BLOCOS AO ACASO

DELINEAMENTO EM BLOCOS AO ACASO DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.

Leia mais

Conceito de Estatística

Conceito de Estatística Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir

Leia mais

Descrevendo Distribuições com Números TADI

Descrevendo Distribuições com Números TADI Descrevendo Distribuições com Números TADI 1 Quanto ganha quem tem curso superior? Entrevistamos 15 pessoas que responderam (em milhares de R$/mês): 11 2,5 5 5 5,5 3 3,5 3 0,4 3,2 5 3 3,2 7,4 6 Salário

Leia mais

Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos

Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos a técnica de Análise de variância (ANOVA) a um fator, que resulta

Leia mais

CE219 - Controle Estatístico de Qualidade

CE219 - Controle Estatístico de Qualidade CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 06 de junho, 2018 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 06 de junho, 2018 1 / 15 Aula 8 - Análise da capacidade

Leia mais

Medidas de Dispersão ou variabilidade

Medidas de Dispersão ou variabilidade Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou

Leia mais

PLANEJAMENTO DE EXPERIMENTOS

PLANEJAMENTO DE EXPERIMENTOS PLANEJAMENTO DE EXPERIMENTOS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 01 de julho de 2017 Planejamento de Experimentos A experimentação

Leia mais

Lucas Santana da Cunha 27 de novembro de 2017

Lucas Santana da Cunha  27 de novembro de 2017 EXPERIMENTAÇÃO E ANÁLISE DE VARIÂNCIA Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 27 de novembro de 2017 Experimentação A experimentação se difundiu como

Leia mais

Planejamento e Otimização de Experimentos

Planejamento e Otimização de Experimentos Planejamento e Otimização de Experimentos Um Pouco de Estatística Descritiva Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br elcana@quimica.ufg.br Populações, Amostras e Distribuições População

Leia mais

Profa. Janaina Fracaro Engenharia Mecânica 2015

Profa. Janaina Fracaro Engenharia Mecânica 2015 Profa. Janaina Fracaro Engenharia Mecânica 2015 Medidas de Posição ou tendência central Buscam identificar valores característicos de uma relação de valores medidos. Média Aritmética: EX: Suponha que a

Leia mais

EXPERIMENTOS COM INTERAÇÕES

EXPERIMENTOS COM INTERAÇÕES EXPERIMENTOS COM INTERAÇÕES Na maioria dos experimentos, os tratamentos são de efeitos fixos. Mas também são realizados experimentos em que os efeitos dos tratamentos são aleatórios. 1 Para saber se, em

Leia mais

CE219 - Controle Estatístico de Qualidade

CE219 - Controle Estatístico de Qualidade CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 14 Aula 8 - Análise da capacidade

Leia mais

Teste de hipótese de variância e Análise de Variância (ANOVA)

Teste de hipótese de variância e Análise de Variância (ANOVA) Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente

Leia mais

Teste de Cochran (Homogeneidade de Variância)

Teste de Cochran (Homogeneidade de Variância) ara o modelo heterocedástico, vamos inicialmente testar as hipóteses Os métodos mais utilizados são os testes de Cochran, Bartlett e de Levene. Teste de Cochran (Homogeneidade de Variância) O teste de

Leia mais

Estatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br

Estatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES

Leia mais

Princípios de Bioestatística

Princípios de Bioestatística Princípios de Bioestatística Análise de Variância Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/~enricoc 2011 1 / 25 Introdução Existem muitas

Leia mais

EXPERIMENTAÇÃO AGRÁRIA

EXPERIMENTAÇÃO AGRÁRIA EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ As medidas de posição apresentadas fornecem a informação dos dados apenas a nível

Leia mais

EXPERIMENTAÇÃO AGRÁRIA

EXPERIMENTAÇÃO AGRÁRIA EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características

Leia mais

Estatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo:

Estatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo: 6 ESQUEMA DO CAPÍTULO Estatística Descritiva 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS

Leia mais

Bioexperimentação. Prof. Dr. Iron Macêdo Dantas

Bioexperimentação. Prof. Dr. Iron Macêdo Dantas Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Controle Estatístico da Qualidade

Controle Estatístico da Qualidade Controle Estatístico da ESQUEMA DO CAPÍTULO 15.1 MELHORIA E ESTATÍSTICA DA QUALIDADE 15.2 CONTROLE ESTATÍSTICO DA QUALIDADE 15.3 CONTROLE ESTATÍSTICO DE PROCESSO 15.4 INTRODUÇÃO AOS GRÁFICOS DE CONTROLE

Leia mais

AULA 04 Teste de hipótese

AULA 04 Teste de hipótese 1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal

Leia mais

Delineamento e Análise Experimental Aula 3

Delineamento e Análise Experimental Aula 3 Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da

Leia mais

Planejamento Experimental

Planejamento Experimental Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 22 de setembro de 2018 Londrina Um pesquisador científico resolve problemas de interesse da sociedade de forma direta ou indireta, pela aplicação

Leia mais

Métodos Estatísticos Avançados em Epidemiologia

Métodos Estatísticos Avançados em Epidemiologia 1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44

Leia mais

DELINEAMENTO COMPLETAMENTE CASUALIZADO. Prof. Dra. Janete Pereira Amador

DELINEAMENTO COMPLETAMENTE CASUALIZADO. Prof. Dra. Janete Pereira Amador DELINEAMENTO COMPLETAMENTE CASUALIZADO Prof. Dra. Janete Pereira Amador Análise de Variância Considerando esquematicamente um experimento, tem-se: Tratamentos Unidade Experimental Efeito onde ij são as

Leia mais

Delineamento e Análise Experimental Aula 5

Delineamento e Análise Experimental Aula 5 Aula 5 Castro Soares de Oliveira Delineamentos Experimentais Delineamento experimental ou desenhos experimentais é o plano utilizado para realizar o experimento. Esse plano implica na maneira como os diferentes

Leia mais

ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt

ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt lucas.breniuk@hotmail.com Estimação de parâmetros Média Variância Proporção Estimação de parâmetros Média: " estimador

Leia mais

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo

Leia mais

Estatística Descritiva

Estatística Descritiva Estatística Descritiva ESQUEMA DO CAPÍTULO 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS

Leia mais

Planejamento e Otimização de Experimentos

Planejamento e Otimização de Experimentos Planejamento e Otimização de Experimentos Um Pouco de Estatística Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Populações, Amostras e Distribuições População Amostra

Leia mais

ANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva

ANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva ANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Exemplo 1 de Introdução Medley & Clements (1998) estudaram o efeito de metais pesados, especialmente zinco, sobre

Leia mais

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições

Leia mais

1) A variância de um conjunto de dados é 16. O desvio padrão será: 1.1 DESVIO MÉDIO ABSOLUTO (Dm) Distribuição de Dados não- Agrupados

1) A variância de um conjunto de dados é 16. O desvio padrão será: 1.1 DESVIO MÉDIO ABSOLUTO (Dm) Distribuição de Dados não- Agrupados RESUMO É de extrema importância para a análise dos dados, verificar o comportamento dos valores tabelados em relação à média. Isto é, estudar a dispersão dos dados em relação à média. No estudo dessa dispersão

Leia mais

Capítulo 5 Distribuições de probabilidade normal Pearson Prentice Hall. Todos os direitos reservados.

Capítulo 5 Distribuições de probabilidade normal Pearson Prentice Hall. Todos os direitos reservados. Capítulo 5 Distribuições de probabilidade normal slide 1 Descrição do capítulo 5.1 Introdução à distribuição normal e distribuição normal padrão 5.2 Distribuições normais: encontrando probabilidades 5.3

Leia mais

ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC)

ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 11 de dezembro de 2017 Uma análise de variância expressa uma medida

Leia mais

Análise Multivariada Aplicada à Contabilidade

Análise 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 mais

Planejamento de Experimentos. 13. Experimentos com fatores aleatórios

Planejamento de Experimentos. 13. Experimentos com fatores aleatórios Planejamento de Experimentos 13. Experimentos com fatores aleatórios Até aqui assumimos que os fatores nos experimentos eram fixos, isto é, os níveis dos fatores utilizados eram níveis específicos de interesse.

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Estatística e Probabilidade. Aula 11 Cap 06

Estatística e Probabilidade. Aula 11 Cap 06 Aula 11 Cap 06 Intervalos de confiança para variância e desvio padrão Confiando no erro... Intervalos de Confiança para variância e desvio padrão Na produção industrial, é necessário controlar o tamanho

Leia mais

Estatística Descritiva

Estatística Descritiva Estatística Descritiva ESQUEMA DO CAPÍTULO 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS

Leia mais

Análise da Variância. Prof. Dr. Alberto Franke (48)

Análise da Variância. Prof. Dr. Alberto Franke (48) Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros

Leia mais

POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS

POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA População (N) representa o conjunto de todas as unidades experimentais que apresentam características em comum Amostra (n) representa uma parte do todo.

Leia mais

Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão

Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão 1) Os dados apresentados a seguir referem-se ao levantamento dos intervalos

Leia mais

QUÍMICA ANALÍTICA V 2S Prof. Rafael Sousa. Notas de aula:

QUÍMICA ANALÍTICA V 2S Prof. Rafael Sousa. Notas de aula: QUÍMICA ANALÍTICA V 2S 2011 Aulas 1 e 2 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf/baccan Discussão dos

Leia mais

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição

Leia mais

2. Estatística Descritiva

2. Estatística Descritiva 2. Estatística Descritiva ESTATÍSTICA Conjunto de técnicas e ferramentas que descreve, organiza, resume e interpreta as informações a partir dos dados coletados Estatística descritiva Conjunto de técnicas

Leia mais

Módulo IV Medidas de Variabilidade ESTATÍSTICA

Módulo IV Medidas de Variabilidade ESTATÍSTICA Módulo IV Medidas de Variabilidade ESTATÍSTICA Objetivos do Módulo IV Compreender o significado das medidas de variabilidade em um conjunto de dados Encontrar a amplitude total de um conjunto de dados

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB DISCIPLINA BIOEXPERIMENTAÇÃO Exercício de experimento fatorial resolução passo-à-passo Os dados apresentados abaixo são uma adaptação do exemplo apresentado por Banzato e Kronka (199) Os dados são valores

Leia mais

SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi

SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi Material

Leia mais

5. Carta de controle e homogeneidade de variância

5. Carta de controle e homogeneidade de variância 5. Carta de controle e homogeneidade de variância O desenvolvimento deste estudo faz menção a dois conceitos estatísticos: as cartas de controle, de amplo uso em controle estatístico de processo, e a homogeneidade

Leia mais

Intervalos de Confiança

Intervalos de Confiança Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de

Leia mais

ESTATÍSTICA EXPERIMENTAL. ANOVA. Aula 05

ESTATÍSTICA 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 mais

Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)

Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48) Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro

Leia mais

BAC011 - ESTATÍSTICA ANÁLISE DE VARIÂNCIA. Análise de Variância ANOVA. Prof. Dr. Emerson José de Paiva

BAC011 - ESTATÍSTICA ANÁLISE DE VARIÂNCIA. Análise de Variância ANOVA. Prof. Dr. Emerson José de Paiva BAC011 - ESTATÍSTICA Análise de Variância ANÁLISE DE VARIÂNCIA 1 A é utilizada para se verificar a influência de certos fatores sobre uma resposta de interesse. Testa-se como os diversos fatores exercem

Leia mais

4 O Erro de Medição. Erro de Medição. Fundamentos de Metrologia. sistema de medição. mensurando. erro de medição

4 O Erro de Medição. Erro de Medição. Fundamentos de Metrologia. sistema de medição. mensurando. erro de medição 4 O Erro de Medição Fundamentos de Metrologia Erro de Medição sistema de medição mensurando indicação erro de medição valor verdadeiro 1 Um exemplo de erros... Teste de precisão de tiro de canhões: Canhão

Leia mais

Análise de variância (ANOVA)

Análise de variância (ANOVA) Análise de variância (ANOVA) Universidade Estadual de Santa Cruz Ivan Bezerra Allaman CRONOGRAMA 1. História 2. Concepção da ideia 3. Formalização da ideia e o surgimento da distribuição F 4. Hipóteses

Leia mais