UNIVERSIDADE ESTADUAL DE GOIÁS Unidade Universitária de Ciências Exatas e Tecnológicas Curso de Licenciatura em Matemática
|
|
- Alexandra Bastos Pereira
- 6 Há anos
- Visualizações:
Transcrição
1 1 UNIVERSIDADE ESTADUAL DE GOIÁS Unidade Universitária de Ciências Exatas e Tecnológicas Curso de Licenciatura em Matemática Modelo Weibull Aplicado a Análise de Confiabilidade Marcílio Ramos Pereira Cardial ANÁPOLIS 2012
2 1 Marcílio Ramos Pereira Cardial Modelo Weibull Aplicado a Análise de Confiabilidade Trabalho de Curso apresentado a Coordenação Adjunta de TC, como parte dos requisitos para obtenção do título de Graduado no Curso de Licenciatura em Matemática da Universidade Estadual de Goiás sob a orientação do Professor Msc. Cleber Giugioli Carrasco. ANÁPOLIS 2012
3 2
4 3 DEDICATÓRIA Dedico este trabalho aos meus pais, professores e amigos que sempre estiveram ao meu lado, sempre acreditando na minha capacidade, me dando apoio nos momentos difíceis.
5 4 AGRADECIMENTOS Agradeço primeiramente a Deus, por estar sempre ao meu lado, sem ele na minha vida nada seria possível, muito menos a execução deste trabalho. Aos meus pais, Domingos e Maria, que sempre me incentivaram a estudar e não desistir diante do primeiro obstáculo e me apoiaram na decisão de cursar Matemática. Ao professor Cleber que despertou em mim um novo olhar para probabilidade e estatística devido a sua competência em lecionar esta disciplina, fazendo com que eu tivesse um maior interesse nesta área do conhecimento, e que com muita responsabilidade e paciência orientou-me neste trabalho, graças a sua excelente orientação foi possível construir um trabalho de qualidade. A todos os meus colegas de curso especialmente ao Samuel e Vando, pela amizade e companheirismo indispensáveis.
6 5 LISTA DE TABELAS Tabela 5.1: Tempo de falha dos isolantes elétricos Tabela 5.2: Estimativas da função de confiabilidade e taxa de falha do modelo Weibull Tabela 5.3: Estimativas da função de confiabilidade do modelo Weibull e para o estimador de Kaplan-Meier Tabela 5.4: Tempos das falhas dos isoladores elétricos Tabela 5.5: Estimativas da função de confiabilidade do modelo Weibull e para o estimador de Kaplan-Meier (censura tipo II)
7 6 LISTA DE FIGURAS Figura 2.1: Curva densidade de probabilidade referente a variável aleatória T Figura 3.1: Mecanismos de censuras à direita Figura 3.2: Estimador de Kaplan-Meier Figura 4.1: Taxa de falha da distribuição de Weibull Figura 4.2: Função densidade de probabilidade, confiabilidade e taxa de falha de uma distribuição Weibull de parâmetros β = 0,2 e α = Figura 4.3: Função densidade de probabilidade, confiabilidade e taxa de falha de uma distribuição Weibull de parâmetros β = 1 e α = Figura 4.4: Função densidade de probabilidade, confiabilidade e taxa de falha de uma distribuição Weibull de parâmetros β = 6 e α = Figura 4.5: Função densidade de probabilidade, confiabilidade e taxa de falha baseado na distribuição de Weibull para diferentes parâmetros de escala Figura 5.1: Função de confiabilidade ajustada pelo modelo Weibull e estimador de Kaplan- Meier Figura 5.2: Taxa de falha ajustada pelo modelo Weibull Figura 5.3: Função de confiabilidade para o modelo Weibull e para o estimador de Kaplan - Meier (censura tipo II) Figura 5.4: Taxa de falha (censura tipo II)... 30
8 7 RESUMO Neste trabalho é proposto o uso da distribuição de Weibull na análise de dados de confiabilidade, enfatizando a importância da utilização de dados censurados na análise estatística. Há uma breve introdução sobre função densidade de probabilidade, de confiabilidade e taxa de falha. Posteriormente é apresentado o estimador de Kaplan-Meier, alguns mecanismos de censuras e o modelo Weibull, destacando as propriedades que o caracterizam. Por último, utiliza-se conjunto de dados reais para ilustrar a metodologia adotada, através do cálculo das estimativas de máxima verossimilhança para os parâmetros do modelo Weibull e da comparação gráfica das estimativas da função de confiabilidade e de Kaplan-Meier. Toda a análise dos dados e a construção dos gráficos foram realizados no software free R. Palavras-chave: Análise de confiabilidade, Distribuição de Weibull, Estimador de Kaplan- Meier, Mecanismo de censuras.
9 8 SUMÁRIO INTRODUÇÃO FUNÇÕES EM ANÁLISE DE CONFIABILIDADE Função densidade de probabilidade Função de confiabilidade Taxa de falha DADOS CENSURADOS E ESTIMADOR DE KAPLAN-MEIER Dados censurados Tipos de Censuras Estimador de Kaplan-Meier MODELO WEIBULL Distribuição Weibull O parâmetro de forma β O parâmetro de escala α Método de máxima verossimilhança RESULTADOS E DISCUSSÕES Dados sem censura Dados com censura (censura tipo II) CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS... 32
10 9 INTRODUÇÃO O termo análise de confiabilidade pode ser definido como um conjunto de procedimentos estatísticos para análise de dados relacionados ao até a ocorrência de um determinado evento de interesse (COSTA E CARRASCO, 2007). A análise de confiabilidade pode ser utilizada em áreas como a engenharia, onde, são realizados estudos em que os produtos são colocados sob testes para estimar características relacionadas aos seus s de vida. O estudo em análise de confiabilidade deve ser feito de forma cuidadosa pelo fato da possível presença de dados censurados, que é a existência de observações incompletas ou parciais, ou seja, quando não se observa o evento de interesse. Segundo Ryan (2009) a distribuição Weibull geralmente é um bom modelo para aplicações de confiabilidade e, na prática é uma das mais utilizadas em trabalhos de confiabilidade, isso se deve em parte à flexibilidade do ajuste de dados que é proporcionado por essa distribuição. É importante que se possam realizar estudos em análise de confiabilidade com o intuito de aperfeiçoar a produção conforme destacam estudiosos neta área: Diante de um mercado altamente competitivo, onde os clientes estão se tornando cada vez mais exigentes, e os produtos, por sua vez, cada vez mais complexos, as empresas vêm sentido a necessidade de modernização das suas linhas de produção; entretanto mostra-se necessário que tal modernização venha acompanhada de procedimentos que, baseados em informações quantitativas, sejam capazes de otimizar a utilização e a manutenção desses novos meios produtivos. (SIMONETTI et al., 2008) Neste trabalho pretende-se utilizar o modelo Weibull em análise de confiabilidade apresentando suas principais características. A vantagem de se utilizar este modelo em análise de confiabilidade é pelo fato dele poder acomodar taxa de falhas crescentes, decrescentes e constantes. Este trabalho está dividido em cinco capítulos. No segundo capítulo é apresentada a função densidade de probabilidade, a função de confiabilidade e a taxa de falha. O terceiro capítulo refere-se alguns mecanismos de censuras juntamente com o estimador de Kaplan- Meier. O quarto capítulo apresenta o modelo Weibull, as principais características de seus dois parâmetros: o parâmetro de escala e de forma, e o método de máxima verossimilhança. No último capítulo é feita a análise do conjunto de dados de dois exemplos, onde se tem a estimação dos parâmetros do modelo Weibull. Toda análise estatística é realizada no software free R disponível gratuitamente em Este software foi escolhido, pois é
11 10 uma importante ferramenta que possibilita a análise e manipulação de dados, além da facilidade na elaboração de diversos tipos de gráficos (PETERNELLI E MELLO, 2007).
12 11 2. FUNÇÕES EM ANÁLISE DE CONFIABILIDADE No presente capítulo será apresentada a definição da função densidade de probabilidade, de confiabilidade e da taxa de falha Função Densidade de Probabilidade Define-se f(t) como uma função densidade de probabilidade (f.d.p.) para uma variável aleatória (v.a.) T, se satisfazer as seguintes condições (MAGALHÃES, 2008): i) f(t) 0, para todo t ; ii) ( ). Se f é uma f.d.p. e T uma variável aletória contínua, para se calcular a probabilidade da v.a. T estar no intervalo [ ], basta calcular a seguinte área representada pela Figura 2.1, ou seja, calcular a integral: ( ) ( ) ( 2.1) FIGURA 2.1: Curva densidade de probabilidade referente a variável aleatória T. A Figura 2.1 representa uma curva contínua, e logo se tem área zero para qualquer valor individual, portanto: ( ) ( 2.2)
13 12 Desta forma, através de (2.2) as probabilidades calculadas sobre os intervalos [ ], ( ), [ ), ( ] serão as mesmas para quaisquer valores de e b, isto é: ( ) ( ) ( ) ( ) ( 2.3) 2.2. Função de Confiabilidade A confiabilidade é a capacidade de um componente realizar ou manter seu bom funcionamento até o de falha t, em outras palavras é a probabilidade de que o componente não falhe no intervalo de [ ]. Desta forma, define-se R(t) como a função de confiabilidade de um componente e podemos escrever R(t) em termos probabilísticos como (MEYER, 1982): ( ) ( ) ( 2.4) onde T é a duração de vida do componente Taxa de Falha A taxa de falha, também conhecida como função de risco, é representada por h(t) e especifica a taxa de falha instantânea de um componente, ou seja, a probabilidade do mesmo vir a falhar instantaneamente após o t, dado que este funcionou até o t. A taxa de falha é dada por (COLOSIMO, 2001): ( ) ( ) ( 2.5) Podemos utilizar uma relação matemática que descreve a taxa de falha (2.5), relacionando a f.d.p. com a função de confiabilidade dada por (MEYER, 1982): ( ) ( ) ( ) ( 2.6) Desta forma, podemos dizer que a taxa de falha é a probabilidade de falha no t dividido pela probabilidade de que a unidade ainda esteja funcionando no t..
14 13 3. DADOS CENSURADOS E ESTIMADOR DE KAPLAN-MEIER Alguns trabalhos em análise de confiabilidade são caracterizados por observações incompletas ou parciais, que são conhecidas como censuras, assunto que será abordado neste capítulo juntamente com o estimador de Kaplan-Meier Dados censurados Qualquer tipo de teste realizado para medir a durabilidade de um componente é, em geral, demorado e caro. Mesmo que leve algum para o final do teste, alguns componentes podem não falhar, essas informações são ditas incompletas ou parciais e são chamadas de observações censuradas (LOPES, 2001). Dessa forma, há a necessidade da introdução de uma variável que indique se o de vida foi ou não observado (COLOSIMO, 2001). Essa variável é definida na literatura como variável indicadora de censura, e será igual a um se o de sobrevida for observado e zero caso o contrário. Assim temos: (3.1) Ressaltamos o fato de que, mesmo censurados, todos os resultados provenientes de um estudo devem ser usados na análise estatística, pois a omissão da censura nos cálculos estatísticos poderá acarretar em conclusões viciadas (COLOSIMO, 2001) Tipos de censuras Segundo Colosimo (2001), alguns mecanismos de censura são diferenciados em análise de confiabilidade, os mais comuns são: Censura do Tipo I: o estudo termina após um período pré-estabelecido de. Censura do Tipo II: onde o estudo termina após ter ocorrido o evento de interesse em um número pré-estabelecido de componentes estudados. Censura do Tipo Aleatório: ocorre quando um componente é retirado no decorrer do estudo sem ter ocorrido à falha. Também ocorre, por exemplo, se o componente falhar por uma razão diferente da estudada. A Figura 3.1 apresenta os mecanismos de censuras estudados neste trabalho.
15 14 FIGURA 3.1: Mecanismos de censuras à direita. Fonte: COSTA e CARRASCO, 2007, p. 17. Esses mecanismos de censura são conhecidos como censura a direita, pois o de interesse está à direita do registrado, normalmente estes tipos de censuras são os mais utilizados nos trabalhos de confiabilidade, porém existem mais dois tipos de censuras, conhecidas como censura a esquerda e intervalar que não serão abordadas neste trabalho Estimador de Kaplan-Meier O Kaplan-Meier é um estimador não paramétrico para a função de confiabilidade e é também chamado de estimador limite-produto (COLOSIMO, 2001). Na ausência de censuras este é definido por: Nº de observações que não falharam até o t R ˆ( t) (3.2) Nº de observações total no estudo Quando há a presença de dados censurados é necessário utilizar outra expressão que será descrita a seguir. Segundo é definido por Kaplan e Meier (1958, apud LOPES 2001),
16 confiabilidade suponha que existam n componentes sob teste e k falhas distintas nos s, para, podendo ocorrer mais de uma falha num mesmo, ou seja, simultaneamente, o que é chamado de empate. Para solucionar esse problema, admite-se que os s de censura ocorreram imediatamente após o de falha. Assim o estimador da função de confiabilidade é dado por: Rˆ ( ) ( ) ( ) ( 3.3) onde, d i é o número de falhas no t i, n i é o número de observações sob risco (não falhou e não foi censurado) até o (exclusive). É importante ressaltar que a expressão 3.3 pode ser utilizada tanto na presença quanto na ausência de dados censurados, sendo desta forma uma expressão mais versátil que a expressão 3.2. O estimador de Kaplan-Meier baseia-se no fato de que o número de intervalos é igual ao número de de falhas e, por este motivo o gráfico vem a ser uma função escada com degraus nos s observados de falha, conforme apresenta a Figura FIGURA 3.2: Estimador de Kaplan-Meier
17 16 O estimador de Kaplan-Meier é mais eficiente, por ser um estimador não viciado para a função de confiabilidade, tanto para grandes, como para pequenas amostras (KAPLAN E MEIER, 1958).
18 17 4. MODELO WEIBULL Neste capítulo serão apresentadas as funções e propriedades que caracterizam o modelo Weibull e o método de máxima verossimilhança Distribuição Weibull A distribuição de Weibull recebeu este nome após o falecimento de Waloide Weibull, um engenheiro sueco que propôs em 1939, a distribuição Weibull como uma distribuição apropriada para a resistência de ruptura dos materiais (RYAN, 2009). Esta distribuição vem sendo ao longo dos anos o modelo probabilístico mais aceito e utilizado para trabalhos em análise de confiabilidade devido à flexibilidade que o mesmo apresenta, essa versatilidade se deve aos dois parâmetros que a distribuição apresenta: o parâmetro de escala e o parâmetro de forma. Através deste modelo, há a possibilidade de se trabalhar com taxa de falhas crescentes, decrescentes e constantes. Uma v.a. contínua T, possui distribuição Weibull biparamétrica, se e somente se, sua f.d.p. for definida por (COLOSIMO, 2001): ( ) ( ) ( ( ) ) ( 4.1) onde os parâmetros α e β são constantes positivas, α é o parâmetro de escala e β é o parâmetro de forma. (MEYER, 1982): A esperança e a variância do modelo Weibull são respectivamente dadas por ( ) ( ) ( 4.2) ( ) ( ( ) ( ( )) ) ( 4.3) onde é a função gama, esta função pode ser definida como: ( ) ( )! para r inteiro (LOPES, 2001).
19 18 A função de confiabilidade da distribuição Weibull é dada por (MEYER,1982): ( ) ( ( ) ) ( 4.4) A taxa de falha do modelo Weibull é dada por (COLOSIMO, 2001): ( ) ( ) ( ) ( 4.5) A taxa de falha da distribuição Weibull apresenta diferentes formas que estão ligadas diretamente aos seus parâmetros, em especial, ao parâmetro de forma β, isto é: Quando β > 1 a taxa de falha é estritamente crescente; Quando β = 1, a taxa de falha é constante, pois a distribuição Weibull se reduz a distribuição Exponencial; Quando β < 1, a taxa de falha é estritamente decrescente. A Figura 4.1 apresenta a taxa de falha do modelo Weibull com o parâmetro de escala α = 1 e o parâmetro de forma fixado em: β = 0,5 ( ), β = 0,8 ( ), β = 1( ), β = 4 ( ) e β = 5 ( ) FIGURA 4.1: Taxa de falha da distribuição de Weibull.
20 f(t) R(t) h(t) O parâmetro de forma β O parâmetro de forma β não tem unidade de medida, ou seja, o mesmo é adimensional e, como o próprio nome sugere, esse parâmetro é utilizado para analisar o comportamento da curva no gráfico. Quando β < 1, a função densidade de probabilidade e a taxa de falhas apresentam frequências elevadas na parte inicial da vida, fazendo com que a função de confiabilidade decresça de forma mais acelerada, tais falhas são comumente chamadas de falhas prematuras e geralmente estão associadas a defeitos originados no projeto da produção (SIMONETTI et al., 2008). Para ilustração são apresentados na Figura 4.2 a f.d.p., a curva de confiabilidade e a taxa de falhas respectivamente, com os parâmetros fixados em β = 0,2 e α = 25. f.d.p. função de confiabilidade taxa de falha FIGURA 4.2: Função densidade de probabilidade, confiabilidade e taxa de falha de uma distribuição Weibull de parâmetros β = 0,2 e α = 25. Quando β = 1, a distribuição Weibull equivale à distribuição exponencial, desta forma a taxa de falha é constante e as falhas ocorrem de forma aleatória. A função de confiabilidade e a f.d.p. terão o mesmo comportamento com frequências elevadas na parte inicial da vida, devido à taxa de falha ser constante. A f.d.p. irá decrescer mais lentamente do que quando β for menor que um. Na Figura 4.3 são apresentados a f.d.p., a curva de confiabilidade e a taxa de falhas da distribuição Weibull com parâmetros β = 1 e α = 25.
21 f(t) R(t) h(t) f(t) R(t) h(t) f.d.p. função de confiabilidade taxa de falha FIGURA 4.3: Função densidade de probabilidade, confiabilidade e taxa de falha de uma distribuição Weibull de parâmetros β = 1 e α = 25. Quando β > 1, a taxa de falha apresenta frequências elevadas na parte final da vida, de maneira geral, isso está ligado ao desgaste natural de um determinado componente. Assim, a função de confiabilidade deste componente não irá decrescer de forma acelerada como no caso quando β tem o valor menor que um (SIMONETTI et al., 2008). A f.d.p. terá grande parte da densidade de falhas concentrando-se ao redor de um determinado de vida, esse comportamento caracteriza as falhas predominantes. A Figura 4.4 apresenta a f.d.p., a curva de confiabilidade e a taxa de falhas do modelo Weibull com parâmetros β = 6 e α = 25. f.d.p. função de confiabilidade taxa de falha FIGURA 4.4: Função densidade de probabilidade, confiabilidade e taxa de falha de uma distribuição Weibull de parâmetros β = 6 e α = 25.
22 f(t) R(t) h(t) O parâmetro de escala α O parâmetro de escala α está associado à vida característica de um determinado componente, assim, este parâmetro tem a mesma unidade de t. Ele descreve e representa uma distância, ou ciclos transcorridos entre outras atividades até o instante da falha. Nos casos em que ocorrem falhas predominantes, estas tendem a concentrar-se próximo ao parâmetro de escala. De maneira geral, podemos destacar duas situações que ocorrem em relação à f.d.p. (SIMONETTI et al., 2008): Se α tem o seu valor aumentado enquanto β tem o seu valor constante, a curva da distribuição começa a se estender, esticar para direita e sua altura diminui ao manter sua forma e posição. Se α tem seu valor diminuído enquanto β tem o seu valor constante, a curva da distribuição começa a se estreitar para dentro, para esquerda e a sua altura a aumentar. Na Figura 4.5 são apresentados a f.d.p., a curva de confiabilidade e a taxa de falha da distribuição Weibull com parâmetros β = 6 e α = 20( ), 40( ) e 60 ( ). f.d.p. função de confiabilidade taxa de falha FIGURA 4.5: Função densidade de probabilidade, confiabilidade e taxa de falha da distribuição de Weibull para diferentes parâmetros de escala. Fazendo uma análise dos gráficos apresentados na Figura 4.5, podemos perceber que ao contrário do parâmetro de forma, o parâmetro de escala não está diretamente ligado ao comportamento da curva, porém, pode-se perceber que dependendo do parâmetro de escala, a confiabilidade e a taxa de falhas crescerão ou decrescerão de forma mais acelerada.
23 Método de máxima verossimilhança O estimador de máxima verossimilhança tem a finalidade de estimar os parâmetros da distribuição que melhor se ajustam aos dados da amostra (COLOSIMO, 2001). Na ausência de censuras e para uma amostra de observações,,... a função de verossimilhança para um parâmetro genérico θ é dada por ( COLOSIMO,2001): ( ) ( ) ( 4.6) Contudo, quando há a presença de dados censurados, as observações podem então ser divididas em dois conjuntos, as r primeiras são as não-censuradas (1, 2,..., r), e as n-r seguintes, são as censuradas (r+1, r+2,..., n). Assim, a função de verossimilhança assume a seguinte forma (LAWLESS, 1982): ( ) ( ) ( ) ( 4.7) É importante lembrar que a expressão (4.7) pode ser utilizada em todos os mecanismos de censura apresentados na Figura 3.1. Dessa forma, a função de máxima verossimilhança (4.7) para o modelo Weibull (4.1) é dada por: ( ) ( ( ( ) )) ( ( ) ) ( 4.8) Aplicando logaritmo na expressão (4.8), tem-se a chamada função de logverossimilhança dada por: ( ( )) ( ( ( ) ) ( ) ) ( 4.9)
24 23 Segundo Colosimo (2001), de forma equivalente, fazendo ( ), e = log (α) e ainda, utilizando a distribuição do valor extremo resultará em uma expressão mais simples dada por: ( ( )) ( ) ( ) ( ) ( 4.10) Derivando a função (4.10) em função de e e igualando a zero, tem-se: ( ( )) ( ( ) ) ( 4.11) e ( ( )) ( ( ) ( )) ( 4.12) Os estimadores de máxima verossimilhança da distribuição Weibull são os valores de μ e σ que satisfazem as equações (4.11) e (4.12). A solução para as equações (4.11) e (4.12) podem ser obtidas pelo método de Newton-Raphson, que utiliza a matriz de derivadas segundas (F) da função de log-verossimilhança e sua expressão é dada por (LOPES, 2001): ˆ ( ) ˆ ( ) ( ˆ ( ) ) ( ˆ ( ) ) ( 4.13) A equação (4.13) está baseada numa expressão de U ( ˆ ( ) ) em série de Taylor em torno de ˆ ( ). Partindo de um valor inicial ˆ ( ), usualmente, ˆ ( ) (Lopes, 2001). Para o Modelo Weibull, ( ) é uma matriz simétrica 2 x 2 com os seguintes elementos: ( ) ( ) (4.14) ( ) ( ) ( ) ( 4.15) ( ) ( ) ( 4.16)
25 24 5. RESULTADOS E DISCUSSÕES Neste capítulo, serão apresentados exemplos de dados em análise de confiabilidade, com e sem censuras, que serão ajustados pela distribuição de Weibull Dados sem censura Considere o exemplo extraído de Lawless (1982), onde ele apresenta os s até a quebra de um tipo de isolante elétrico sujeitos a um stress de voltagem constante. Os dados apresentados na Tabela 5.1 são não censurados e representam os s (em minutos) até a quebra de quatro grupos de isolantes submetidos a diferentes níveis de voltagem. Nível de Voltagem (KV) TABELA 5.1: Tempo de falha dos isolantes elétricos Tempo (minutos) de falha dos isolantes elétricos ,05; 22,66; 21,02; 175,88; 139,07; 144,12; 20,46; 43,40; 194,90; 47,30; 7, ,40; 82,85; 9,88; 89,29; 215,10; 2,75; 0,79; 15,93; 3,91; 0,27; 0,69; 100,58; 27,80; 13,95; 53, ,96; 4,15; 0,19; 0,78; 8,01; 31,75; 7,35; 6,50; 8,27; 33,91; 32,52; 3,16; 4,85; 2,78; 4,67; 1,31; 12,06; 36,71; 72, ,97; 0,59; 2,58; 1,69; 2,71; 25,50; 0,35; 0,99; 3,99; 3,67; 2,07; 0,96; 5,35; 2,90; 13,77 Os estimadores de máxima verossimilhança ˆ e ˆ estimados para cada um dos quatro diferentes níveis de voltagem do exemplo extraído de Lawless, são apresentados na Tabela 5.2, juntamente com as estimativas da função de confiabilidade (4.4) e da taxa de falha (4.5) da distribuição Weibull.
26 25 TABELA 5.2: Estimativas da função de confiabilidade e taxa de falha do modelo Weibull Nível de Voltagem (kv) ˆ ˆ R ˆ( t ) h ˆ ( t) ,58 1,06 ( ( ) ) ( ) ( ) ,94 0,56 ( ( ) ) ( ) ( ) ,22 0,77 ( ( ) ) ( ) ( ) ,29 0,89 ( ( ) ) ( ) ( ) A Tabela 5.3 apresenta as estimativas da função de confiabilidade do modelo Weibull e do estimador de Kaplan-Meier para cada de falha. A Figura 5.1 apresenta a função de confiabilidade ajustada pelo modelo Weibull ( ) e o estimador de Kaplan-Meier ( ) e a Figura 5.2 apresenta a taxa de falha ajustada pelo modelo Weibull, para cada um dos quatro diferentes grupos com determinado número de amostras ( ) sujeitas a diferentes níveis de voltagem (kv).
27 26 TABELA 5.3: Estimativas da função de confiabilidade do modelo Weibull e para o estimador de Kaplan-Meier. kv = 30 e kv = 32 e K-M Weibull K-M Weibull 7,74 0,909 0,917 0,27 0,933 0,925 17,05 0,818 0,818 0,40 0,867 0,908 20,46 0,727 0,784 0,69 0,8 0,877 21,02 0,636 0,778 0,79 0,733 0,868 22,66 0,545 0,762 2,75 0,667 0,752 43,40 0,456 0,582 3,91 0,600 0,707 47,30 0,364 0,553 9,88 0,533 0, ,07 0,273 0,156 13,95 0,467 0, ,12 0,182 0,145 15,93 0,400 0, ,88 0,091 0,092 27,80 0,333 0, ,90 0 0,070 53,24 0,267 0,224 kv = 34 e 82,85 0,200 0,147 K-M Weibull 89,29 0,133 0,136 0,19 0,947 0, ,58 0,067 0,118 0,78 0,895 0, ,10 0 0,038 0,96 0,842 0,868 kv = 36 e 1,31 0,789 0,836 K-M Weibull 2,78 0,737 0,726 0,35 0,933 0,899 3,16 0,684 0,703 0,59 0,867 0,843 4,15 0,632 0,647 0,96 0,8 0,768 4,67 0,579 0,621 0,99 0,733 0,763 4,85 0,526 0,612 1,69 0,667 0,646 6,50 0,474 0,541 1,97 0,600 0,606 7,35 0,421 0,509 2,07 0,533 0,593 8,01 0,368 0,486 2,58 0,467 0,529 8,27 0,316 0,477 2,71 0,400 0,515 12,06 0,263 0,372 2,90 0,333 0,494 31,75 0,211 0,124 3,67 0,267 0,419 32,52 0,158 0,119 3,99 0,200 0,391 33,91 0,105 0,111 5,35 0,133 0,296 36,71 0,053 0,097 13,77 0,067 0,059 72,89 0 0,019 25,50 0 0,008
28 taxa de falha taxa de falha taxa de falha taxa de falha confiabilidade confiabilidade confiabilidade confiabilidade kv = 30 e ni = 11 kv = 32 e ni = kv = 34 e ni = 19 kv = 36 e ni = FIGURA 5.1: Função de confiabilidade ajustada pelo modelo Weibull e estimador de Kaplan-Meier kv = 30 e ni = 11 kv = 32 e ni = kv = 34 e ni = 19 kv = 36 e ni = FIGURA 5.2: Taxa de falha ajustada pelo modelo Weibull
29 Dados com censura (censura tipo II) Considere o exemplo extraído de Colosimo (2001), onde o fabricante de um tipo de isolador elétrico quer conhecer o comportamento de seu produto funcionando na temperatura de 200ºC. Um teste de vida foi realizado nestas condições usando 60 isoladores elétricos. O teste terminou quando 45 deles haviam falhado, sendo que 15 unidades que não haviam falhado foram censuradas em t = 2729 (censura tipo II). Os dados (em horas) são apresentados na Tabela 5.4. TABELA 5.4: Tempos das falhas dos isoladores elétricos. horas horas Horas Para os dados do exemplo extraído de Colosimo (2001), os estimadores de máxima verossimilhança foram estimados em ˆ 1994 e ˆ 1, 28 estimativa da função de confiabilidade do modelo Weibull (4.4), é dada por:. Dessa forma a Rˆ ( ) ( ( ) ) ( 5.1)
30 29 A Tabela 5.5 apresenta as estimativas da função de confiabilidade (5.1) do modelo Weibull e de Kaplan-Meier para cada de falha. TABELA 5.5: Estimativas da função de confiabilidade do modelo Weibull e para o estimador de Kaplan-Meier (censura tipo II). K-M R ˆ( t ) K-M R ˆ ( t) 151 0,983 0, ,600 0, ,967 0, ,583 0, ,950 0, ,567 0, ,933 0, ,550 0, ,917 0, ,533 0, ,900 0, ,517 0, ,883 0, ,500 0, ,867 0, ,483 0, ,850 0, ,467 0, ,833 0, ,450 0, ,817 0, ,433 0, ,800 0, ,417 0, ,783 0, ,400 0, ,767 0, ,383 0, ,750 0, ,367 0, ,733 0, ,350 0, ,717 0, ,333 0, ,700 0, ,317 0, ,683 0, ,300 0, ,667 0, ,283 0, ,650 0, ,267 0, ,633 0, ,250 0, ,617 0,686 Na Figura 5.3 são apresentadas a curva de confiabilidade do modelo Weibull ( ), e do estimador de Kaplan-Meier ( ). A estimativa para a taxa de falha é dada por: ĥ ( ) ( ) ( ) ( 5.2) A Figura 5.4 apresenta a taxa de falha do modelo Weibull, a qual é uma função crescente, pois ˆ 1, 28.
31 30 FIGURA 5.3: Função de confiabilidade para o modelo Weibull e para estimador de Kaplan Meier (censura tipo II). FIGURA 5.4: Taxa de falha (censura tipo II)
32 31 CONCLUSÃO O modelo Weibull tem sido a distribuição de probabilidade mais utilizada para ajustar conjunto de dados em análise de confiabilidade. Este modelo pode ser utilizado em dados com taxa de falha crescente, decrescente e constante, sendo essa a sua grande vantagem em relação a outros modelos e o que explica o grande sucesso deste modelo. Neste trabalho, os parâmetros do modelo Weibull foram estimados através das estimativas de máxima verossimilhança, utilizando um algoritmo do tipo Newton implementado na função nlm (non linear minimization) do pacote stats disponível no software free R. Utilizou-se a função de confiabilidade do modelo Weibull comparando-a graficamente com o estimador de Kaplan-Meier, onde observou-se, que o modelo Weibull ajustou-se bem a conjunto de dados com e sem censuras, ou seja, o modelo Weibull também pode ser utilizado com sucesso, na presença de dados censurados, os quais são bastante comuns em análise de confiabilidade. Também foi apresentada a função densidade de probabilidade e a taxa de falha do modelo Weibull e sua relação com o valor do parâmetro de forma β..
33 32 REFERÊNCIAS BIBLIOGRÁFICAS COLOSIMO, E. A. Análise de Sobrevivência Aplicada. 46ª Rbras. Piracicaba SP, COSTA W. C. P.; CARRASCO, C.G. Modelo Exponencial para dados de Sobrevivência e Confiabilidade TCC do curso de Licenciatura em Matemática, UEG/UnUCET, Anápolis GO, KAPLAN, E. L.; MEIER, P. (1958). Nonparametric estimation from incomplete observations. In: Journal of the American Statistical Association, v. 53, p LAWLESS, J.F. Statistical Models and Methods for Lifetime Data. New York: Wiley, LOPES, L.F. D. Análise de componentes principais aplicada a confiabilidade de sistemas complexos, Tese de doutorado, UFSC, Florianópolis SC, MAGALHÃES, M. N; LIMA, A. C. P. Noções de Probabilidade e Estatística. 6ª ed. rev. São Paulo: EDUSP, MEYER, P.. Probabilidade - Aplicações a Estatística. 2ª edição. Editora LTC, PETERNELLI, L. A.; MELLO, M. P. Conhecendo o R: Uma Visão Estatística. Cadernos didáticos, Editora UFV, RYAN, T. P. Estatística Moderna para engenharia, Elsevier Editora LTDA, SIMONETTI, M. J; SOUZA, A. L.; SILVEIRA, L. F. S; ARRUDA, J. P. S. A importância da engenharia da confiabilidade e os conceitos básicos da distribuição de Weibull Faculdade de Tecnologia de Tatuí SP,
Ajuste e comparação de modelos para dados grupados e censurados
Ajuste e comparação de modelos para dados grupados e censurados 1 Introdução José Nilton da Cruz 1 Liciana Vaz de Arruda Silveira 2 José Raimundo de Souza Passos 2 A análise de sobrevivência é um conjunto
Leia maisEstimadores, pontual e intervalar, para dados com censuras intervalar
Estimadores, pontual e intervalar, para dados com censuras intervalar Débora Ohara, Estela Maris Pereira Bereta, Teresa Cristina Martins Dias Resumo Dados com censura intervalar ocorrem com frequência
Leia maisUma Avaliação do Erro Tipo II no Uso do Teste t-student
Uma Avaliação do Erro Tipo II no Uso do Teste t-student Cleber Giugioli Carrasco Thiago Santana Lemes 1 Unidade Universitária de Ciências Exatas e Tecnológicas, Universidade Estadual de Goiás, UnUCET/UEG,
Leia maisPROCEDIMENTO PARA A ESCOLHA DE UMA DISTRIBUIÇÃO
PROCEDIMENTO PARA A ESCOLHA DE UMA DISTRIBUIÇÃO O método de máxima verossimilhança somente deve ser aplicado após ter sido definido um modelo probabilístico adequado para os dados. Se um modelo for usado
Leia maisA distribuição Weibull Exponencial de Zografos
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. A distribuição Weibull Eponencial de Zografos Patrícia Silva N. Barros, PPGBEA - UFRPE / DCE - UFPB E-mail: patriciajp1408@hotmail.com Kleber Napoleão
Leia maisESTUDO DE CONFIABILIDADE DE MOTORES DIESEL DE CAMINHÕES FORA DE ESTRADA
ESTUDO DE CONFIABILIDADE DE MOTORES DIESEL DE CAMINHÕES FORA DE ESTRADA Adriano Gonçalves dos Santos Ribeiro 1 Gean Carlo Feliciano de Almeida 1 1 Introdução Uma grande empresa do ramo de exploração de
Leia maisMODELAGEM E ESCOLHA ENTRE EMBALAGENS USANDO TÉCNICAS DE CONFIABILIDADE E ANÁLISE DE
Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 MODELAGEM E ESCOLHA ENTRE EMBALAGENS USANDO TÉCNICAS DE CONFIABILIDADE E ANÁLISE DE
Leia maisO passo inicial de qualquer análise estatística consiste em uma descrição dos dados através de análise descritiva (tabelas, medidas e gráficos).
TÉCNICAS NÃO-PARAMÉTRICAS O passo inicial de qualquer análise estatística consiste em uma descrição dos dados através de análise descritiva (tabelas, medidas e gráficos). Como a presença de censura invalida
Leia maisTrabalho 1. Gustavo Mello Reis Página 1
Trabalho Gustavo Mello Reis Página . Estudo de caso a) Uma empresa fabricante de automóveis estava tendo problemas com os vidros dos carros, estes estavam vindo com arranhões. Em busca de obter melhor
Leia maisAnálise de Sobrevivência. Exercícios - Capítulo 1
Análise de Sobrevivência Profa. Suely Ruiz Giolo Departamento de Estatística - UFPR Exercícios - Capítulo 1 1. Suponha que seis ratos foram expostos a um material cancerígeno. Os tempos até o desenvolvimento
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisUM MODELO DE FRAGILIDADE PARA DADOS DISCRETOS DE SOBREVIVÊNCIA. Eduardo Yoshio Nakano 1
1 UM MODELO DE FRAGILIDADE PARA DADOS DISCRETOS DE SOBREVIVÊNCIA Eduardo Yoshio Nakano 1 1 Professor do Departamento de Estatística da Universidade de Brasília, UnB. RESUMO. Em estudos médicos, o comportamento
Leia maisUniversidade de Brasília
Universidade de Brasília Análise de sobrevivência e sua aplicação nas ciências sociais Juliana Betini Fachini Gomes Leylannne Nayra Figueira de Alencar Departamento de Estatística Brasília - 2018 Como
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA ANÁLISE DE SOBREVIDA EM 90 HOMENS COM CÂNCER DE LARINGE
UNIVERSIDADE FEDERAL DO PARANÁ SETOR CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA ANÁLISE DE SOBREVIDA EM 90 HOMENS COM CÂNCER DE LARINGE Aluna: Scheylla Calazans Orientadora: Profa. Dra. Nívea S. Matuda
Leia maisUM ESTUDO DO ERRO TIPO II EM UM TESTE DE HIPÓTESES PARA A MÉDIA
UM ESTUDO DO ERRO TIPO II EM UM TESTE DE HIPÓTESES PARA A MÉDIA CARRASCO, Cleber Giugioli 1 SILVA, Luciano Amaral da 2 7 Recebido em: 2013-04-29 Aprovado em: 2013-09-29 ISSUE DOI: 10.3738/1982.2278.894
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros ESQUEMA DO CAPÍTULO 7.1 INTRODUÇÃO 7.2 DISTRIBUIÇÕES AMOSTRAIS E TEOREMA DO LIMITE CENTRAL 7.3 CONCEITOS GERAIS DE ESTIMAÇÃO PONTUAL 7.3.1 Estimadores
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisO tempo de sobrevivência é uma variável aleatória T, contínua e positiva.
ESPECIFICAÇÃO DO TEMPO DE SOBREVIVÊNCIA O tempo de sobrevivência é uma variável aleatória T, contínua e positiva. Os valores que T pode assumir têm alguma distribuição de probabilidade que pode ser especificada
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia maisINTRODUÇÃO A INFERÊNCIA BAYESIANA. Beatriz Cristina Flamia de Azevedo (PIBIC Jr./ Fundação Araucária - UTFPR),
INTRODUÇÃO A INFERÊNCIA BAYESIANA Beatriz Cristina Flamia de Azevedo (PIBIC Jr./ Fundação Araucária - UTFPR), Roberto Molina de Souza (Orientador), e-mail: rmolinasouza@utfpr.edu.br. Universidade Tecnológica
Leia maisANÁLISE DE SOBREVIVÊNCIA 2ª LISTA DE EXERCÍCIOS
ANÁLISE DE SOBREVIVÊNCIA 2ª LISTA DE EXERCÍCIOS 1. A tabela a seguir apresenta o tempo, em dias, até a ocorrência dos primeiros sinais de alterações indesejadas no estado geral de saúde de 45 pacientes
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisANÁLISE DE SOBREVIVÊNCIA. Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP
ANÁLISE DE SOBREVIVÊNCIA Airlane P. Alencar IME-USP Alessandra C. Goulart FM-USP Objetivo Estudar o tempo desde um instante inicial até a ocorrência de um evento (alha). Estudar o tempo de sobrevida de
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Modelagem paramétrica Valeska Andreozzi 1 valeska.andreozzi@fc.ul.pt & Marilia Sá Carvalho 2 cavalho@fiocruz.br 1 Centro de Estatística e Aplicações da Universidade de Lisboa,
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisMODELANDO DADOS DE SOBREVIVÊNCIA E CONFIABILIDADE COM FUNÇÕES DE RISCOS EM FORMA DE U VIA MODELO WEIBULL DUPLO
MODELANDO DADOS DE SOBREVIVÊNCIA E CONFIABILIDADE COM FUNÇÕES DE RISCOS EM FORMA DE U VIA MODELO WEIBULL DUPLO Fernanda Regiane Zanforlin de ALMEIDA 1 Francisco LOUZADA-NETO 1 Christiano Santos ANDRADE
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia maisANÁLISE DE DADOS AMBIENTAIS DO ESTADO DO PIAUÍ UTILIZANDO A DISTRIBUIÇÃO DE PARETO GENERALIZADA (GPD)
ANÁLISE DE DADOS AMBIENTAIS DO ESTADO DO PIAUÍ UTILIZANDO A DISTRIBUIÇÃO DE PARETO GENERALIZADA (GPD) Stênio R. Lima (bolsista do ICV-UFPI), Fernando F. Nascimento (orientador, Dept. de Estatística - UFPI)
Leia maisIntrodução à probabilidade e à estatística II. Prof. Alexandre G Patriota Sala: 298A Site:
Introdução à probabilidade e à estatística II Revisão Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Estatística Estatística: É uma ciência que se dedica
Leia 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 maisUNIVERSIDADE FEDERAL DE MINAS GERAIS. Confiabilidade Lista 4. Professor: Enrico Colosimo Aluno: Augusto Filho Belo Horizonte - MG
UNIVERSIDADE FEDERAL DE MINAS GERAIS ESPECIALIZAÇÃO EM ESTATÍSTICA Confiabilidade Lista 4 Professor: Enrico Colosimo Belo Horizonte - MG 2 Exercício 1. Os dados abaixo foram apresentados por Nelson & Schmee
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia maisModelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás
Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás 1. Introdução Marcos Henrique de Carvalho 1 Gabriel Alves da Costa Lima 2 Antonio Elias Junior 3 Sergio Rodrigues
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia maisInfluencia de Distribuições a priori na Analise Bayesiana em dados de contagem
Influencia de Distribuições a priori na Analise Bayesiana em dados de contagem Olinda Fátima dos Santos 1 Carla Regina Guimarães Brighenti 1 1-Introdução A utilização de informação a priori em inferência
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisUNIVERSIDADE DE BRASÍLIA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE MESTRADO EM ESTATÍSTICA
UNIVERSIDADE DE BRASÍLIA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE MESTRADO EM ESTATÍSTICA Modelo Weibull discreto com fração de cura e excessos de zeros: uma aplicação sobre
Leia maisAnderson Garneth de Castro 1 Graziela Dutra Rocha Gouvêa 2
Identificação dos fatores que influenciam no tempo até a evasão/ retenção dos alunos do ICEB-UFOP utilizando técnicas paramétricas em Análise de Sobrevivência Anderson Garneth de Castro 1 Graziela Dutra
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Explicar os conceitos gerais de estimação de
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de Setembro a 01 de Outubro
COMPARAÇÃO DOS MÉTODOS DE VERIFICAÇÃO DO AJUSTE DA DISTRIBUIÇÃO GUMBEL A DADOS EXTREMOS CARLOS JOSÉ DOS REIS 1, LUIZ ALBERTO BEIJO 2,GILBERTO RODRIGUES LISKA 3 RESUMO A distribuição Gumbel é muito aplicada
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisCOMPORTAMENTO ASSITÓTICO DE ESTIMADORES DE MÁXIMA VEROSSIMILHANÇA
COMPORTAMENTO ASSITÓTICO DE ESTIMADORES DE MÁXIMA VEROSSIMILHANÇA Felipe Matheus Gonçalves Costa (1); Divanilda Maia Esteves (2) 1 Universidade Estadual da Paraíba; felipematheusem@hotmail.com.br 2 Universidade
Leia maisUNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS
ISSN 0104-0499 UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS RISCOS COMPETITIVOS: UMA AVALIAÇÃO DE MÉTODOS DE ESTIMAÇÃO Agatha Sacramento Rodrigues Adriano Polpo de Campos
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisProcedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro
Leia maisDISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA RESUMO
APLICAÇÕES DE DISTRIBUIÇÕES DISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA Danielle Peralta 1, Josmar Mazucheli 1, Isabelle Picada Emanuelli 2 e Robson Marcelo Rossi 1 1 Departamento de Estatística,
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisNOTAS DA AULA. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DA AULA VARIÁVEIS ALEATÓRIAS. ESPERANÇA E VARIÂNCIA Prof.: Idemauro Antonio Rodrigues de Lara 2 Objetivo geral da aula Caracterizar variáveis aleatórias discretas e contínuas. Compreender e aplicar
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 maisO Processo de Weibull Poisson para Modelagem da Confiabilidade em Sistemas Reparáveis
O Processo de Weibull Poisson para Modelagem da Confiabilidade em Sistemas Reparáveis Luiz Gustavo Fraga 1 Edmilson Rodrigues Pinto 2 Resumo: Sistemas reparáveis são aqueles sistemas que, após a ocorrência
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisTópicos Especiais em Qualidade
Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando
Leia maisInferência. 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 maisIntervalos de Confiança - Amostras Pequenas
Intervalos de Confiança - Amostras Pequenas Prof. Eduardo Bezerra CEFET/RJ 20 de Abril de 2018 (CEFET/RJ) Intervalos de Confiança - Amostras Pequenas 1 / 26 Roteiro 1 Distribuição t de Student 2 Funções
Leia maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Estimação de Parâmetros O objetivo da Estatística Indutiva é tirar conclusões probabilísticas sobre aspectos da população,
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisO EFEITO DA PRESENÇA DE CENSURAS ALEATÓRIAS NOS INTERVALOS DE CONFIANÇA PARA OS PARÂMETROS DO MODELO LOG-LOGÍSTICO DUPLO
O EFEITO DA PRESENÇA DE CENSURAS ALEATÓRIAS NOS INTERVALOS DE CONFIANÇA PARA OS PARÂMETROS DO MODELO LOG-LOGÍSTICO DUPLO Cleber Giugioli CARRASCO Francisco LOUZADA-NETO RESUMO: O modelo log-logístico duplo
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisUniversidade Federal de Santa Catarina Programa de Pós-Graduação em Engenharia de Produção
Universidade Federal de Santa Catarina Programa de Pós-Graduação em Engenharia de Produção APLICAÇÃO DE MODELOS DE MISTURA DE LONGA DURAÇÃO EM DADOS DE REINCIDÊNCIA AO CRIME Dissertação de Mestrado Angela
Leia maisUniversidade de Brasília IE Departamento de Estatística. Análise de Diagnóstico para o Modelo de Regressão de Cox. Camila Farage de Gouveia
Universidade de Brasília IE Departamento de Estatística Análise de Diagnóstico para o Modelo de Regressão de Cox Camila Farage de Gouveia Orientadora: Prof.ª Dra. Juliana Betini Fachini Brasília, 2013.
Leia maisUma investigação de métodos para o estudo da influência da incerteza em dados experimentais de vida acelerada
Uma investigação de métodos para o estudo da influência da incerteza em dados experimentais de vida acelerada Autores Maria Celia de Oliveira Papa Orientador Alvaro Jose Abackerli 1. Introdução Uma das
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia mais15 Congresso de Iniciação Científica ESTUDO DO TESTE ACELERADO DE RELES COM CONTROLE INDIVIDUALIZADO DE TEMPERATURA
15 Congresso de Iniciação Científica ESTUDO DO TESTE ACELERADO DE RELES COM CONTROLE INDIVIDUALIZADO DE TEMPERATURA Autor(es) MAIRA MORILLA CAMARGO Orientador(es) Álvaro José Abackerli Apoio Financeiro
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisDistribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ
Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisInferência. 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 maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 2012/02 1 Introdução 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisSISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077
SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 6 DISPONIBILIDADE DE EQUIPAMENTOS 6.1 INTRODUÇÃO Diversas teorias em confiabilidade pressupõem o descarte dos componentes de interesse após a primeira falha.
Leia maisSISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077
SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 1 INTRODUÇÃO À CONFIABILIDADE Devido a grande competitividade existente entre as indústrias de bens de consumo, dos mais variados ramos, observa-se um aumento
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 maisGabarito da Lista 2 de Análise de Sobrevivência
Gabarito da Lista 2 de Análise de Sobrevivência Monitor: Sérgio Felipe Prof a.: Marina Silva As questões são do livro: Análise de Sobrevivência Aplicada. Autores: Enrico A. Colosimo & Suely R. Giolo Editora:
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisFAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES
FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES 1 Os modelos lineares generalizados, propostos originalmente em Nelder e Wedderburn (1972), configuram etensões dos modelos lineares clássicos e permitem analisar a
Leia maisNOTAS DE AULA. Medidas Descritivas. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DE AULA Medidas Descritivas Prof.: Idemauro Antonio Rodrigues de Lara 2 PRINCIPAIS MEDIDAS DESCRITIVAS 1. Medidas de tendência central 1.1 Média 1.2 Mediana 1.3 Moda 2. Medidas de dispersão 2.1
Leia maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisTratamento Estatístico de dados em Física Experimental
Tratamento Estatístico de dados em Física Experimental Prof. Zwinglio Guimarães 2 o semestre de 2017 Tópico 6 - Testes estatísticos (Chi-quadrado, z e t ) O método dos mínimos quadrados (revisão) O método
Leia maisESTUDO DA CONFIABILIDADE DE EQUIPAMENTO ELÉTRICO-ELETRÔNICO COM TEMPO CENSURADO
ESTUDO DA CONFIABILIDADE DE EQUIPAMENTO ELÉTRICO-ELETRÔNICO COM TEMPO CENSURADO Josiane Roberta dos Santos Silva (UFOP) josi.roberta81@gmail.com Luciana Aparecida Dutra de Souza (UFOP) luciana24dutra@yahoo.com.br
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variância amostral Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum Likehood
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Leia maisConceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas
Conceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Alguns conceitos População: é o conjunto de todos
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 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 maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia 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 maisTestes de Degradação e Testes de Degradação Acelerados
Testes de Degradação e Testes de Degradação Acelerados Magda Carvalho Pires UFMG Departamento de Estatística Métodos Estatísticos em Confiabilidade e Manutenção 12 de Novembro de 2007 Resumo Testes de
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisExemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média
Exemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média µ = 505g e desvio padrão σ = 9g. a) Selecionado ao acaso um pacote embalado
Leia maisAULA 7 - Inferência em MQO: ICs e Testes de
AULA 7 - Inferência em MQO: ICs e Testes de Hipóteses Susan Schommer Econometria I - IE/UFRJ Nosso primeiro objetivo aqui é relembrar a diferença entre estimação de ponto vs estimação de intervalo. Vamos
Leia maisTeoria da Estimação. Fabricio Goecking Avelar. junho Universidade Federal de Alfenas - Instituto de Ciências Exatas
Teoria da Estimação Fabricio Goecking Avelar Universidade Federal de Alfenas - Instituto de Ciências Exatas junho - 2018 Algumas distribuições importantes Sumário 1 Algumas distribuições importantes 2
Leia mais