Módulo 4 Cartas de controle para atributos: construção e interpretação. Estudos de estabilidade e capacidade. Estudo de R&R (MSA).
|
|
- Vítor Pinhal Quintão
- 6 Há anos
- Visualizações:
Transcrição
1 Módulo 4 Cartas de cotrole para atributos: costrução e iterpretação. Estudos de estabilidade e capacidade. Estudo de R&R (MSA).
2 Cartas para atributos Máquias e Pessoal equipametos Materiais Métodos de Ambiete de trabalho trabalho Resultado Resultado do processo é uma classificação em dois fatores, como: aprovado/rejeitado, bom/ruím, passa/ão passa, etc Carta de cotrole Processo Neste caso, tem-se uma úica carta de cotrole, do parâmetro a ser usado.
3 Fluxograma do CEP - Atributos Atributos Defiir característica Variáveis ou Atributos? Usar carta p ou p Atributos Sim Iteresse em proporção ou º de defeitos? Proporção de defeitos Amostra costate? Não Usar carta p Nº defeitos Usar carta u Não Amostra costate? Sim Usar carta c ou u
4 Carta para atributos - Comparações Tipo Defiição Codição da amostra p p c u Porcetagem de uidades ão coformes Número de uidades ão coformes (pouco usada) Número de defeitos por amostra (pouco usada) Número de defeitos por uidade Não precisa ser de tamaho costate Tamaho costate da amostra Tamaho costate da amostra Não precisa ser de tamaho costate Cartas mais usadas a prática: p e u.
5 Carta p Fração defeituosa Cotrola a proporção de peças ão-coformes (defeituosas), podedo seus resultados serem usados em porcetagem (0 a 00), ou em decimal (0 a ), mas ão cotrola a quatidade de defeitos ecotrada em cada peça. Tamaho da amostra: ão precisa ser costate, mas:. p 5 ( ) e. p 5 e = tamaho médio da amostra p = % média de defeitos Obs.: cosidera-se costate, se ão excede a ± 5% do ; se isso ão ocorrer, obter ovos limites, para cada amostra que exceder esses valores. Freqüêcia da amostragem: compatível com os períodos de produção (turo, dia, etc). Quatidade de amostras: 5 ou mais, permitem bom teste de estabilidade.
6 Carta p Cálculo dos limites de cotrole k i i i k = d p = k k... d... d d p = p p p p 3 p LSC p p 3 p LIC + = = d, d,...,d k = úmeros de defeitos de cada amostra; k = quatidade de amostras;,,..., k = tamahos de cada amostra. Operadores calculam, para cada amostra, e colocam o gráfico. Aalistas calculam, e colocam o gráfico.
7 Carta p - Exemplo Fábrica: ABC p p c u Nome e º da peça: Departameto: Maufatura Nome e º da operação: Pitura média = 0,4 LSC = 6,9 LIC = 4,0 Tamaho Médio da Amostra: 0,55 Freqüêcia: diária % Cabeçalho Amostra e limites para p Carta p 0 LSC 0 Média LIC 0 Discrepâcias Amostra () Número (p, c) Fração (p, u) % Data MAI Amostras Nº de defeituosos (d) Cálculo de p Data, hora
8 Cartas para atributos - Iterpretações - Aálise de processos diferetes; - Troca de forecedores Degradação dos materiais; - Deterioração do equipameto; - Troca dos métodos de medição. - Melhoria dos materiais; - Melhoria o processo. - Problema com mauteção; - Matéria prima de baixa qualidade. Atributos: Usar o mesmo critério de iterpretação das cartas de variáveis, descosiderado a regra dos /3.
9 Carta p, o Miitab Stat > Cotrol charts > Atribute charts > P Idicar a colua da variável Idicar colua do tamaho da amostra
10 Carta p Optios (Estimate e S Limits) Quado o tamaho da amostra ão for costate digitar o valor médio de a liha assumig all subgroups have size: Idicar, para executar todos os testes
11 Carta p, o Miitab - Exemplo Carta p, da quatidade de defeituosos 0,00 0,75 LS C=0,85 0,50 Proporção 0,5 0,00 P=0,70=LM 0,075 0,050 LIC=0, A mostra Potos vermelhos idicam que houve falha em pelo meos um dos 4 testes. Na jaela de sessão (sessio) aparecem suas descrições.
12 Exercício Carta p (Vidros) Uma empresa cotrola o peso dos vidros que produz, a partir de 4 amostras diárias (dados a seguir, em gramas). Costruir uma carta de atributos p, visado aalisar a quatidade diária de vidros fora de peso. Mês 3/mar 5/mar 7/mar 0/mar 5/mar 6/mar 8/mar 0/mar Amostra Qt. fora Mês 3/mar 6/mar /abr 5/abr 6/abr 8/abr /abr 3/abr Amostra Qt. fora Mês 0/abr 5/abr 30/abr 3/mai 0/mai 3/mai 7/mai /mai Amostra Qt. fora ) Calcular a % de vidros fora de peso (p=d/), de cada amostra: p =8/968=0,0083; p =3/6=0,007; p 3 =3/804=0,06; etc. p ) Calcular a % média de p: = ( )/( ) 0,07=,7% 3) Calcular o tamaho médio da amostra: =( )/4 9. 4) Obs.: Validação do método: x = 9 x 0,07 5 > 5 (válido!!!). 5) Calcular os limites de cotrole: LIC = 0, ,07.( 0,07) 9 0,004 6) Plotar o gráfico esses limites, e os valores de p (uir). p 7) Iterpretação: processo ão estável ( potos acima de LSC), vide slide seguite. LSC = 0, ,07.( 0,07) 9 0,00
13 7-mai Exercício dos vidros Solução Carta p (Qt. fora) 0,035 0,030 0,05 0,00 0,05 Proporção 0,00 0,005 0,000 3-mar 7-mar 5-mar 8-mar 3-mar -abr 6-abr -abr 0-abr 30-abr 0-mai Data Processo ão estável. LSC=0,005 P=0,070 LIC=0,0036
14 Carta p Número de ites defeituosos Registra o úmero total de peças ão-coformes (d), em valores brutos, uma amostra ispecioada, ao cotrário da Carta p, cujos valores são expressos em %. Necessita de amostragem costate, o que dificulta seu uso, a prática. LIC p = d 3 d d d = d + d d k k LSC p = d + 3 d d
15 Carta c Número de defeitos por amostra Usada quado o iteresse é aalisar o úmero de ãocoformidades (c) de uma amostra de certo tamaho. Aplicada só quado os úmeros de elemetos das amostras coletadas são costates, o que dificulta o uso, a prática. LIC c LSC c = = c c+ 3 3 c c c + c c c= k k
16 Carta u Número de defeitos por uidade Registra a quatidade total de defeitos, ou ão-coformidades, existetes em cada peça (u). Uso recomedado para vários tipos de defeitos uma mesma peça, assim como para processos com fluxos cotíuos de produção. Não ecessita que as amostras sejam de mesmo tamaho. u = i c i i c + c c u= k k = k k LIC u u = u 3 LSC u = u + 3 x u
17 Exercício Carta u (Placa polimérica) O laboratório de esaios de uma empresa testa cada lote de certa placa polimérica que produz, para aalisar seu grau de qualidade, em amostras de 5 m de área. Após uma aálise de 4 lotes, quato ao úmero de bolhas ecotradas, foram obtidos os resultados da tabela. Costruir uma carta u, verificado se o processo está estável. Lote Nº bolhas Lote Nº bolhas ) Calcular o valor de u, para cada amostra: u =7/5=,40; u =6/5=,0; etc. ) Calcular o valor médio de u: (,40+,0+...)/4,85 bolhas por placa. 3) Calcular os limites de cotrole:,85,85 LSC =, ,675 LIC =, , ) Plotar os limites e os valores de u o gráfico (vide próximo slide). 5) Iterpretação: processo estável.
18 Exercício da placa - Solução 4 Carta u (Nº bolhas por placa de 5m) LSC=3,675 Quat. de bolhas por placa 3 U=,85 0 LIC=0, Amostra Processo estável
19 Cartas para atributos - Capacidade O Maual do CEP idica que a capacidade é represetada pela média do parâmetro usado a carta (p, p, c, u), calculada para processos sob cotrole (em 5 ou mais períodos). Essa regra, ao pé da letra, parece-os ruim, pois ão leva em cosideração o pricípio de melhoria cotíua. Etedemos que um raciocíio mais perfeito, que leva em cota o pricípio da melhoria cotíua, seria de se cosiderar essa capacidade, hoje, meramete como um referecial atual, mas que esse cálculo deveria ser periodicamete reovado, e a capacidade atualizada, seguido as expectativas gereciais de melhorar sempre. O Miitab propõe uma outra forma para calcular a capacidade, utilizado a Distribuição Biomial, para as cartas p e p, e a Distribuição de Poisso, para as cartas c e u.
20 Miitab Capacidade (Cartas p e p) Stat > Quality tools > Capability aalysis > Biomial Idicar a colua da variável Idicar o tamaho da amostra, ou a colua da amostra Idicar % defeito esperada (target)
21 Miitab Capacidade (Biomial) Capacidade Biomial (Qt. fora) Proporção 0,00 0,05 0,00 0, Carta p 3 5 A mostra LS C =0,0943 P=0,0080 LIC =0,008 Valor es esper ados P lotagem Biomial Defeituosos obser vados % acumulada de defeituosos Histograma % defeituosa,0,05 0,90 0,75 0, A mostra 0 S umário estatístico (95,0% cofiaça) % Defectiv e:,08 C I iferior 0,97 C I superior,0 Target (meta),00 PPM Def: 0804 C I iferior 9683 C I superior 07 Z (Normal),97 Fr equêcia ,4 Target 0,6 0,8,0,,4,6 % defeituosa,8
22 Miitab Capacidade (Cartas c e u) Stat > Quality tools > Capability aalysis > Poisso Idicar a colua da variável Idicar o tamaho da amostra, ou a colua da amostra Idicar o úmero esperado de defeitos (target)
23 Miitab Capacidade (Poisso) Capacidade Poisso (Nº bolhas por placa de 5m) Carta u Plotagem Poisso DPU amostral A mostra LSC =3,675 U=,85 LIC =0,05 Defeitos esper ados Defeitos obser vados DP U acumulado Histograma,00 S umário estatístico (95,0% cofiaça) 4,8 Target DPU,75,50,5, A mostra 0 M édia def: 9,500 C I if. 8,073 C I sup. 0,550 Média de DPU:,8500 C I if.,646 C I sup:,00 Targ DPU:,5000 Fr equêcia 3,6,4, 0,0,,8,4 DPU 3,0
24 Estudo de R&R, o Miitab O Miitab aalisa resultados de um estudo de R&R, através dos métodos: ANOVA e Média/Amplitude. Camiho: STAT / QUALITY TOOLS / GAGE R&R STUDY (CROSSED) Formatação dos dados a plailha
25 R&R, o Miitab opções Idicar coluas: peças, operadores e dados medidos Tolerâcia (opcioal) Melhor usar apeas a %VT (ão clicar)
26 R&R Exemplo de resultado R&R (A NOVA ) para Medida N ome do istrumeto: D ata do estudo: Reportado por: Tolerâcia: O utros: VT ou Tolerâcia 00 Compoetes da variação % Study Var Medição por peça Percetual Amplitude amostral Média amostral 50 0,0 0,5 0,0 0 - Gage R&R Repeat Reprod Carta R por operador A B C Carta Xbar por operador A B C Part-to-Part LSC=0,880 R=0,34 LIC=0 LSC=0,35 X=0,00 LIC=-0, Média 0 - A Peça Medição por operador B Operador Iteração operador/peça Peça 8 0 C 9 0 O perator A B C Observação: R&R VE VO VP Sessio mostra o cd (discrimiação)
27 Fim do Módulo 4
ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia maisTrabalho 4. Gustavo Mello Reis Página 1
Trabalho 4 Gustavo Mello Reis Págia 1 1) Histograma a) Uma empresa que fabrica suco de laraja egarrafado deseja estudar a quatidade de suco em ml presete em cada embalagem. Para se equadrar as ormas vigetes
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
Leia mais; 2N 2N.! " j %.(1 & q)2 N & j.q j. j!(2n & j)!
DERIVA GENÉTICA Seja uma população de tamaho fiito N, costate ao logo das gerações; sejam aida p e q as freqüêcias dos alelos A e a de um loco autossômico a geração ; como o tamaho da população é costate,
Leia maisLista IC, tamanho de amostra e TH
Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o
Leia maisEscola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ
1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo
Leia maisMATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho
MATEMÁTICA Professor Haroldo Filho MÓDULO 6 ESTATÍSTICA 1.1 ESTATÍSTICA É a ciêcia que utiliza a coleta de dados, sua classificação, sua apresetação, sua aálise e sua iterpretação para se tomar algum tipo
Leia maisMódulo 4. Estudos de dispersão (R&R) de sistemas de medição.
Módulo 4 Estudos de dispersão (R&R) de sistemas de medição. Conteúdos deste módulo Estudos de dispersão (variabilidade) Método da amplitude Método da média e da amplitude Método da ANOVA Análises gráficas
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 04: Medidas de Posição (webercampos@gmail.com) . MÉDIA ARITMÉTICA : Para um cojuto de valores Média Aritmética Simples: xi p Média Aritmética Poderada: MÓDULO 04 - MEDIDAS
Leia maisDistribuição de Bernoulli
Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia maisUnidade IX Estimação
Uidade IX Estimação 6/09/07 Itervalos de cofiaça ii. Para a difereça etre médias de duas populações (μ μ ) caso : Variâcias cohecidas Pressupostos: 6/09/07 x - x x - x ; N é - x x ) ( x x x x E ) ( x x
Leia maisFundamentos de Análise Matemática Profª Ana Paula. Números reais
Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Leia maisDisciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA
Miistério da Educação UIVERSIDADE TECOLÓGICA FEDERAL DO PARAÁ Câmpus Curitiba Diretoria de Graduação e Educação Profissioal Departameto Acadêmico de Estatística 1 Disciplia: Probabilidade e Estatística
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Govero do Estado do Rio Grade 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 maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisMT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8
Norma Rodoviária DNER-PRO 77/97 Procedimeto Págia de 8 RESUMO Este documeto estabelece o úmero de amostras a serem utilizadas o cotrole estatístico, com base em riscos refixados, em obras e serviços rodoviários.
Leia maisMODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)
MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) Modelos probabilísticos Algumas variáveis aleatórias (V.A.) aparecem com bastate frequêcia em situações práticas de eperimetos aleatórios (E.: peso,
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisDURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total)
DURAÇÃO 1:30 (o teste costa de 3 págias com questões, um formulário e uma tabela - 5 folhas o total) Leia atetamete o euciado ates de respoder a cada questão. as questões de escolha múltipla seleccioe
Leia maisEstatística Descritiva. 3. Estatísticas Medidas de posição Medidas de dispersão
Estatística Descritiva 3. Estatísticas 3.1. Medidas de posição 3.. Medidas de dispersão 1 Exemplo 1: Compare as 4 colheitadeiras quato às porcetages de quebra de semetes de milho. Tabela 1. Porcetagem
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia maisPropriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS
0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisNúmero-índice: Conceito, amostragem e construção de estimadores
Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela
Leia maisEPR 007 Controle Estatístico de Qualidade
EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como
Leia maisEstimação por Intervalo (Intervalos de Confiança):
Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisEstatística. 7 - Distribuições Amostrais
Estatística 7 - Distribuições Amostrais 07 - Distribuição da Média Amostral Distribuição costituída de todos os valores de, cosiderado todas as possíveis amostras de tamaho i ( Ode,,..., são V.A. com mesma
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisLista de Exercícios 5
Itrodução à Teoria de Probabilidade. Iformatica Biomedica. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 22 de juho de 2006. Lista de Exercícios 5 1 Modelos Probabilísticos Discretos
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia maisCAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
Leia maisTaxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco
Taxas e Ídices Aa Maria Lima de Farias Dirce Uesu esco Itrodução Nesse texto apresetaremos coceitos básicos sobre ídices e taxas. Embora existam aplicações em diversos cotextos, essas otas utilizaremos
Leia maisGRÁFICOS DE CONTROLE PARA X e S
Setor de Tecologia Departaeto de Egeharia de Produção Prof. Dr. Marcos Augusto Medes Marques GRÁFICOS DE CONTROLE PARA X e S E duas situações os gráficos de cotrole X e S são preferíveis e relação aos
Leia maisJorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2007.
Ageda Aálise e Técicas de Algoritmos Motivação para aálise de de algoritmos Aálise assitótica Algus exemplos simples Jorge Figueiredo Aálise de de Algoritmos Dois aspectos importates: Um problema pode,
Leia maisESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.
ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter
Leia maisEstatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas
Estatística e Probabilidade, D3, 2019_1 Escolha a alterativa correta e idique o gabarito de respostas 1. Uma avaliação é costituída de 20 questões, cada uma delas com cico alterativas, das quais apeas
Leia maisVariáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO PROFESSOR: CARLA SCHWENGBER TEN CATEN Teorema do limite cetral A soma (e sua média) de
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisO termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2
MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisConteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE)
Coteúdo Uiversidade Federal de Sata Cataria (UFSC) Programa de Pós-Graduação em Egeharia de Automação e Sistemas (PPGEAS) Disciplia: Sistemas de Tempo Real II 1 Itrodução à Estatística Itrodução a Probabilidade
Leia mais) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X
3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif
Leia maisEstimação de Parâmetros. 1. Introdução
Estimação de Parâmetros. Itrodução O objetivo da Estatística é a realização de iferêcia acerca de uma população, baseadas as iformações amostrais. Como as populações são caracterizados por medidas uméricas
Leia maisProbabilidades e Estatística
Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base
Leia maisUniversidade Federal de Santa Catarina Centro Tecnológico Departamento de Informática e Estatística Curso de Graduação em Ciências da Computação
Uiversidade Federal de Sata Cataria Cetro Tecológico Departameto de Iformática e Estatística Curso de Graduação em Ciêcias da Computação Aula 10-T 4. Projeto de Sistemas Digitais o Nível RT. Aumetado o
Leia maisUniversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny
1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis
Leia maisIntrodução ao Qui-Quadrado
Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Capítulo X Teste do Qui-quadrado, Itrodução ao qui-quadrado Defiição geral do qui-quadrado Graus de liberdade e reduzido abilidade do 66
Leia mais1 a Lista de PE Solução
Uiversidade de Brasília Departameto de Estatística 1 a Lista de PE Solução 1. a) Qualitativa omial. b) Quatitativa discreta. c) Quatitativa discreta. d) Quatitativa cotíua. e) Quatitativa cotíua. f) Qualitativa
Leia mais21037 : e-fólio A- proposta de resolução
21037 : e-fólio A- proposta de resolução 1. Os motates de depósito a prazo, em uidades codificadas (UC), correspodem a uma variável quatitativa cotíua, e estão orgaizados em classes com a mesma amplitude.
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisRomeu M agnani Marisa Veiga Capela INSTITUTO DE QUÍMICA UNESP ARARAQUARA
ESTATÍSTICA Romeu Magai Marisa Veiga Capela UNESP INSTITUTO DE QUÍMICA ARARAQUARA I. ESTATÍSTICA DESCRITIVA. INTRODUÇÃO A Estatística Descritiva trata da maeira de apresetar um cojuto de dados em tabelas
Leia maisESTATÍSTICA E PROBABILIDADES
ESTATÍSTICA E PROBABILIDADES Aluo(a): Turma: Professores: Data: Edu/Vicete Noções de Estatística Podemos eteder a Estatística como sedo o método de estudo de comportameto coletivo, cujas coclusões são
Leia maisGRUPO I Duração: 50 minutos
Matemática A. o ao TESTE DE AVALIAÇÃO GLOBAL MATEMÁTICA A.º ANO O teste é costituído por dois grupos (I e II). Utiliza apeas caeta ou esferográfica de tita azul ou preta. Só é permitido o uso de calculadora
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E
MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia
Leia mais* O presente trabalho foi desenvolvido a partir de situações reais de emprêsas. A bibliografia no fim do artigo trata também do assunto abordado.
Variações do Estoque: omial, Roberto Carvalho Cardoso** Real e Iflacioária* Sumário: 1. Acréscimos: omial, Real e Iflacioário. 2. Acréseimo Real a Preços de Reposição. 3. Caso Prático. 4. Bibliografia.
Leia maisCritérios de Avaliação e Cotação
Elemetos de Probabilidades e Estatística (37) Elemetos de Probabilidades e Estatística (37) Ao letivo 06-7 E-Fólio A 7 a 6 de abril 07 Critérios de correção e orietações de resposta No presete relatório
Leia maisBANCO DE QUESTÕES MATEMÁTICA A 11. O ANO
BANCO DE QUESTÕES MATEMÁTICA A 11. O ANO DOMÍNIO: Fuções Reais de Variável Real 1. Seja f a fução real de variável real defiida por f Qual das seguites epressões defie uma sucessão lim f u? (A) u (C) u
Leia maisUma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra
Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.
Leia maisd) A partir do item c) encontre um estimador não viciado para σ 2.
Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre
Leia maisCARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. CARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR Ruth Pereira Loureço (USP) ruth.p.loureco@gmail.com Lida Lee Ho
Leia maisESTATÍSTICA EXPLORATÓRIA
ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas
Leia maisOrdenação. David Menotti Algoritmos e Estruturas de Dados II DInf UFPR
Ordeação David Meotti Algoritmos e Estruturas de Dados II DIf UFPR Critério de Ordeação Ordea-se de acordo com uma chave: typedef it ChaveTipo; typedef struct ChaveTipo Chave; /* outros compoetes */ Item;
Leia maisExame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase
Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 04 -. a Fase Proposta de resolução... Aplicado o método de Hodt a distribuição dos madatos, temos: Partido A B C D E Número de votos 4 4 Divisão
Leia mais) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)
3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,
Leia maisInstituto Politécnico de Viseu Escola Superior de Tecnologia e Gestão
Istituto Politécico de Viseu Escola Superior de Tecologia e Gestão Prova Escrita de Avaliação de Cohecimetos e Competêcias para Maiores de 23 Aos Prova de Matemática (opcioal) Duração da prova: 50 miutos
Leia maisCaderno de Exercício 2
1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária
Leia maisIntrodução à Probabilidade e à Estatística I
Itrodução à Probabilidade e à Estatística I Resolução Lista 1 Professor: Pedro Moretti & Chag Chia 1. (a) Podemos iserir dados o software R e costruir um histograma com 5 itervalos: Frequecy 0 2 4 6 8
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisIntervalos Estatísticos para uma única Amostra - parte II
Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça
Leia maisLinguagem Computacional. Estruturas de Controle: Estruturas de Decisão ou de Seleção. Prof. Dr. Adriano Cansian Prof. Dr. Leandro Alves Neves
1 Algoritmos e Programação Liguagem Computacioal Estruturas de Cotrole: Estruturas de Decisão ou de Seleção Prof. Dr. Adriao Casia Prof. Dr. Leadro Alves Neves O que veremos: Estruturas de Cotrole de Fluxo
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisTP010 ENGENHARIA DA QUALIDADE 1. VARIÁVEIS, DESCRIÇÃO E DISTRIBUIÇÕES DE PROBABILIDADE.
TP010 ENGENHARIA DA QUALIDADE 1. VARIÁVEIS, DESCRIÇÃO E DISTRIBUIÇÕES DE PROBABILIDADE. 1.1- TIPOS DE VARIÁVEIS A característica populacioal de iteresse é em geral classificada de qualitativa e quatitativa,
Leia maisImplementação de Planilha de Cálculos Simplificada
INF 1620 Estruturas de Dados Semestre 08.2 Primeiro Trabalho Implemetação de Plailha de Cálculos Simplificada Uma plailha de cálculos é um programa muito utilizado em aplicações fiaceiras e aquelas que,
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisUniversidade de São Paulo Faculdade de Filosofia, Letras e Ciências Humanas Departamento de Ciência Política
Uiversidade de São Paulo Faculdade de Filosofia, Letras e Ciêcias Humaas Departameto de Ciêcia Política FLS 5028 Métodos Quatitativos e Técicas de Pesquisa em Ciêcia Política FLP0406 Métodos e Técicas
Leia maisMAE0229 Introdução à Probabilidade e à Estatística II
Exercício : Sabe-se que o tempo de viagem de um local A a zoa orte de São Paulo até a USP segue uma distribuição ormal com desvio padrão 9 miutos. Em 200 dias aotou-se o tempo gasto para vir desse poto
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisUniversidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química
Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza
Leia mais