Inspeção de Qualidade
|
|
|
- Geovane Mendonça Estrada
- 8 Há anos
- Visualizações:
Transcrição
1 Inspeção de Qualidade Roteiro 1. Inspeção para Aceitação 2. Planos de Amostragem Simples 3. Determinação Plano de Amostragem 4. Inspeção Retificadora 5. Plano de Amostragem Dupla 6. Referências Inspeção para Aceitação
2 Inspeção por Amostragem Avaliação de característica de qualidade de unidades selecionadas aleatoriamente; Alternativa para inspeção 1%; Obrigatória quando a avaliação de qualidade requer teste destrutivo. Inspeção para Aceitação Inspeção por amostragem de itens de lote de entrega Dependendo da quantidade de defeituosos da amostra, o lote é aceito ou rejeitado O lote rejeitado é devolvido ao fornecedor A tendência é substituí-la por trabalho com os fornecedores visando assegurar a qualidade de seus produtos Teste de Hipóteses Associado à inspeção para aceitação: H : p = p H 1 : p > p P: proporção de defeituosos do processo Risco α: Risco do produtor Não aceitação de lote de boa qualidade Risco β: Risco do consumidor Aceitação de lote de má qualidade
3 d: quantidade de defeituosos na amostra: d ~ hipergeométrica D m D d n d Pr[ d = d = ] (9.1) m n m unidades D defeituosas n unidades d defeituosas LOTE AMOSTRA Exemplo: Probabilidade de 2 itens amostrais defeituosos Lote de 2 itens com 1 itens defeituosos; Amostra de 2 unidades m = 2; D = 1; n = 2; d = Pr[ 2] d = = =, D: número de defeituosos no lote D ~ binomial (m,p) p: proporção de defeituosos no processo m Pr( D = D ) = p D D m D (1 p)
4 Probabilidade de um lote de 2 itens conter 1 itens defeituosos com p =, Pr( D = 1) =,1 (1,1) =,45 Probabilidade de 2 defeituosos na amostra Pr 2 { d d } = Pr{ d = d D = D } { D = D } = Pr D = Pr[ d = 2 D = D ] e Pr[ D = D ] D Pr[ D = D ] Pr[ d = 2 D = D ] D Pr[ D = D ] Pr[ d = 2 D = D ] 1,45, ,892, ,87, ,86, ,153, ,693, ,245, ,568, ,364, ,444, ,51, ,332,276 16,644, ,238,262 17,775, ,163, ,875, ,18, ,931,33 3,68,233 2,936,35 2 { d 2} = Pr{ d = 2 D = D } Pr{ D = D } =, 285 Pr = D = Aproximação Se n/m =,1 então P{d = d } pode ser obtido com boa precisão considerando: d ~ binomial (n, p) Pr n d 2 2 d n d 2 18 { d = 2} = p (1 p) =,1 ( 1,1) =, 285
5 Amostragem de Aceitação Lote com 2 itens H : p =,1 vs. H 1 : p >,1 Plano Amostral amostra de 5 itens Critério de aceitação: todos os itens amostrais considerados não defeituosos Risco do fabricante: 5 α = 1 P{ d = } = 1,99 =,49 α 5% Risco do consumidor p 1,2,4,6,1 b,9,82,73,59 β,2 α 5% 5 = P{ d = p =,2} =,98 =,94 1 Comentários Para aproximar os riscos α e β pela binomial, deve-se considerar constante a probabilidade de um item ser defeituoso; Na realidade, a probabilidade de um item defeituoso na amostra ser defeituoso depende da proporção de defeituosos no lote; Se n/m =,1 a aproximação é satisfatória
6 Planos de Amostragem Simples Amostragem Simples por Atributos Parâmetros do plano amostral: Tamanho da amostra: n Número de aceitação: Ac Critério de aceitação do lote: Número de defeituosos = Ac Cada plano amostral está associado a uma única curva característica de operação (CCO) P ac vs. p P ac : probabilidade de aceitação do lote p: proporção de defeituosos Plano Amostral: n = 2 e Ac = 5 Valores de p e P ac do Plano de Amostragem p(%) λ = np P ac(%),5 1, 99,9 1, 2, 98 1,4 2,8 93 1,8 3,6 84 2, 4, 79 2,6 5,2 58 3, 6, 44 4, 8, 19 5, 1, 7 6, 12, i 2 i Pac(,2) = P{ d 5 p =,2} =,2 (1,2) =, 787 i= i
7 Curva característica de operação do plano amostral n = 2 e Ac = 5 CCO (n=2, Ac=5) Pac1 (%) p(%) Curva característica de operação ideal para p =,1 CCO-Ideal 1 8 Pac(%) p(%) Todos os lotes com p =,1 seriam aceitos e aqueles com p >,1 seriam rejeitados Efeito de n e Ac na probabilidade de aceitação de lote Pac 1 (%) n=2, Ac=5 n=3,ac=5 p(%) n=2, Ac=4 Aumento de n ou redução de Ac: aumento do risco α: ruim para fabricante diminuição do risco β: bom para consumidor
8 É necessária mais informação para a redução simultânea de α e β Aumento de n e Ac Determinação do Plano de Amostragem Parâmetros de Entrada NQA Nível de qualidade aceitável p : máxima proporção de defeituosos que o consumidor considera satisfatória como média do processo NQI Nível de qualidade inaceitável p 1 : proporção de defeituosos que o consumidor considera totalmente insatisfatória como média do processo
9 α: risco que o fabricante está disposto a aceitar rejeição de lote de boa qualidade β: risco que o comparador está disposto a aceitar aceitação de lote de má qualidade Deseja-se determinar: tamanho da amostra (n) número de aceitação (Ac) Mesmo problema de determinação de parâmetros de carta np Exemplo Determinação de plano amostral com: α =,2 β =,1 NQA = 1% NQI = 5% Solução ótima: n = 184 Ac = 5 Solução Boa: Algoritmo da Seção Determinação do Plano de Amostragem d P ac (=α) λ n 1 λ1=np1 P ac (=β) 3,981 1, 1 5,27 4,9814 1,5 15 7,5,13 5,9834 2, 2 1,7 (<,1 solução) Em geral a solução boa apresenta um n ligeiramente maior que aquele da solução ótima
10 Inspeção Retificadora Inspeção Retificadora Lotes rejeitados são submetidos à inspeção 1% Todos os itens defeituosos do lote são substituídos por itens bons Na inspeção para aceitação: Os lotes rejeitados são devolvidos para o fornecedor Definir Plano de Amostragem (n, Ac) Inspecionar amostra de tamanho n d>ac Comparar d e Ac d Ac Aceitar o lote Rejeitar o lote Inspeção para Aceitação Inspecionar todo o lote e trocar os itens defeituosos Inspeção Retificadora Inspeção para Aceitação e Inspeção Retificadora
11 Vantagem Após a comercialização de uma série de lotes proporção média de defeituosos (q) que o comprador é menor que p (proporção média de defeituosos do processo de fabricação) Após a comercialização de uma série de lotes p ac = proporção de lotes aceitos Lotes com fração defeituosa p Lotes aceitos Inspeção Retificadora Fração defeituosa p Fração defeituosa q =Fração média de defeituosos de uma série de lotes submetidos a inspeção retificadora q = p pac < p Lotes rejeitados 1-p ac = proporção de lotes rejeitados proporção média de defeituosos (q) que o comprador adquire é menor que a proporção média de defeituosos do processo de fabricação (p) QMR Qualidade média resultante: Proporção média de defeituosos (q) que o comprador adquire com a inspeção retificadora ac ( Pac ) = p Pac QMR = p P + 1
12 Para o plano amostral com n = 2 e Ac = 5: p(%) λ = np P ac(%) QMR, 1,5 1, 99,9,5 1, 2, 98,98 1,4 2,8 94 1,32 1,8 3,6 84 1,51 2, 4, 79 1,58 2,4 4,8 65 1,56 2,6 5,2 58 1,51 3, 6, 44 1,32 4, 8, 19,76 5, 1, 7,35 6, 12, 2,12 Qualidade Média Resultante QMR (%) 1,8 LQMR 1,5 1,2,9,6, P(%) LQMR Limite da Qualidade Média Resultante: Máxima proporção média de defeituosos que o consumidor adquire com a inspeção retificadora Comentários Para valores pequenos de p a maioria dos lotes é aceita e QMR p; À medida que p cresce, diminui a probabilidade de o lote ser aceito maior quantidade de lotes submetidos à inspeção 1% diminuição da QMR
13 Plano de Amostragem Dupla Planos de Amostragem Dupla Objetivo: Reduzir a quantidade de itens do lote a inspecionar Parâmetros: n 1 e n 2 : tamanhos de amostra Ac 1 e Ac 2 : números de aceitação Re 1 : número de rejeição Critério: Retira-se amostra de tamanho n 1 Se d 1 = Ac 1, aceita-se o lote Se d 1 = Ac 1, rejeita-se o lote; Se Ac 1 < d 1 < Re 1 : retira-se 2ª. Amostra Se d 1 + d 2 = Ac 2 : aceita-se o lote Em caso contrário ele é rejeitado
14 Definir o Plano de Amostragem ( n 1, n 2, Ac 1, Re 1, Ac 2 ) d1 Ac 1 Inspecionar a Primeira Amostra n1 d1 Re 1 d1 + d2 Ac2 Ac 1 < d1 < Re1 Inspecionar a Segunda Amostra n 2 d 1 + d 2 > Ac2 Aceitar o Lote Rejeitar o Lote Amostragem dupla com plano: n 1 = n 2 =125; Ac 1 = 2; Re 1 = 5 e Ac 2 = 6 d 1 2 d1 + d 2 6 Aceitar o Lote Inspecionar a Primeira Amostra n 1=125 2 < d1 < 5 Inspecionar a Segunda Amostra n 2=125 d 1 5 d1 + d2 > 6 Rejeitar o Lote Probabilidade de aceitação do lote na 1ª. amostragem: 1 P ac = P d { 2} Probabilidade de aceitação do lote na 2ª. amostragem: 2 = P{ d d = 3} P{ d = 3} + P{ d 2 d = 4} P{ d = 4} P ac 2 Probabilidade de o lote ser aceito: P = P + P ac 1 ac 2 ac
15 p(%) Valores de p e P ac (amostragem dupla) λ = n 1 p 1 P ac Pr[ d 1 =3] Pr[ d 1 =4] Pr[ d 2 3] Pr[ d 2 2 ] 2 P ac P ac,5,625,97,2, 1,,97,2 1, 1, 1,25,87,9,3,96,87,11,98 1,4 1,75,74,16,7,9,74,19,94 1,8 2,25,61,2,11,81,61,23,84 2, 2,5,54,22,13,76,54,24,78 2,6 3,25,37,22,18,59,37,2,57 3, 3,75,27,21,2,48,27,15,43 4, 5,,12,14,18,26,12,6,18 5, 6,25,5,8,12,12,5,2,6 6, 7,5,2,4,7,5,2,,2 Comentários As probabilidades de aceitação são semelhantes àquelas obtidas com o plano de amostragem simples (n = 2; Ac = 5); TMA Tamanho Médio das Amostras Número de itens inspecionados: n = 125 se não for necessária 2ª. amostragem; N = 25 caso ela seja necessária Probabilidade da 2ª. amostragem: P{d 1 = 3 ou d 1 = 4} TMA Tamanho médio das amostras [ P{ d = 3} + P{ 4} ] TMA = d1 1 =
16 2, 18, TMA 16, 14, 12, p(%) P(%) TMA P(%) TMA P(%) TMA,5 128, , ,8 1 14,2 2,6 175, ,3 1,4 153, 3 175, ,4 1,8 164, , ,8 O TMA não ultrapassa 18 itens Referências Bibliografia Recomendada Costa, A. F. B., Epprecht, E. K., Carpinetti, L. C. R. (Atlas) Controle Estatístico de Qualidade Montgomery, D. C. (LTC) Introdução ao Controle Estatístico de Qualidade
Inspeção de Qualidade
Inspeção de Qualidade Nem sempre a inspeção 100% é possível ou necessária. 1.Inspeção para aceitação Na inspeção por amostragem, itens são selecionados aleatoriamente do lote para compor a amostra. Dependendo
Inspeção de Qualidade
Roteiro Inspeção de Qualidade 1. Inspeção para Aceitação 2. Planos de Amostragem Simples 3. Determinação Plano de Amostragem 4. Inspeção Retificadora 5. Plano de Amostragem Dupla 6. Planos de Amostragem
LAN 2740 INSPEÇÃO DA QUALIDADE. Inspeção para aceitação Planos de amostragem
LAN 2740 INSPEÇÃO DA QUALIDADE Inspeção para aceitação Planos de amostragem INSPEÇÃO DA QUALIDADE Em um processo produtivo, a inspeção da qualidade pode ser efetuada em diversos estágios: recepção de matéria-prima
CE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 06 de junho, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 06 de junho, 2017 1 / 29 Aula 9 - Amostragem de aceitação
Morgana Pizzolato, Dr a. Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Inspeção 100% Inspeção por amostragem 2 ATIVIDADE Cinco caixas (A, B, C, D,
a) Inspeção por Atributos Neste caso verifica-se a ocorrência de defeitos, sem determinar-se sua intensidade. É uma avaliação qualitativa.
Aula 8 - INSPEÇÃO DA QUALIDADE (NORMA NBR 5426) É o processo que busca identificar se uma peça, amostra ou lote atende determinadas especificações da qualidade. Realiza-se em produto já existente ou em
INSPEÇÃO DA QUALIDADE. Ghislaine Miranda Bonduelle
INSPEÇÃO DA QUALIDADE Ghislaine Miranda Bonduelle INSPEÇÃO DA QUALIDADE È O PROCESSO DE VERIFICAÇÃO DE LOTES OU AMOSTRAS A FIM DE DETERMINAR SE A QUALIDADE DO PRODUTO ATENDE ÀS ESPECIFICAÇÕES Inspeção
Engenharia da Qualidade. Unidade 3 Inspeção por Amostragem para Aceitação Prof. Luciana Rosa Leite
Engenharia da Qualidade Unidade 3 Inspeção por Amostragem para Aceitação Prof. Luciana Rosa Leite Conteúdo da Unidade 3.1 Inspeção da Qualidade 3.2 Riscos e parâmetros 3.3 Tipos de amostragem 3.4 Planos
PRO 2712 CONTROLE DA QUALIDADE 1. Inspeção por Amostragem
PRO 2712 CONTROLE DA QUALIDADE 1 Inspeção por Amostragem PRO 2712 CONTROLE DA QUALIDADE 2 UM EXEMPLO SIMPLES Caixas com 10 bolas coloridas 10 PRETAS 9 PRETAS 1 BRANCA 8 PRETAS 1 BRANCA A B C 7 PRETAS 3
Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Inspeção 100% Inspeção por amostragem 2 ATIVIDADE Cinco caixas
CAPÍTULO 6 CARACTERÍSTICAS DE OPERAÇÃO DOS PLANOS DE AMOSTRAGEM
CAPÍTULO 6 CARACTERÍSTICAS DE OPERAÇÃO DOS PLANOS DE AMOSTRAGEM A CCO define para cada plano de amostragem: a probabilidade de aceitação do lote (P) que tem uma qualidade p em porcentagem defeituosa, e
Engenharia da Qualidade. Unidade 3 Inspeção por Amostragem para Aceitação Prof. Luciana Rosa Leite
Engenharia da Qualidade Unidade 3 Inspeção por Amostragem para Aceitação Prof. Luciana Rosa Leite Conteúdo da Unidade 3.1 Inspeção da Qualidade 3.2 Riscos e parâmetros 3.3 Tipos de amostragem 3.4 Planos
Avaliação dos processos de amostragem de inspeção para atributos no setor de matéria prima na indústria farmacêutica local
Avaliação dos processos de amostragem de inspeção para atributos no setor de matéria prima na indústria farmacêutica local Shamon Henrique Feitosa de Souza ; Emerson Wruck 2 Bolsista PBIC/UEG, graduando
Curso sobre Planos de Amostragem por Atributos - NBR 5426 (MIL STD 105)
Curso sobre Planos de Amostragem por Atributos - NBR 5426 (MIL STD 105) A Norma brasileira NBR 5426 correspondente à MIL STD 105, americana é a mais conhecida e utilizada por empresas para inspeção por
Garantia da qualidade no aprovisionamento
arantia da qualidade no aprovisionamento Transparências de apoio às disciplinas de estão da Qualidade e Fiabilidade e ontrolo de Qualidade rupo de ontrolo e estão Qualidade no aprovisionamento Que questões
Unidade 3 Inspeção para aceitação. Prof a. Dr a. Luciana Leite
Unidade 3 Inspeção para aceitação Prof a. Dr a. Luciana Leite Conteúdo 3.1 Inspeção da Qualidade 3.2 Riscos e parâmetros 3.3 Tipos de amostragem 3.4 Planos de amostragem 3.5 Inspeção Retificadora Inspeção
CAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS
CAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS 1. PLANOS DE AMOSTRAGEM tamanho do lote; nível de inspeção; tamanho da amostra; tipos de inspeção; regime de inspeção; nível de qualidade aceitável
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 214 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
ANEXO A CONTROLE DE QUALIDADE: NORMA MIL-STD-105E
134 ANEXO A CONTROLE DE QUALIDADE: NORMA MIL-STD-105E 134 135 Aqui se apresenta um resumo baseado na consulta do própria norma MIL- STD-105E (1989) e em MONTGOMERY (2005). Nessa norma apresenta-se padrões
INSPEÇÃO POR AMOSTRAGEM
INSPEÇÃO POR AMOSTRAGEM m.a.perissinotto - IPA - 1 1-FUNDAMENTO Sobre uma amostra retirada, aleatoriamente, de um lote podemos fazer a avaliação do mesmo, ou seja APROVAR ou REJEITAR o lote. 2-ONDE APLICAR
Gráfico de Controle por Atributos
Gráfico de Controle por Atributos Roteiro 1. Gráfico de np. Gráfico de p 3. Gráfico de C 4. Gráfico de u 5. Referências Gráficos de Controle por Atributos São usados em processos que: Produz itens defeituosos
Prof. Dr. Roberto Antonio Martins UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO
UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO INSPEÇÃO POR AMOSTRAGEM Prof. Dr. Roberto Antonio Martins - 2002 - Sumário 1 Introdução
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 2019 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Exemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN)
EXEMPLOS Exemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN) É dada a tabela de escolha do código de amostra em função do tamanho do lote e do nível de inspeção
Planos de Amostragem para análise microbiológica de
Planos de Amostragem para análise microbiológica de 03/05/2016 Laercio Goularte D Una Consultoria Ltda. Amostra Representativa Qualquer unidade representa o lote, porém, pode não representar adequadamente
Aceitação por amostragem. Introdução. Introdução. Engenharia Alimentar. Controlo da Qualidade 2005
Aceitação por amostragem Controlo da Qualidade 2005 Engenharia Alimentar Introdução Procedimentos para aceitar ou rejeitar um dado lote de produto Pode ser utilizado Recepção da matéria prima Durante várias
Testes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 21 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Estatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.
AULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
- C E Q - Exercícios Resolvidos. Controlo Estatístico da Qualidade. Instituto Superior Técnico. Secção de Tecnologia Mecânica
Instituto Superior Técnico Secção de Tecnologia Mecânica Exercícios Resolvidos Qualidade no Processo de Fornecimento ontrolo Estatístico da Qualidade - E Q - 2005 Pedro Vilaça Exercício 1 : A Hi-Tech Industries
Testes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 01 de Julho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma população. Serão usadas as distribuições
Planos de amostragem e procedimentos na inspeção por atributos ~
ABNT-Associação Brasileira de NormasTécnicas 1 A I I N BR 5426 Planos de amostragem e procedimentos na inspeção por atributos R80 de Janeiro A" Treze de Maio. 13-26- andar CEP 2DJJ3-93) - Caixa Pm!al 1680
Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
AULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
DISTRIBUIÇÃO 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:
Amostragem e Distribuição Amostral. Tipos de amostragem, distribuição amostral de média, proporção e variância
Amostragem e Distribuição Amostral Tipos de amostragem, distribuição amostral de média, proporção e variância 1 AMOSTRAGEM Amostragem Probabilística ou Aleatória Amostragem Não Probabilística Amostragem
UNIVERSIDADE FEDERAL DO PARANÁ VANDERLEI GALINA
UNIVERSIDADE FEDERAL DO PARANÁ VANDERLEI GALINA ESTUDO E IMPLEMENTAÇÃO COMPUTACIONAL DE PLANOS AMOSTRAIS PARA ACEITAÇÃO DE LOTES DE PRODUTOS: NORMAS ANSI/ASQ Z1.4 E ANSI/ASQ Z1.9. CURITIBA 2009 2 VANDERLEI
Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers [email protected] Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Estatística Aplicada. Teste de hipóteses ou teste de significância Cap. 11
Estatística Aplicada Teste de hipóteses ou teste de significância Cap. 11 Conceito Objetivo: decidir se uma afirmação sobre um parâmetro populacional é verdadeira a partir de informações obtidas de uma
NBR 7170/1983. Tijolo maciço cerâmico para alvenaria
NBR 7170/1983 Tijolo maciço cerâmico para alvenaria OBJETIVO: Fixar condições no recebimento de tijolos maciços cerâmicos destinados a obras de alvenaria, com ou sem revestimento; DEFINIÇÕES: 1. Tijolo
Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I
8/8/05 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 8/08/05 06:55 ESTATÍSTICA APLICADA
Gerência da qualidade
Gerência da qualidade Abordagens da Qualidade - Opções - Abordagem baseada em Manufatura: considera a qualidade como sendo conformidade com as especificações. Foco no processo produtivo. - Abordagem baseada
Controlo por Amostragem
Introdução A gestão empresarial assume continuamente competências muito diferentes daquelas que eram exigidas há alguns anos atrás. A mudança permanente e a complexidade a esta associada vieram introduzir
TOMADA DE DECISÃO PARA UMA AMOSTRA. Estatística Aplicada à Engenharia 1
TOMADA DE DECISÃO PARA UMA AMOSTRA Estatística Aplicada à Engenharia 1 ROTEIRO 1. Teste de hipóteses; 2. Inferência sobre a média de uma população (variância conhecida); 3. Inferência sobre a média de
4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Fernando 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
Contabilometria Aula 6. Prof.: Patricia Maria Bortolon, D. Sc.
Contabilometria Aula 6 Prof.: Patricia Maria Bortolon, D. Sc. Teste de Hipóteses Fonte: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Probabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução Hipóteses Estatísticas São suposições quanto ao valor de um parâmetro populacional
Distribuição 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
Testes de Hipóteses. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
Testes de Hipóteses Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM Testes de hipóteses O Teste de Hipótese é uma regra de decisão para aceitar ou rejeitar uma hipótese
PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades
PRO71 ESTATÍSTICA 3.1 PRO 71 ESTATÍSTICA I 3. Distribuições de Probabilidades Variáveis Aleatórias Variáveis Aleatórias são valores numéricos que são atribuídos aos resultados de um eperimento aleatório.
Variáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte III 08 de Abril de 2014 Distribuição Binomial Negativa Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições
Testes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2011 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Probabilidade e Estatística 2011/2
Probabilidade e Estatística 2011/2 Prof. Fernando Deeke Sasse Exercícios resolvidos sobre distribuições discretas Distribuição Binomial 1. Lotes de 50 peças são examinados. O número médio de peças não-conformes
Probabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,
amostragem, especialmente aqueles envolvidos diretamente com a produção de bens e serviços, como por
Programa sobre Planos de Amostragem Curso sobre Planos de Amostragem por Atributos - NBR 5426 (MIL STD 105) A Norma brasileira NBR 5426 correspondente à MIL STD 105, americana é a mais conhecida e utilizada
DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Testes de Hipóteses para uma Única Amostra
Roteiro Testes de Hipóteses para uma Única Amostra 1. Introdução 2. Testes para a Média i. População normal com variância conhecida ii. População normal com variância desconhecida 3. Testes para a Variância
Matrizes para alicates de compressão hidráulica
1. OBJETIVO Esta especificação tem por finalidade estabelecer as características mínimas exigíveis para as matrizes para alicates de compressão hidráulica utilizadas nos trabalhos em redes de distribuição.
Testes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
X ~ Binomial (n ; p) H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) { X k 1 } U { X k 2 } (ou { X k } ou { X k }) x RC não rejeitamos H
NOÇÕES DE TESTE DE HIPÓTESES (II) Nível Descritivo valor P Resumo X ~ Binomial (n ; p) (1) Estabelecer as hipóteses sobre p: H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) (2) Escolher um nível de
Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014)
Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014) 1) Seja X v.a. representando o número de usuários de um microcomputador no período
TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não.
TESTES DE HIPÓTESES HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. HIPÓTESES ESTATÍSTICA: Hipótese Nula (H 0 ): a ser validada pelo teste.
Controle Estatístico de Qualidade. Capítulos 1, 2 e 3 (montgomery)
Controle Estatístico de Qualidade Capítulos 1, 2 e 3 (montgomery) Breve Histórico A preocupação com a qualidade existe desde que o homem começou a manufaturar alguma coisa Pré-história O artesão separava
Esporas para escalada de postes de concreto tipo duplo T
1. OBJETIVO NTC 890210 Esta especificação tem por finalidade estabelecer as características mínimas exigíveis para esporas para poste de concreto utilizadas nos trabalhos em redes de distribuição. 2. NORMAS
CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES
CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?
Teste de Hipóteses. Prof.: Joni Fusinato
Teste de Hipóteses Prof.: Joni Fusinato [email protected] [email protected] Teste de Hipótese Teste de Hipóteses Objetivo: Decidir se uma afirmação sobre um parâmetro populacional é verdadeira,
Capítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
NTC e Ferramentas de Redes de Distribuição Facas Isoladas. Figura 1 Faca isolada lâmina reta
Figura 1 Faca isolada lâmina reta DEZEMBRO/2017 SRF/DPLD/VNTD Volume Especial Página 1 de 5 Figura 2 Faca isolada lâmina curva NOTA: Desenho ilustrativo. Obs.: Dimensões em milímetros Tabela 1 Facas isoladas.
INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
Probabilidade e Estatística
Probabilidade e Estatística Teste Qui-quadrado Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Teste Qui-quadrado É um teste não paramétrico, pois independe dos parâmetros
Capacidade de Processo Material Complementar
Capacidade de Processo Material Complementar Exemplo Pistões Anéis de pistão para motores de automóveis produzidos por processo de forja Objetivo: Controle estatístico para diâmetro interno dos anéis por
Aula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição
Aula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição Procedimento teste de hipótese para proporção. Resumo. (1) Estabelecer as hipóteses: H: p = p 0 contra uma das alternativas
MAE0229 Introdução à Probabilidade e Estatística II
Exercício 1 Os registros do serviço de saúde de uma cidade indicam que a proporção de mães que amamentam até o terceiro mês de idade da criança é p = 0, 50. A fim de aumentar essa proporção, vem sendo
Filho, não é um bicho: chama-se Estatística!
Paulo Jorge Silveira Ferreira Filho, não é um bicho: chama-se Estatística! Estatística aplicada uma abordagem prática FICHA TÉCNICA EDIÇÃO: Paulo Ferreira TÍTULO: Filho, não é um bicho: chama-se Estatística!
Solução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
Teste de hipóteses Página 1 de 8. Teste de hipóteses
Teste de hipóteses Página 1 de 8 Teste de hipóteses O teste de hipóteses serve para verificar se uma dada amostra é ou não compatível com a população de onde foi tirada a amostra. Um teste de hipóteses
TESTE DE HIPÓTESE. Introdução
TESTE DE HIPÓTESE Introdução O teste de hipótese estatística objetiva decidir se uma afirmação sobre uma população, usualmente um parâmetro desta, é, ou não, apoiada pela evidência obtida dos dados amostrais.
