CE219 - Controle Estatístico de Qualidade
|
|
|
- João Henrique de Caminha Ventura
- 7 Há anos
- Visualizações:
Transcrição
1 CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 20 de abril, 2018 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
2 Aula 5 - Análise da capacidade de processos Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
3 Introdução Gráficos de controle são estabelecidos com base na variabilidade natural do processo, na ausência de causas atribuíveis de variação. No entanto, ainda que um particular processo esteja operando sob controle, isso não implica, necessariamente, que a produção atenda satisfatoriamente às especificações do projeto, às normas reguladoras, às expectativas dos clientes... A Figura 1 ilustra um processo operando sob contole, mas com uma quantidade considerável de itens produzidos fora das especificações. A análise da capacidade de processos tem como objetivo principal avaliar o potencial da produção em atender às especificações que são impostas. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
4 Introdução Group Group summary statistics LCL UCL CL Number of groups = 100 Center = StdDev = LCL = UCL = Number beyond limits = 0 Number violating runs = 0 Figura 1: Gráfico de controle para medidas individuais - linhas pretas: limites de controle; linhas vermelhas: limites de especificação. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
5 Introdução Uma forma de caracterizar a distribuição de um processo é por meio dos limites naturais de tolerância. Vamos admitir que a característica da qualidade sob estudo tenha distribuição Normal com média µ e desvio padrão σ. Os limites inferior e superior naturais de tolerância ficam definidos por: LSNT = µ + 3σ LINT = µ 3σ (1) Com base na distribuição Normal, os limites naturais de tolerância compreendem 99.73% da produção. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
6 Índices de capacidade de processos - PPFE Vamos considerar e os limites (inferior e superior) de especificação, fixados pela engenharia, visando atender às expectativas dos consumidores, da gerência, às normas técnicas... Um primeiro indicador associado à capacidade do processo é a probabilidade de produção fora das especificações (PPFE), definida por: PPFE = P(X < ) + P(X > ), (2) em que X é a variável (ou uma das variáveis) que caracteriza a qualidade. Claramente, quanto menor PPFE, maior a capacidade do processo em atender às especificações. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
7 Índices de capacidade de processos - PPFE Exercício 1 Seja X alguma característica da qualidade de um processo industrial. Quando o processo opera sob controle estatístico, X tem distribuição Normal com média µ = 100 e desvio padrão σ =. a) Determine os limites naturais de tolerância do processo; b) Se os limites de especificação forem = e = 105, qual, a probabilidade de produção fora das especificações? c) O que acontece com PPFE se o processo sair de controle, de tal forma que a média se desloque para µ = 10? d) O que acontece com PPFE se o processo sair de controle, de tal forma que o desvio padrão se desloque para σ =? e) Considere novamente o processo operando sob controle. Vamos admitir que os limites de especificação sejam revistos pela engenharia, estabelecidos como = 99.9 e = 1. Calcule PPFE. Avalie esse novo cenário quanto ao controle e à capacidade do processo. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
8 Índices de capacidade de processos - PPFE PPFE para diferentes alterações na média do processo PPFE para diferentes alterações no desvio padrão do processo PPFE 0.5 PPFE µ σ Figura 2: PPFE vs alterações nos parâmetros dos processos (Exercício 1) Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
9 Índices de capacidade de processos - O índice C p Diversos índices de capacidades de processos são baseados na razão das faixas de especificação e de tolerância. O índice mais simples, baseado nesse tipo de construção, é definido por: C p =, (3) 6σ sendo chamado razão da capacidade do processo. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
10 Índices de capacidade de processos - O índice C p Exercício 2 Retome o Exercício 1. Calcule o valor de C p para cada um dos itens b-e. Avalie os resultados. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
11 Índices de capacidade de processos - O índice C p A aplicação adequada de C p requer: Que a característica da qualidade tenha distribuição Normal; Que o processo opere sob controle; Além disso, a média do processo deve estar no centro da faixa de especificação: µ = +. (4) 2 As duas primeiras condições estendem-se a outros índices que estudaremos adiante. A condição de que a média esteja no centro das especificações é particularmente crítica para C p. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
12 Índices de capacidade de processos - O índice C p Tabela 1: Relação entre C p e produção fora das especificações - Processo com distribuição Normal, sob controle, centrado no ponto médio da faixa de especificação. C p Itens não conformes (partes por milhão) ,0018 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
13 Índices de capacidade de processos - O índice C p Cp = 1 Cp = 2 Cp = Processo 1 Processo 2 Processo 3 Cp = 1 Cp = 1 Cp = 1 Processo 4 Processo 5 Processo 6 Figura 3: Ilustração de C p para diferentes processos Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
14 Índices de capacidade de processos - O índice C pk Para processos não centrados no ponto médio da faixa de especificação, índices (razões) de capacidade apropriados devem ser aplicados. Uma alternativa é o índice C pk, baseado nas razões de capacidade unilaterais: C ps = µ 3σ C pi = µ. (5) 3σ C pk é definido por: C pk = min(c ps, C pi ). (6) Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
15 Índices de capacidade de processos - O índice C pk Se o processo tiver centrado no ponto médio das especificações, então C pk = C p ; É comum dizer que C p mede a capacidade potencial do processo, enquanto C pk mede sua capacidade efetiva; O índice C pk, ao contrário de C p, pode produzir valores negativos; Vale destacar que, caso o processo tenha apenas um limite de especificação (inferior ou superior), então C pi (ou C ps ) pode ser usado, isoladamente, como índice de capacidade. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
16 Índices de capacidade de processos - O índice C pk Exercício 3 Retome o Exercício 1. Calcule o valor de C pk para cada um dos itens b-e. Avalie os resultados. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
17 Índices de capacidade de processos Cpk = 1 Cpk = 2 Cpk = Processo 1 Processo 2 Processo 3 Cpk = 1 Cpk = 0 Cpk = 1 Processo 4 Processo 5 Processo 6 Figura 4: Ilustração de C pk para diferentes processos Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
18 Índices de capacidade de processos - O índice C pm Um índice de capacidade alternativo, que incorpora o desvio da média do processo ao centro da faixa de especificação, é definido por: C pm =, (7) 6τ em que τ é a raiz quadrada dos desvio quadrático esperado em relação a T, ao valor alvo da produção: de tal forma que: τ 2 = E [ (X T ) 2] = σ 2 + (µ T ) 2, (8) C pm = 6 σ. (9) 2 + (µ T ) 2 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
19 Índices de capacidade de processos - O índice C pm Exercício 4 Considere dois processos A e B, tais que X A N(µ A = 50, σ A = 5) e X B N(µ B = 57.5, σ B = 2.5). Os limites de especificação são = 35 e = 65 para ambos. Calcule C p, C pk e C pm para os processos A e B. Compare e discuta os resultados. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
20 Índices de capacidade de processos - O índice C pm Cpm = 1 Cpm = 2 Cpm = Processo 1 Processo 2 Processo 3 Cpm = 1 Cpm = 16 Cpm = 64 Processo 4 Processo 5 Processo 6 Figura 5: Ilustração de C pm para diferentes processos Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
21 Índices de capacidade de processos Há diferentes critérios apresentados na literatura, e aplicados na prática, para classificação dos processos segundo suas capacidades. Uma classificação frequentemente utilizada, aplicada a processos centrados no ponto médio da faixa de especificação, estabelece que: Tabela 2: Especificação bilateral, processo centrado e com distribuição Normal Itens fora das especificações Classificação Valor de C p (em ppm) Capaz C p > 1, Razoavelmente capaz 1 C p 1, 33 Entre 70 e Incapaz C p < 1 Acima de Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
22 Índices de capacidade de processos - Estimação Em geral, o desvio padrão do processo é desconhecido, podendo ser estimado por uma amostra selecionada do processo sob controle, com base na média e no desvio padrão amostrais. É comum também utilizar dados da fase 1 de um gráfico de controle para estimar σ. Nesse caso: Assim, C p fica estimado por: ˆσ = R d 2 ou ˆσ = s c 4. (10) Ĉ p =. (11) 6ˆσ Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
23 Índices de capacidade de processos - Estimação A fim de incorporar à estimativa o erro inerente ao processo de amostragem, podemos apresentar intervalos de confiança para a capaciadade do processo; Um intervalo de confiança 100(1 α)% para C p é definido por: em que Ĉ p χ 2 1 α/2;n 1 n 1 C p Ĉ p χ 2 α/2;n 1 n 1, (12) Ĉ p =, s = 1 n (x i x) 6s n 1 2 (13) i=1 e χ 2 α;n 1 é o quantil α da distribuição qui-quadrado com n 1 graus de liberdade. Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
24 Índices de capacidade de processos - Estimação Para C pk, um intervalo de confiança (aproximada) 100(1 α)% tem limites: Ĉ pk [ 1 1 z 1 α/2 + 9nĈ pk [ Ĉ pk 1 + z 1 α/2 1 9nĈ pk + ] 1 C pk 2(n 1) 1 ] (14) 2(n 1) Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
25 Índices de capacidade de processos - Não normalidade Nenhum dos índices apresentados até o momento se aplica a dados sem distribuição Normal. Nesses casos, podemos recorrer, novamente, à transformação dos dados visando alcançar normalidade, ou usar algumas construções mais gerais de índices. Uma alternativa seria definir a capacidade do processo com base nos quantis amostrais (ou de algum outro modelo probabilístico de referência): C pq = x 0,99865 x 0,00135, (15) sendo x q o quantil amostral de ordem q (ou obtido a partir de algum modelo paramétrico mais adequado). Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, / 25
Controle Estatístico de Qualidade. Capítulo 7 (montgomery)
Controle Estatístico de Qualidade Capítulo 7 (montgomery) Capacidade do Processo Introdução Cartas de Controle Instrumento de monitoramento e detecção de desvios na estabilidade do processo Considerando
Gráficos de controle Cusum e MMEP
Gráficos de controle Cusum e MMEP CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli [email protected] Prof. Walmes Zeviani [email protected] Laboratório de Estatística e Geoinformação Departamento
Intervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Controle de Qualidade
Outras técnicas Controle de Qualidade Lupércio França Bessegato Especialização em Estatística Roteiro da apresentação 1 2 3 4 5 6 7 do Processo do Processo de produzir itens de acordo com as especificações
Capacidade de Processo
Roteiro Capacidade de Processo 1. Limites de Especificação 2. Índices de Capacidade do Processo 3. Alarmes vs. Itens Não Conformes 4. Limites de Especificação sobre Componentes 5. Referências Capacidade
CE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 24 Aula 1 - Introdução Cesar Augusto
CE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 47 Aula 3 - Métodos e filosofia do
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
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
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:
Controle Estatístico de Qualidade. Capítulo 5 (montgomery)
Controle Estatístico de Qualidade Capítulo 5 (montgomery) Gráficos de Controle para Variáveis Relembrando Dois objetivos do CEP: Manter o processo operando em condição estável durante maior parte do tempo;
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Estatística Básica para Engenharia Prof. Mariana Albi 8 a Lista de Exercícios Assuntos: Inferência Estatística.
Universidade 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
Análise da : -Estabilidade e - Capacidade/Capabilidade de Processos
Análise da : -Estabilidade e - Capacidade/Capabilidade de Processos Prof. Diego Por que medir a estabilidade e capacidade/capabilidade? Principais erros dos gestores SOB CONTROLE 1 Tratar uma causa comum
CE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 96 Aula 2 - Métodos estáticos para
Inferência Estatística:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos
Professora Ana Hermínia Andrade. Período
Estimação intervalar Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Estimação Intervalar Vimos que como
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
BIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Estatística aplicada a ensaios clínicos
Estatística aplicada a ensaios clínicos RAL - 5838 Luís Vicente Garcia [email protected] Faculdade de Medicina de Ribeirão Preto Estatística aplicada a ensaios clínicos aula 8 amostragem amostragem
PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos. 6 a aula Testes de Hipóteses
PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 6 a aula Testes de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 2007 Estatística Aplicada ao Gerenciamento
Estatística Inferencial
statística Inferencial A ou inferencial compreende a stimação e o Teste de hipótese. Na verdade, a estatística inferencial forma a base das atividades de controle da qualidade e também pode auxiliar na
Aula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Introdução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Aula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Inferência estatística
Inferência estatística Susana Barbosa Mestrado em Ciências Geofísicas 2013-2014 Inferência estatística Obtenção de conclusões sobre propriedades da população a partir das propriedades de uma amostra aleatória
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
Distribuição T - Student. Prof. Herondino S. F.
Distribuição T - Student Prof. Herondino S. F. Distribuição T-Student A distribuição T de Student é uma distribuição de probabilidade estatística, publicada por um autor que se chamou de Student, pseudônimo
Cap. 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.
Razão para rejeitar H 0
Processo do teste de hipótese Hipótese de pesquisa: a idade média da população é 5 H : μ = 5 H 1 : μ 5 É X = improvável se μ =5? População Selecionar amostra aleatória Sim: Rejeite Ho Para definir pouco
Inferência Estatística: Conceitos Básicos II
Inferência Estatística: Conceitos Básicos II Distribuição Amostral e Teorema do Limite Central Análise Exploratória de dados no SPSS Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação
Intervalos de confiança
Intervalos de confiança Cristian Villegas [email protected] Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Estimação dos Parâmetros Estimação é o nome técnico para o processo que consiste em
Cap. 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
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
Introdução 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,
Controle Estatístico de Processo
Prof. Edson Marcos Leal Soares Ramos, Dr. Profa. Silvia dos Santos de Almeida, Dra. Profa. Adrilayne dos Reis Araújo, M.Sc. Belém 2012 Índice 1 Gráficos de Controle Para Variáveis 2 1.1 Gráficos de Controle
Amostragem. Cuidados a ter na amostragem Tipos de amostragem Distribuições de amostragem
Amostragem Cuidados a ter na amostragem Tipos de amostragem Distribuições de amostragem 1 Muito Importante!! Em relação às amostras, deve assegurar-se a sua representatividade relativamente à população
Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Testes de Hipóteses II
Testes de Hipóteses II Capítulo 12, Estatística Básica (Bussab&Morettin, 8a Edição) 6a AULA 06/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 5a aula (06/04/2015) MAE229 1 / 23 1. Teste para
Inferências sobre o vetor de Média. (Johnson & Wichern, Cap. 5) Considere o problema univariado no qual temse uma amostra aleatória de tamanho n da
Inferências sobre o vetor de Média (Johnson & Wichern, Cap. 5) Considere o problema univariado no qual temse uma amostra aleatória de tamanho n da distribuição N(µ, σ 2 ), em que ambos os parâmetros de
1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
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
X 2. (σ 2 + µ 2 ) = 1 n (nσ 2 + nµ 2 ) = σ 2 + µ 2. µ = 0 E(T ) = σ 2
Estatística II (GET00182) Turma A1 Prova 1 20/10/2017 2/2017 NOME: GABARITO 1. Seja X 1, X 2,, X n uma amostra aleatória simples de uma população X com média µ e variância σ 2. (a) Mostre que, se µ = 0,
Estatística e Probabilidade Aula 08 Estimativas e Tamanho Amostral. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 08 Estimativas e Tamanho Amostral Prof. Gabriel Bádue Motivação Estatística Inferencial Conjunto de métodos e procedimentos pelo meio dos quais tiramos conclusões sobre
Testes de hipóteses. Wagner H. Bonat Fernando P. Mayer Elias T. Krainski
Testes de hipóteses Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 07/06/2018 WB, FM, EK ( LEG/DEST/UFPR
Gráficos de Controle
Gráficos de Controle CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli [email protected] Prof. Walmes Zeviani [email protected] Laboratório de Estatística e Geoinformação Departamento de Estatística
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
AULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais 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
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
PE-MEEC 1S 09/ Capítulo 7 - Estimação por intervalos. 7.2 Intervalos de. confiança para. média de uma. normal 7.
Capítulo 7 - Estimação por intervalos 7.1 Noções básicas 7.2 Intervalos de confiança para a média de uma população normal 7.3 Intervalos de confiança para a diferença de duas médias de populações normais
Estatística e Probabilidade. Aula 11 Cap 06
Aula 11 Cap 06 Intervalos de confiança para variância e desvio padrão Confiando no erro... Intervalos de Confiança para variância e desvio padrão Na produção industrial, é necessário controlar o tamanho
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
Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
i. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ?
Fundação Getulio Vargas Curso: Graduação Disciplina: Estatística Professor: Moisés Balassiano Lista de Exercícios Inferência. Seja (Y, Y 2,..., Y n ) uma amostra aleatória iid, de tamanho n, extraída de
3 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.
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
1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Introdução 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 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma
Teoria 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
AULA 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
Inferência Estatística
Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Estatística Aplicada II. } Estimação e Intervalos de Confiança
Estatística Aplicada II } Estimação e Intervalos de Confiança 1 Aula de hoje } Tópicos } Revisão } Estimação } Intervalos de Confiança } Referências } Barrow, M. Estatística para economia, contabilidade
LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
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
Planejamento de Experimentos Introdução - Teste t
1/22 Planejamento de Experimentos Introdução - Teste t Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/22 Introdução - Planejamento de Experimentos Experimento:
Modelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Aula 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
Análise de Aderência e de Associação
Análise de Aderência e de Associação Capítulo 14, Estatística Básica (Bussab & Morettin, 8a Edição) Capítulo 8, Introdução Computacional à Probabilidade e Estatística (Pedrosa & Gama, Porto Editora) 8a
TESTES DE HIPÓTESES PARA DIFERENÇA DE DUAS MÉDIAS
TESTES DE HIPÓTESES PARA DIFERENÇA DE DUAS MÉDIAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 23 de outubro de 2017 Introdução Tipos de Hipóteses Há muitos
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
AULA 10 Estimativas e Tamanhos Amostrais
1 AULA 10 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 18 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
(a) Teste e IC para Duas Variâncias. (b) Teste para médias. Duas Amostras de Teste T e IC
Exercício 1 Contexto: amostras independentes de populações normais (a) Teste e IC para Duas Variâncias Método Hipótese nula Variância(Primeiro) / Variância(Segundo) = 1 Hipótese alternativa Variância(Primeiro)
Métodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring [email protected] Alexandre Leichsenring ACH3657 Aula 11 1 / 26
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
Planejamento de Experimentos. 13. Experimentos com fatores aleatórios
Planejamento de Experimentos 13. Experimentos com fatores aleatórios Até aqui assumimos que os fatores nos experimentos eram fixos, isto é, os níveis dos fatores utilizados eram níveis específicos de interesse.
