Um estudo de simulação sobre a estimação do desvio padrão de processos na presença de causas especiais de variação

Documentos relacionados
5 Modelo Teórico Modelagem determinística

INTERPRETANDO CORRETAMENTE O PASSADO PODEM-SE GERAR PREVISÕES ÚTEIS PARA O FUTURO.

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra

1 a Lista: MTM146: Prof. Paulo Magalhães:

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória.

1 a Lista: MTM146: Prof. Paulo Magalhães:

5 Análise Não-Linear pelos Métodos de Galerkin-Urabe e Balanço Harmônico

APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA NA INDÚSTRIA DE CONFECÇÕES

3 Computação de Volumes de Gás Natural

Opções Reais. Estimando Volatilidade. Volatilidade. Volatilidade. Mestrado. IAG PUC-Rio. Prof. Luiz Brandão

4 Método dos elementos distintos para simular rochas

Intervalo de Confiança

ANÁLISE DE SINAIS E SISTEMAS

Disciplina de Princípios de Telecomunicações Prof. MC. Leonardo Gonsioroski da Silva

4 - ANÁLISE DE SÉRIES TEMPORAIS

Virgílio Mendonça da Costa e Silva

Secção 7. Sistemas de equações diferenciais.

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t

- Processamento digital de sinais Capítulo 2 Sinais e sistemas discretos

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

Universidade Tecnológica Federal do Paraná Departamento de Eletrônica Disciplina: Teoria da Informação Professor: Dyson Pereira Junior

3 Derivação dos modelos

LISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Processos Estocásticos

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007)

Exemplo. Exemplo. Taxa Interna de Retorno. Administração

Sinais e Sistemas. Env. CS1 Ground. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with. gravity and sine wave forcing in the

Diferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr.

A limitação da metodologia dos MQ conduziu a diversas abordagens alternativas. As

APLICAÇÃO DO FILTRO DE KALMAN NA DETERMINAÇÃO DO PRAZO DE VALIDADE DE ALIMENTOS PERECÍVEIS

Faculdades Adamantinenses Integradas (FAI)

O MÉTODO VARIACIONAL APLICADO AO PROBLEMA NÃO-LINEAR DA PROPAGAÇÃO DE SÓLITONS.

MIRIAM RODRIGUES SILVESTRE, MANOEL IVANILDO SILVESTRE BEZERRA.

Capítulo 4. Propriedades dos Estimadores de Mínimos Quadrados

Electrónica /2007

3 Mecânica da Fratura Computacional

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42

Faculdade de Engenharia. Análise Matemática 2 MIEEC 2015/2016

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with

Juros Compostos 2016

Simulação por Eventos Discretos

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.

3 Fundamentação Teórica de Modelos Bayesianos de Previsão

quanto maior a diferença de energia entre 2 níveis, mais provável fica a emissão espontânea em relação à estimulada. Vemos também que: A

ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAS-T

Investigação Operacional. Modelos de Previsão

Previsão de venda. Sistema agroindustrial, (1999);

ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAS-T

Aula 5: O MOSFET como Amplificador e como Chave

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42

Resolução das equações

MÉTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA. Prof. Resposável: Dra. Leila M. Véspoli de Carvalho IAG/USP

EPR 007 Controle Estatístico de Qualidade

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

Recursos Gráficos do Software MuPAD no Estudo de Funções

Problema de Designinação Generalizada. Problema de Designinação. - aplicações: - observações: = 0 caso contrário n n. - Seja a variável: xij

Capítulo 5 Difusão em regime transiente

ECONOMIA DOS RECURSOS NATURAIS. A gestão dos recursos naturais recursos renováveis

Capítulo 3 SLITs Sistemas Lineares e Invariantes no Tempo

Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH

Função de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco

MODELOS BOX & JENKINS APLICADOS A PREVISÃO DE DEMANDA DE LEITOS HOSPITALARES

ESTRATÉGIA DE CONTROLE ÓTIMO COM HORIZONTE DE TEMPO MÓVEL

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA

Como o Intervalo de Confiança para a média é bilateral, teremos uma situação semelhante à da figura abaixo:

4 Filtro de Kalman. 4.1 Introdução

APÊNDICE C FUNDAMENTOS ESTATÍSTICOS SÉRIES TEMPORAIS 1

ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO

MOMENTOS E FUNÇÕES GERADORAS

2 Mecânica da Fratura

3 Retorno, Marcação a Mercado e Estimadores de Volatilidade

Exercícios de Análise de Sinal

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.

MODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS

4 Método de geração de cenários em árvore

1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em

TÓPICOS. Primitivação de funções racionais. Zeros de um polinómio. Fracções simples. Primitivação de fracções simples.

( ) ( ) ( ) ( ) MATEMÁTICA 2 VOLUME 2 RESOLUÇÕES - EXERCITANDO EM CASA. L = 6x + 180x = (x 15). T(h) = h + 22h 85.

Exercícios de Análise de Sinal

Critérios para a Apuração dos Preços de Ajuste Março 2009.

4 O modelo econométrico

Testes de Comparação Múltipla

OTIMIZAÇÃO DE AMPLIFICADORES CLASSES E/F EM TECNOLOGIA CMOS UTILIZANDO-SE ALGORITMO GENÉTICO E TÉCNICA DE EQUILÍBRIO HARMÔNICO

Critérios para a Apuração dos Preços de Ajuste e Prêmios das Opções de Compra e de Venda Maio 2009

UMA ABORDAGEM GEOMÉTRICA DA TEORIA DE INVERSAS GENERALIZADAS PAULO HENRIQUE SALES GUIMARÃES

EXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)

Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial

Análise Estatística no Diagnóstico de Doenças Cardíacas

7 Estimação de Parâmetros Desconhecidos e a Questão dos Diagnósticos

Grupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)

Espectros de Resposta de Movimentos Sísmicos Consistentes com Histórias de Deslocamentos Velocidades e Acelerações. Mário Rouxinol Fragoso 1,

3 Modelo Teórico e Especificação Econométrica

Comportamento Assimptótico dos Mínimos Quadrados Questão: Será que a estimativa de mínimos quadrados converge para o valor verdadeiro dos parâmetros?

9. INTERVALOS DE PREDIÇÃO E INTERVALOS DE TOLERÂNCIA

Viabilidade Econômica De Um Trator Agrícola Para Fins De Arrendamento Na Região Sudoeste Da Bahia

Filtros de Partículas: O Algoritmo Resample-Move Ana Flávia Cupertino Pinto

Introdução à análise e ao processamento de sinais usando o MATLAB. Parte 1 RUBENS SAMPAIO ROBERTO RIQUELME EDSON CATALDO XXI CNMAC

A entropia de uma tabela de vida em previdência social *

Transcrição:

Um esudo de simulação sobre a esimação do desvio padrão de processos a preseça de causas especiais de variação Márcio Aôio Couo Ferreira (UFAM) macouo@ufam.edu.br José Raimudo Gomes Pereira (UFAM) jrpereira@ufam.edu.br João Caldas do Lago eo (UFAM) jcaldas@ufam.edu.br Resumo O rabalho é um esudo comparaivo ere esimadores do desvio padrão de um processo produivo quado icidem causas especiais de variação. Observações de ais processos podem apresear edêcias mudaças de média e ouliers eses casos os esimadores do desvio padrão empregados ão apreseem propriedades óimas. Assim é imporae esudar empiricamee o comporameo desses esimadores. Foram simuladas observações a parir de modelos eóricos que descrevem siuações de processos sujeios a essas causas especiais cosiderado-se diferees íveis de variabilidade e amahos de amosra. Para as observações obeve-se esimaivas do desvio padrão empregado-se os esimadores cosiderados o esudo e mesurado seus desempehos pela esimaiva do Erro Quadráico Médio. Os resulados mosraram que ehum dos esimadores aalisados pode ser cosiderado como o melhor o eao idicaram a isabilidade do Esimador pela Mediaa dos Desvios Absoluos e que o Esimador pela Média Quadráica das Difereças Sucessivas é muio esável e equivalee ao Esimador pela Ampliude Móvel Padrão que é o mais uilizado a práica do CEP. Palavras-chave: Simulação Esimação Corole esaísico de processos.. Irodução o Corole Esaísico de Processos (CEP) quado apeas as causas comus esão auado o processo e a variabilidade se maém em uma faixa esável a faixa caracerísica do processo dizemos que o processo esá sob corole esaísico. esse caso o modelo esaísico empregado deomiado modelo de causa comum (deoado por M 0 ) pressupõe que as observações do processo produivo são proveiees de variáveis aleaórias idepedees e ideicamee disribuídas (v.a.i.i.d.) seguido uma disribuição ormal com média e variâcia cosaes. O modelo é expresso por i µ ε () ode represea as observações do processo medida o empo µ a média cosae do processo e as compoees de erro ε são v.a.i.i.d. com disribuição ( 0 σ ). Eão as são v.a.i.i.d. com disribuição ( µσ ). i EEGEP ABEPRO 09

Em muias siuações reais as observações do processo exibem mudaças de médias edêcias ouliers ou aida ouros siomas que ivalidam o modelo M 0 de acordo com Boles (997). Tais siomas decorrem de ouras foes de variação auado o processo as causas especiais de variação que surgem devido a uma siuação paricular e fazem com que o processo se compore de modo diferee do usual podedo resular em um deslocameo do ível de qualidade. Um processo operado sob ais codições é dio esar fora de corole esaísico e esse caso sua variabilidade geralmee é bem maior do que a variabilidade aural. o CEP uma das arefas iiciais é esimar a média ( µ ) e o desvio padrão (σ ) do processo visado esabelecer os limies de corole. As esimaivas são obidas a parir de um cojuo de observações do processo K sedo essas esimaivas empregadas para posicioar os limies os gráficos de corole que serão uilizados o moiorameo das observações fuuras K. Desa forma fica claro que a esimação do desvio padrão do processo é de fudameal imporâcia o CEP. Sob as suposições do modelo de causa comum os esimadores empregados para µ e σ são respecivamee ˆ µ e ˆ σ S com e S ( ) () E cohecido que e S são esimadores ão edeciosos e de variâcia uiformemee míima para µ e σ respecivamee de acordo com Bolfarie e Sadoval (000). Para os limies de corole faz-se ecessário esimar o desvio padrão e ão a variâcia e o esimador σˆ acima ão saisfaz essas propriedades óimas. a práica emprega-se um faor de correção da esimaiva do desvio padrão para miimizar as deficiêcias desse esimador a qual é dada por (BOYLES 997). S S 4 S σ () C ode C 4 em seus valores abelados em fução do amaho da amosra () (MOTGOMERY 99). Com causas especiais de variação o modelo M 0 fica iviabilizado e os esimadores acima são iadequados. Para esse caso vários esimadores são proposos a lieraura os quais em geral ão apreseam boas propriedades eóricas de acordo com Boles (997). Um aspeco imporae é aalisar o comporameo empírico desses esimadores em siuações as quais o processo produivo eseja sujeio a variações decorrees de causas especiais. Realizou-se um esudo comparaivo ere diferees esimadores proposos para esimar o desvio padrão visado moiorar a média de um processo produivo em siuações ode o modelo M 0 é iadequado. Empregado-se modelos eóricos que reproduzem siuações ode o processo esá submeido a causas especiais de variação foram simuladas observações cosiderado-se diversas disribuições para as compoees de erro esses modelos e diferees íveis de variabilidade. Os esimadores cosiderados o esudo EEGEP ABEPRO 040

foram empregados para esimar o desvio padrão das observações adoado-se aida diferees amahos de amosra o procedimeo de esimação.. Esudo de simulação A simulação pode ser visa com um esudo de Moe Carlo cujos faores evolvidos foram os modelos as disribuições das compoees de erro os íveis de variabilidade e os amahos de amosra sedo as observações geradas em cada uma das combiações desses faores e submeidas aos esimadores visado comparar seus desempehos as codições imposas.. Os esimadores do desvio padrão Os esimadores esudados são aqueles apreseados em Boles (997). A radução de suas deomiações foi feia livremee por isso o ome origial em iglês é apreseado. Esimador pela Ampliude Móvel Padrão (Sadard Movig Rage Esimaor) σˆ d d ( - ) 8 π Esimador pela Média Quadráica das Difereças Sucessivas (Mea Square Successive Differece Esimaor) ˆ σ ( -) ( ) Esimador pela Mediaa da Ampliude Móvel (Media Movig Rage Esimaor) { ; } media ˆ σ M 0954 Esimador pela Mediaa dos Desvios Absoluos (Media Absolue Deviaio Esimaor) media{ ~ ; } ˆ σ 06745. Os modelos empregados Os modelos foram empregados para gerar observações que apreseassem edêcias mudaças de média esraificação e ouliers. A variâcia das compoees aleaórias esá muliplicada por um faor k empregado para gerar os diferees íveis de variabilidade das observações simuladas. Modelo de Tedêcias Aleaórias (M ): ε ode µ µ α com α ~ ( 0 δ ) µ ; k σ Modelo de Mudaça de Média (M ): ( γ ) ( 0 0) γ ( 0 δ ) ε ode µ µ α α ~ µ ; k σ Modelo de Esraificação (M ): ( µ 0) 05 ( µ 0) µ ε ; µ ~ 05 δσ EEGEP ABEPRO 04

Modelo de Valores Exremos (M 4 ): µ ε α ; α ~ ( γ ) (00) γ (0 kδ σ ). As disribuições para as compoees erro ε Para as compoees de erro ε cosiderou-se quaro diferees disribuições as quais são descrias a seguir. Erro com Disribuição ( 0 σ ) k (ET ) Erro com Disribuição Assimérica e Uimodal (ET ) gerada pela misura 5 ( 0 k ) 5 k 5 5 Erro com Disribuição Uimodal e Lepocúrica (ET 4 ) gerada pela misura ( 0 k ) 0 k Erro com Disribuição Bimodal (ET 6 ) gerada pela misura k 0 k A descrição dessas misuras bem como suas formas gráficas são apreseadas em Mclachla e Peel (000)..4 Os íveis de variabilidade e amahos de amosra Como mecioado iroduziu-se o faor muliplicaivo k para as variâcias das compoees de erro os modelos cujos valores foram 5 0 5 0 e 5. Com relação ao amaho da amosra foram simulados dados com rês diferees amahos 0 50 e 00 o eao das aálises iiciais verificou-se que para os amahos 0 e 50 os esimadores apresearam resulados muio similares e por isso decidiu-se cosiderar o esudo somee os resulados para amosras de amaho 0 e 00..5 A mesuração do desempeho dos esimadores Todos os esimadores cosiderados são viciados para observações que ão seguem o modelo M 0 assim suas variâcias ão são medidas adequadas para avaliar seus desempehos. a comparação dos esimadores empregou-se o Erro Quadráico Médio (EQM) como medida de seus desempehos (BOYLES 997). Sedo σ o desvio padrão do processo e σˆ seu esimador emos k 5 9 { ˆ σ σ } Var( ˆ σ ) { ( ˆ σ ) } EQM ( ˆ σ ) E E σ (4) Para deermiar o EQM faz-se ecessário cohecer o verdadeiro valor do desvio padrão σ. Devido à forma complexa dos modelos empregados edo em visa as disribuições das compoees de erro ão dispodo de uma forma aalíica para deermiar o valor verdadeiro de σ das observações decidiu-se fazer uma esimaiva desse valor ambém por simulação. Para ober-se uma esimaiva cofiável simulou-se amosras de amaho.000 (mil) com 0.000 (dez mil) repeições em cada uma das cofigurações dos faores obeve-se o desvio padrão das observações e devido a ocorrêcia de EEGEP ABEPRO 04

valores exremos cosiderou-se como o valor verdadeiro de σ a mediaa dos desvios padrões obidos. O esimador da Ampliude Móvel Padrão σ é usualmee o mais uilizado a codução dos coroles de processo coforme Boles (997) em virude disso os ouros esimadores foram comparados a ese. Assim para cada esimador σˆ omou-se a razão ere EQM(σˆ ) e o EQM( σ ) ou seja ( ˆ σ ) ( ˆ σ ) ˆ ˆ EQM rˆ (5) EQM o esudo foram feias 5.000 (cico mil) repeições em cada uma das cofigurações dos faores para deermiar os valores de rˆ. A simulação foi feia empregado-se o sofware MATLAB Versão 6 Release em um compuador com processador Peium III 850 MHZ.. Resulados As razões rˆ obidas são mosradas graficamee em fução dos íveis de variabilidade segudo cada um dos ipos de erros. Os poos o gráfico aparecem ierligados para permiir visualizar edêcias o comporameo dos esimadores.. Modelo de Tedêcia Aleaória Figura. Amosras com 0 Figura. Amosras com 00 Os resulados para esse modelo são apreseados as Figuras. e. respecivamee para 0 e 00. Para os dois amahos de amosra observa-se que o esimador σˆ apreseou desempeho superior em odos íveis de variabilidade idepedeemee da disribuição do erro. Com relação aos demais esimadores para 0 o σˆ apreseou desempeho iferior equao que para 00 esses esimadores apresearam desempehos equivalees em odas as cofigurações. Observa-se aida que com o aumeo do amaho da amosra o σˆ ora-se mais esável idepedee dos ouro faores. Porao para observações apreseado EEGEP ABEPRO 04

edêcias aleaórias os resulados idicam que o esimador adequado apesar de sua isabilidade com 0.. Modelo de Mudaça de Média σˆ foi o mais Figura. Amosras com 0 Figura.4 Amosras com 00 a Figura. emos os resulados relaivos a esse modelo com 0 observa-se que os esimadores apresearam desempehos equivalees com exceção do σˆ que apreseou um comporameo muio isável com desempeho oscilado ere superior e iferior os íveis de variabilidade e em odas as disribuições de erro. Para 00 Figura.4 observa-se que os esimadores apresearam comporameo semelhae ao do ouro amaho de amosra com σˆ ovamee exibido um comporameo muio isável. Observa-se ambém que o amaho da amosra iflueciou o comporameo dos esimadores em paricular com relação a isabilidade do σˆ. Porao os resulados idicam que o esimador σˆ é iadequado quado as observações do processo apresearem mudaças de média.. Modelo de Esraificação Figura.5 Amosras com 0 Figura.6 Amosras com 00 EEGEP ABEPRO 044

Com 0 Figura.5 verifica-se que o σˆ eve um desempeho superior em odas as disribuições e íveis de variabilidade equao que o σˆ M eve um desempeho iferior aos demais esimadores. Para 00 Figura.6 observa-se ovamee o desempeho superior do σˆ em odas as cofigurações e o σˆ com desempeho iferior aos demais. Os resulado idicam que quado as observações apresearem esraificações o esimador σˆ é o mais adequado..4 Modelo de Valores Exremos Figura.7 Amosras com 0 Figura.8 Amosras com 00 a Figura.7 resulados para 0 verifica-se os esimadores apresearam desempeho iferior ao σˆ e que o pior desempeho foi o do esimadorσˆ. Para 00 Figura.8 verifica-se que o σˆ e oσˆ apresearam desempehos equivalees e superior aos demais esimadores. Os resulados idicam porao que os esimadores σˆ e σˆ são mais adequados quado as observações apresearem valores exremos ( ouliers ) 4. Coclusões e Sugesões Realizou-se um esudo comparaivo ere algus esimadores para o desvio padrão de um processo produivo operado sob o efeio de causas especiais de variação. Foram cosiderados os esimadores mais comumee empregados a práica do CEP dos resulados obidos ressalam-se as seguies coclusões: (a) ehum dos esimadores pode ser cosiderado como o melhor para odas as codições cosideradas o esudo; (b) para processos produivos cuja observações apreseem edêcias aleaórias o esimador pela Mediaa dos Desvios Absoluos ( σˆ ) apreseou desempeho superior aos demais apesar de alguma isabilidade para amosras meores; (c) com as observações do processo apreseado mudaças de médias o σˆ foi cosiderado iadequado equao que os ouro esimadores apresearam desempehos equivalees aos do esimador da Ampliude Móvel Padrão( σˆ ); (d) em EEGEP ABEPRO 045

processo cujas observações exibam esraificações ou valores exremos os resulados sugerem que o esimador pela Média Quadráica das Difereças Sucessivas ( σˆ ) em um comporameo equivalee ao do σˆ. Em geral cosaou-se que o esimador σˆ apreseou um comporameo muio isável o que compromee sua uilização a práica. Por ouro lado o esimador σˆ apreseou comporameo bem mais esável e equivalee ao do esimador σˆ o mais uilizado a práica do CEP. Sugere-se o eao que a escolha do esimador deve-se primeiramee fazer uma aálise do comporameo das observações associadas ao processo cofroar esse comporameo com os das observações pelos modelos ciados ese rabalho e dessa forma decidir pelo esimador mais apropriado. 5. Bibliografia ALWA L. C. Ad ROBERT H. V. The Problem of Misplaced Corol Limis. Applied Saisics V. 44 º pp. 69-78 995. BOLFARIE H.; SADOVAL M. C. Irodução à Iferêcia Esaísica. São Paulo Seembro 000. BOYLES R. A. Esimaig Commo-Cause Sigma i he Presece of Special Causes. Joural of Quali Techolog. Vol. 9 º 4 pp. 8-95 Ocuber 997. McLACHLA G.; PEEL D. Fiie Mixure Models. Joh Wile & Sos Ic 000. MOTGOMERY D. C. Iroducio o Saisical Quali Corol rd ed. Wile. Y. 997. WERKEMA M. C. C. Ferrameas Esaísicas Básicas Para o Gereciameo de Processos. Belo Horizoe: Fudação Chrisiao Ooi Uiversidade Federal de Mias Gerais 995 pp. 8 - V.. EEGEP ABEPRO 046