CAPTULO 2:
ARRUMANDO A
CASA.
POR QUE?
Com a globalizao da economia, todas as
empresas, em qualquer lugar do mundo,
devem ter desempenho de empresa boa de
primeiro mundo.
Sua empresa, seu emprego, seu sustento, s
sobreviver guerra comercial global se ela
estiver ENTRE AS MELHORES DO MUNDO.
COMO?
PASSO I: Arrumando a casa:
Escolha uma rea onde a empresa no vai bem.
Inicie suas aes por este pior local. GERENCIAR
RESOLVER PROBLEMAS.
Definio de Problema: Resultado indesejado.
Problemas Localizados: Exemplo, alto ndice de refugos
na linha A; Elevado nmero de quebra de equipamentos,
alto nmero erros de faturamento, etc.
Problemas Interfuncionais: Reclamaes de clientes,
devoluo de mercadorias, excesso de estoques, queda nas
vendas, etc.
CONTROLE DE
PROCESSOS
Variabilidade
Em qualquer processo est presente a
Variabilidade:
Causa Comum:
Inerentes ao processo;
S a alta gerncia pode atuar sobre elas.
Causa Especial .
Indicam mudanas no padro operacional do
processo.
Exigem tratamento imediato.
Grficos de Controle
So ferramentas de controle dinmico do
processo que permitem uma visualizao do
momento em que um processo sai de
controle ou seja quando uma causa especial
de variabilidade comea a atuar.
Estuda
Grfico da Amplitude.
Estuda as variaes.
Divergncia na Literatura:
Segundo
= + 2 ;
= 2 ;
Segundo
pgs 308 -312:
= + 1 ;
= 1 ;
Exemplo:
Soluo:
0,098;0,130;0,117;0,096;0,120;0,119;0,119;0,117;0,111;0,100;
R:0,040;0,035;0,0075;0,0035;0,0045;0,0050;0,0060;0,0055;0,0040;0,0060;
0,0035;0,0030;0,0060;0,0080;0,0045;0,0075;0,0040;0,0075;0,0035;0,0050
Segundo:
CARTA X
CARTA AM
O MTODO
PDCA
Construindo um Pareto:
Um fabricante de latas de Alumnio apresenta queixas
com relao ao nmero elevado de refugos.
Foi apresentado o seguinte levantamento das causas de
defeitos em um dia de produo:
Latas (und.)
Espessura da parede grossa ou fina
10
Arranhadas
30
Trincadas
06
Mal acabadas
15
Mal pintadas
45
Outras causas
Diagnose de
Causas de
Defeitos
Diagramas
de Ishikawa:
Plano de ao
Como montar?
reas da Estatstica:
Planejamento e otimizao de experimento;
Estatstica descritiva.
Estatstica Inferencial;
Amostragem
Processo de coleta da amostra;
Porque?
Escolha criteriosa dos elementos que sero
submetidos ao estudo.
Exemplo: Pesquisa de votao.
Tipos de Amostragem:
Amostragem Aleatria Simples.
Amostragem Estratificada
Proporcional;
Igual tamanho;
Projeto de Experimentos
A prpria amostragem interfere na
aleatoriedade:
Exemplo: Influncia do tempo de cozimento
numa cermica.
2. ESTATSTICA DESCRITIVA
Distribuio de Frequncia e a
Apresentao de dados
Introduo
Aps obter os dados, agrupar de forma
permitir:
Manuseio;
Visualizao;
Compreenso;
Simplificao;
Deteco de erros e inconsistncias
eventualmente ocorridos na coleta de dados.
AGRUPAMENTO DE
DADOS
Agrupamento de dados
Exemplo: Determinar a resistncia de uma chapa de
alumnio de um determinado fornecedor.
Ao: Executar 28 ensaios de trao.
Resultados em kgf/mm2 para limite de resistncia:
270;268;266;258;267;265;255;259;268;262;255;263;265;260;
257;263;268;265;266;264;271; 258; 270; 270; 263; 269; 259;260.
Dados brutos:
28 medies.
Pouca utilidade.
E se fossem 300.000 medies?
Distribuio de Frequncias.
A distribuio deve abranger todas as medies;
O extremo superior da classe n o extremo
inferior da classe n+1;
Cada medio s pode estar em uma classe;
A quantidade de classes NO pode ser <5 ou
>25.
Regra de Sturges para a quantidade de classes:
k = 1+ log2 N ou k= 1 +
;
2
DISTRIBUIO DE FREQUNCIAS E
REPRESENTAES PICTOGRAFICAS
Passo I: Dispor em ordem crescente:
Amplitude: Maior Menor.
TAMANHO DE CLASSE: Amplitude /k ;
Distribuio de Frequncia
frequncia ABS simples | Freq. Relativa simples |Freq. Absoluta ACM |freq. Relativa ACM
1.
2.
3.
4.
5.
6.
257
257 |- 260
260 |- 263
263 |- 266
266 |- 269
>269
|||
||||||
||||
||||||
|||||
||||
3
6
4
6
5
4
____
28
255
255
257
258
258
259
259
260
260
262
263
263
263
264
265
265
265
266
266
267
268
268
268
269
270
270
270
271
Grficos
Histograma ou polgono de frequncias:
Grfico de classes x frequncia Absoluta.
Limite de Ruptura das Chapas de Al
7
6
6
5
5
4
4
3
3
2
1
0
<257
257 a 260
260 a 263
263 a 266
266 a 269
> 269
Ogiva
Grfico de classe x frequncia Absoluta Acumulada.
Fi
Exerccios de Verificao
1.
2.
MEDIDAS
ESTATSTICAS.
Percentis
Dado um nmero de observaes em ordem
crescente, um percentil de ordem x um
valor observado tal que x por cento das
observaes so iguais a ele ou abaixo dele.
O percentil de ordem 50 a mediana porque
50% dos valores esto abaixo dele.
Quartis: Percentis de ordem 25, 50, 75.
Decis: So os percentis de ordem, 10, 20...
Exemplo:
Sejam os dados a seguir, j ordenados do menor
para o maior de 50 observaes do nvel de
rudo de trfego em decibis em um
determinado cruzamento:
52,0; 54,4; 54,5; 55,7; 55,8; 55,9; 55,9; 56,2; 56,4; 56,4;
56,7; 56,8; 57,2; 57,6; 58,9; 59,4; 59,4; 59,5; 59,8; 60,0;
60,2; 60,3; 60,5; 60,6; 60,8; 61,0; 61,4; 61,7;61,8; 62,0;
62,1; 62,6; 62,7; 63,1; 63,6; 63,8; 64,0; 64,6; 64,8; 64,9;
65,7; 66,2; 66,8; 67,0; 67,1; 67,9; 68,2; 68,9; 69,4; 77,1;
ni
7
14
18
7
4
Classe
ni
7
14
18
7
4
Classe
ni
7
14
18
7
4
Mdia aparada
Obtm se eliminando-se m valores menores
e m valores maiores.
Exemplo calcular a mdia aparada m=2 para
os dados de rudo.
Moda
o valor que apresenta maior incidncia.
No caso de dados agrupados o ponto
mdio da classe de maior frequncia, classe
moda.
A mediana e a moda no so fornecidos por
calculadoras. Para grande massa de dados
torna-se um processo laborioso.
Resumindo
A mdia aritmtica a medida sintetizadora
mais adequada desde que no haja
resultados muito discrepantes.
A mediana deve ser usada em distribuies
fortemente assimtricas com distribuio de
rendas em pases sub desenvolvidos, anlise
de folhas de pagamentos, etc.
Verificao
1.
2.
3.
4.
5.
6.
Num concurso, matemtica tem peso 5, cincias peso 3 e Portugus peso 2. Um candidato
tirou respectivamente, 3 em matemtica, 5 em cincias e 10 em portugus. Qual a sua
mdia?
Salrio mdio de uma empresa R$500. A mdia dos salrios dos homens R$520 e a mdia
dos salrios das mulheres 420. Qual a proporo entre homens e mulheres nesta empresa.
Pegue 10 ovos em sua geladeira e mea seus comprimentos. Descreva seu mtodo de medida e
seus procedimento e discuta os aspectos que podem ter causado a variabilidade no
procedimento. Faa um grfico de pontos destas medidas, calcule a mdia da amostra,
variana, desvio padro e coeficiente de variao.
Um homem viaja de A para B a velocidade mdia de 30 km/h e volta de B para A, pelo mesmo
caminho a velocidade mdia de 60km/h. Determinara a velocidade mdia da viagem completa.
A contagem de bactrias, em uma certa cultura, aumentou de 1000 para 4000 em 03 dias. Qual
foi a percentagem mdia de acrscimo por dia.
Um aeroplano percorre distncias, d1, d2 e d3 em km em velocidades v1, v2, v3 em km/h. se
d1 = 2500 km, d2 = 1200 km, e d3 = 500 km, e v1=500 km/h, v2 = 400 km/h e v3 = 250 km /h,
qual foi a velocidade mdia do roteiro.
AULA 3: DISTRIBUIO
DE FREQUNCIAS COM
EXCEL.
Excel 2010:
GRFICOS NO EXCEL.
DEFINIES
Histograma uma representao grfica de uma
distribuio.
Pareto: So grficos que organizam os dados
conforme a maior frequncia.
Para usar o Excel :
DADOS -> Ferramentas de Anlise de dados ->
Histograma.
No intervalo de dados colocar a matriz de dados brutos;
No intervalo de blocos colocar a matriz de frequncias.
Marcar as opes de Pareto e % cumulativa.
3. MEDIDAS ESTATSTICAS
3.2 MEDIDAS DE DISPERSO
OU VARIABILIDADE.
Medidas de disperso ou
variabilidade.
Amplitude.
Variana e Desvio Padro.
Determinao da variana de dados agrupados.
Coeficiente de variao.
Desvio relativo.
AULA 4 ANLISE DE
REGRESSO
INTRODUO
HOGG, ROBERT. & LEDOLTER, Engineering
Statistics:
...The objective of many scientific investigations
is to understand and explain relationships among
variables...
Determinist relationship;
Regression Analysis
Deterministic Relationship.
The relationship are known exactly. So the
response and explanatory variables are
functionally related.
Ex.: Laws physics and chemistry.
Ex, IEZZI, G. et all, Matemtica, 2o.Grau, 3a serie:
Um navio deve percorrer uma distncia d em km. H
despesas com combustvel e com a tripulao. O gasto
horrio com a tripulao constate e igual a a (a>0). O
gasto horrio com o combustvel e proporcional ao
quadrado da velocidade v do navio, ou seja igual a bv2
onde b uma constante positiva. Projetar um modelo
Matemtico para a velocidade mdia tal que a despesa
total seja mnima.
Regression Analysis
Is concerned with developing approximating
models.
Why?
Because: In most cases, the relationships are not known or
much more complicated to be described by a small set of
explanatory variables.
Regresso Simples
Regresso Linear.
Regresso Logartmica.
Regresso Exponencial Natural.
Regresso Exponencial.
Regresso Mltipla
Correlaciona uma varivel dependente a
vrias varveis independentes:
Linear mltipla.
Logartmica
Exponencial natural:
Exponencial
= 0 + 1 +
(Eq. 1);
Onde:
0 e 1 so constantes;
varivel dependente;
a varivel independente ou explanatory;
o erro da estimativa.
Estimativa de Parmetros
Como prever o erro?
2
;
2
(eq3);
2 )
Correlao x Covariana
Correlao:
Mostra a qualidade do ajuste:
r xy 0 pssimo...
r xy 1 timo, Perfeito; (na natureza no)
rxy 0 : C Inverteu causa com efeito.
Covariana:
Mostra a relao entre os dados:
Um => Y funo de x;
Zero => Y no tem nada a ver com x;
-1 => X que funo de Y. Seu grfico est virado.
Exemplo 1
A prxima tabela mostra a correlao entre
toneladas de Nitrognio aplicada/hectare e a
produtividade na colheita em toneladas /hc.
Quantas t de N/hc tenho de aplicar para obter
uma produtividade de 10 t/hc.
Qual o acrscimo mdio em produtividade por
tonelada de Nitrognio aplicada.
Exemplo 2
A tabela a seguir mostra a relao entre
durao em horas de uma navegao e seu
custo em milhares de R$ de um
transatlntico.
Qual a relao entre tempo de navegao e
custos totais?
Podemos usar este modelo para programar
custos
em
X (h)
75 funo
80
93 do
65 tempo
87
71de viagem?
98
68
84
77
Y(m R$) 82
78
86
72
91
80
95
72
89
74
PROBABILIDADE
Conceitos Preliminares
Experimento aleatrio.
Espao amostral.
Discreto
Contnuo
Evento.
Modelos Determinsticos x Probabilstico
Probabilidades
Tipos de Eventos
Interseo;
Mutuamente Exclusivos ou Excludentes;
Unio;
Negao; Evento complementar;
Regras Bsicas.
Anlise Combinatria
Exemplos
1.
2.
3.
4.
5.
6.
7.
8.
EXEMPLO 2
Uma linha de produo tem 03 mquinas A,
B, C, produzindo respectivamente 0,40; 0,35;
0,25 da produo total. A taxa de defeitos
0,02; 0,01; 0,03; Se se retira uma pea com
defeito, qual a probabilidade de que tenha
vindo da mquina B?
Exemplo 3
Uma pesquisa para correlacionar peso e problemas
vasculares obteve o seguinte resultado:
PESO
PRESSO
EXCESSO
NORMAL
DEFICIENTE
TOTAL
ELEVADA
0,10
0,08
0,02
0,20
NORMAL
0,15
0,45
0,20
0,80
TOTAL
0,25
0,53
0,22
1,00
EXERCCIOS
PROPOSTOS
VERIFICAO E AVALIAO
1.
Seis casais marido e mulhe esto em uma sala. Escolhendo duas pessoas ao acaso, qual a
probabilidade:
1.
2.
2.
3.
4.
5.
6.
7.
De quantas maneiras uma comisso com 05 pessoas pode ser retirada a partir de um grupo de
9 pessoas?
Entre 05 matemticos e 07 fsicos deve-se formar comisses constitudas de dois matemticos
e 3 fsicos. Quantas comisses podem ser feitas se:
1.
2.
3.
8.
Uma urna contm 8 bolas vermelhas 3 bolas brancas e 9 bolas azuis. Se 3 bolas so retiradas
ao acaso, qual a probabilidade de se retirar:
1.
2.
3.
4.
5.
6.
VARIVEIS ALEATRIAS
Variveis aleatrias
Em muitos experimentos os resultados no
so numricos;
Antes de analis-los conveniente
transformar resultados no numricos em
numricos.
Exemplo: Lanamento de duas moedas:
Espao amostral :{ kk, kc, ck, cc} ;
Transformar este resultado em numrico
tomando como critrio o nmero de caras.
Funo de probabilidade
Associao entre os valores da varivel aleatria
e suas respectivas probabilidades:
V. Aleatrias
Probabilidade
Exemplo 2
Suponha um teste binrio, (+ ou -) para um
circuito de 04 caminhos. O teste para quando
o resultado for +. A probabilidade de ser
positivo 3/4. A probabilidade de ser
negativo 1/4.
Qual a probabilidade de testar todos os 04
caminhos?
Qual a funo de probabilidade para n
caminhos?
P(x=0)?
P(x=1)?
P(x=2)?
P(x)?
F(x)
Representao Grfica;
Calcular:
P(x5)
P(x>8)
P(6x 8)
10
11
12
Funo de Distribuio de
Probabilidades Acumulada, F(x)
A fdp a probabilidade de um V.A. tomar o valor
x.
Ex. 1: Nmero de caras na jogada de duas moedas.
V.A x
P(x)
F(x)
Funo de Distribuio de
Probabilidades Acumulada, F(x)
Ex. 3: Nmero de pontos alcanados na jogada de
dois dados:
V.A x
P(x)
F(x)
F(x) i
0,10
0,10
0,2
0,3
0,2
0,1
Propriedades de E(x)
1.
2.
3.
4.
E(a)=a
E(b xi) = b E(xi);
E (x +a) = E(x) + a;
E(a+bx) = a + b.E(x)
Variana de E(x)
Se E(x) uma medida de posio central, h
de existir uma medida de disperso. Esta
medida a variana, 2 ;
Definio:
2 = var (x) = E (x )2 =
E(x2)- 2 ;
Desvio padro: 2
Tem a vantagem de exprimir a disperso nas
mesmas unidades de x;
Propriedades da var(x):
1.
2.
3.
4.
Var(x) > 0;
Var(x+a)= var(x);
Var(bx) = b2 . Var(x);
Var (a + bx) = b2 . Var(x);
VERIFICAO E AVALIAO
VERIFICAO E AVALIAO
DISTRIBUIES DISCRETAS
DE PROBABILIDADES
DISTRIBUIO BINOMIAL;
DISTRIBUIO DE POISSON;
DISTRIBUIO GEOMTRICA;
DISTRIBUIO DE PASCAL;
DISTRIBUIO MULTINOMIAL;
TAMANHO DE ESTOQUES:
Ensaio de Bernoulli:
Experimentos aleatrios;
Eventos exclusivos;
Eventos independentes;
Exemplos de Aplicao
1. Qual a probabilidade de se obter at 5 sucessos
numa amostra de 14 peas se a proporo de
sucessos 15%?
2. No exemplo anterior, qual a probabilidade de
termos entre 3 e 5 sucessos?
3. A probabilidade de que certo tipo de
transformador falhe nos 10 primeiros anos
0,05. Compra-se 20. Qual a probabilidade de
que tenhamos no mnimo 16 funcionando ao
fim de 10 anos?
Verificao e Avaliao
1.
2.
3.
4.
5.
Distribuio de Poisson
Processo de Poisson:
Quando N um nmero grande e a
probabilidade p associada a X um muito
pequena.
() .
=
!
Propriedades da Distribuio de
Poisson
Mdia = ;
Varincia = 2 = ;
Processos de Poisson
So aqueles que so muito bem descritos pela
distribuio de Poisson. Ou seja quando a
populao grande e a probabilidade de falha
pequena.
Na prtica 50 ; < 5;
Exemplos: Nmero previstos de paradas de uma
mquina (confiabilidade);
Nmero de defeitos superficiais numa pea bem
acabada.
Nmero de mudanas, ocorrncias, acidentes, falhas
em um vida muito longa.
Acidentes de Trnsito
O nmero X de mortes no trnsito nos USA
segue a distribuio de Poisson com mdia
= 7.
Porque:
H muitos motoristas;
H poucas chances de se envolver em acidentes.
Distribuio Geomtrica
a distribuio da probabilidade do evento de
interesse ocorrer aps x tentativas, sendo p a
probabilidade de sucesso e que a probabilidade
de falha.
A fdp geomtrica = . (1)
Onde x = 1, 2, 3....
Exemplo:
Testa-se um conjunto de vlvulas at que a primeira no
acenda. Se a probabilidade de no acender , qual a
distribuio de probabilidades para que seu teste v at
cinco vlvulas.
Distribuio de Pascal
a distribuio de probabilidade de serem
precisos n provas para o k simo sucesso
quando a probabilidade de sucesso p e
insucesso q.
Se necessrias N provas para o k esimo
sucesso, o resultado da N sima prova deve
ser sucesso. Logo vo restar K -1 sucessos e
N-(K-1) falhas para serem distribudas por N-1
falhas.
FDP de Pascal
1 (1) [ 1
=
.
1
Simplificando:
1 () [ ]
=
.
;
1
Exemplo:
1 ]
. ;
Soluo
Na 10 extrao h de aparecer uma lmpada
queimada. Nas 9 extraes anteriores,
surgiram 2 queimadas e 7 no queimadas.
9
2
7 1
3
1
4 4 =0,0005;
4
2
DISTRIBUIO POLINOMIAL
a distribuio de probabilidade de um
experimento em que ao invs de apenas 2
resultados, cada prova pode ter k resultados
possveis cada um com sua probabilidade
invariante;
EXEMPLO:
Uma caixa contem 4 bolas Verdes, 3bolas Brancas e 3
Amarelas. Tira-se uma bola ao acaso, anota-se o resultado
e devolve-se a bola a caixa. Em cinco extraes, qual a
probabilidade de sair a sequncia 2V, 1B, 2A.
SOLUO :
A probabilidade de sair (VV,B,AA)
(4/10)2 . (3/10)1.(3/10)2 x {todas as sequencias
possveis}
Todas as sequncias possveis Permutao com
repetio de 5 elementos repetindo-se duas vezes
o resultado Verde, uma vez o resultado Branco e 2
5!
Vezes o resultado Amarelo ou seja:
;
2!1!2!
5!
x
2!1!2!
(0,4)2.(0,3)1.(0,3)2 = 0,1296
FDP Polinomial
Generalizando a soluo do problema
anterior:
Onde:
!
1
1
1 !2 !.. !
2
2
. ;
DISTRIBUIO HIPERGEOMTRICA
A distribuio binomial aplica-se ao experimento
de Bernoulli.
Os eventos so independentes ;
A probabilidade de sucesso se mantm constante.
Resumindo a distribuio binomial aplica-se a provas
com reposio;
Soluo
Como a pea defeituosa no volta ao lote, a probabilidade de se encontrar
peas defeituosas modifica-se a cada extrao.
Logo:
Exemplo.
Por contrato, so admissveis 3 peas
defeituosas num lote de 50 peas. Uma
amostra de cinco peas retirada. O lote ser
totalmente rejeitado se se encontrar uma
nica pea defeituosa entre as cinco. Qual a
probabilidade de encontrar uma pea
defeituosa na amostra se existem apenas 3
peas defeituosas no lote e rejeitar
erradamente todo o lote.
DISTRIBUIES
CONTNUAS DE
PROBABILIDADE
PROPRIEDADES DA FDPC;
VARIVEL PADRONIZADA;
DISTRIBUIO NORMAL;
DISTRIBUIO DE STUDENT;
DISTRIBUIO CHI QUADRADO;
DISTRIBUIO DE WEIBULL;
INTRODUO
DISTRIBUIO DISCRETA:
O espao amostral mesmo que muito grande
contvel e finito.
Exs.: Gro de areia numa praia; Estrelas no ceu;
DISTRIBUIO CONTNUA:
O espao amostral infinito.
Exs.:O no. de Intervalos de tempo entre dois
segundos.
PROPRIEDADES
1. P(X)=1
2. P(a x b)=
4. P(x=b)=0 =
= 0
Distribuio Weibull:
= [
exp[
(1,8) 0,8
81,8
1,8
]
8
, 0 < < ,
VARIVEL PADRONIZADA
=
DISTRIBUIO NORMAL
Definio:
uma distribuio contnua de probabilidades onde:
1
1 2
=
exp
;
2
2
Caractersticas:
Exemplo 1
Se o tempo de vida mdia de um
transformador 150 horas com desvio
padro de 10 horas, qual a probabilidade de
que ele dure mais que 170 horas?
Usando a parametrizao z e tabelas;
Usando Excel;
Exemplo II
Para o mesmo transformador, qual a
probabilidade de dure mais que 185 h?
Usando um programa de soluo de integrais.
Exemplo III
Para os mesmos transformadores, qual P(120
x 155)?
EXEMPLO IV
Problema inverso: Dada a probabilidade,
calcular o valor de x;
Sendo N-> (80,12);
Por exemplo, Um gerador funciona 80 horas
com desvio padro de 12 horas. Quantas
horas devo deixa-lo funcionando se quero
que ele apague com 92,9% de certeza?
EXEMPLO V
Estime o nmero mximo de horas que o
gerador anterior possa resistir com 2,1% de
certeza.
Verificao e Avaliao
DISTRIBUIO NORMAL:
Responder as questes de 49 at 57.
Distribuio Binomial
Resolver os exerccios de 37 at 47.
Aproximao da Binomial
pela Normal
Resolver exerccios de 63 at 66.
DISTRIBUIO DE
POISSON
Resolver exerccios de 67 at 71.
DISTRIBUIO
MULTINOMIAL
Resolver exerccios de 72 at 74.
TESTES DE HIPTESES
Estudo de Caso 1
Um fabricante de sistemas de automao observa que 3% dos projetos
produzidos (p=0,03) apresentaram falhas. Uma engenheira trainee
sugere importantes modificaes no sistema de trabalho da empresa
para que este ndice diminuisse (H1). Ficou decido que se fariam 100
trabalhos (n=100)com o novo procedimento. Se nestes trabalhos se
observassem at no mximo uma reclamao, (x=0 ou x=1) os novos
procedimentos seriam implantados em definitivo.
O atual gerente de produo levanta a hiptese de que p se mantenha
em 0,03 (H0) e, ainda assim, se pode obter facilmente at no mximo
um defeito, o que levaria a inteis implantaes de novas rotinas,
desperdcio de tempo, etc..( Erro Tipo I, com Probilidade );
A trainee responde que da mesma forma, podemos baixar o ndice de
no conformidade, digamos at p=0,01, que ainda poderia
infortuitamente ocorrer mais de uma no conformidade o que levaria
a rejeitar inovaes teis ( Erro Tipo II, com probabilidade );
1.
2.
3.
No Exemplo :
Feitos 3 testes de Hipteses:
1. n=100 aceitar H1 se X=0 ou X=1 i.e. X1;
2. n= 300 aceitar H1 se X=0 ou X=1 i.e. X1;
3. n = 300 aceitar H1 se X 5;
Concluso:
O primeiro teste ruim para ambos.
O segundo teste bom para o Tipo I mas ruim para o tipo II.
O terceiro teste o mais equilibrado.
CURVAS OPERATRIAS
CARACTERSTICAS
As informaes sobre os erros tipo I e II so
sumarizadas na curva operatria caraterstica
do teste que nada mais do que o plot das
probabilidades de aceitar H0 para vrios
parmetros p.
ESTIMAO DE
PARMETROS
ESTIMAO:
INTRODUO:
Objetivo do Captulo:
Previso de e , conhecidos apenas e s;
Estimao da Mdia
Partindo-se de
parmetros populacionais
pode-se fazer uma
estimao de parmetros
populacionais e dento
de um intervalo de
confiana 1 , onde
usualmente 0,01 ou
0,05 ou 0,10 ou seja estou
estimando uma mdia
com uma certeza de 0,99
ou 0,95 ou 0,90.
ESTIMAO DA MDIA
Resultados Prticos que no sero demonstrados:
1. ,
= 1
2
2
Caso 2:
n 30;
Neste caso, a razo
( ;
2
1)
Exemplo
A mdia de tempo requerido para execuo
de determinada tarefa deve ser
convenientemente avaliado para
determinao do nmero de contrataes.
Foram tomadas 16 medies com mdia 4,3
minutos e desvio padro s=0,6 minutos.
Estime a mdia com 95% de confiana.