template_padrao_unico_desafio_ final - Probabilidade e Estatística

Prévia do material em texto

TEMPLATE PADRÃO ÚNICO DO DESAFIO PROFISSIONAL 
 
ORIENTAÇÕES IMPORTANTES ANTES DE COMEÇAR: 
 
Este é o template padrão único para a realização do seu Desafio Profissional. Para todas as 
disciplinas, o template será o mesmo. O que muda é a proposta do seu desafio. 
Portanto, para que você conheça o desafio proposto para a sua disciplina, é preciso: 
1) Acessar o seu AVA; 
2) Clicar na disciplina que será avaliada; 
3) Entrar em “Notas e Avaliações”; 
4) Clicar em “Responder Avaliação III”. 
 
Além disto, é fundamental que você faça a leitura atenta da questão na íntegra antes de 
iniciar o preenchimento deste template. 
 
Agora, vamos às etapas de realização do seu desafio profissional. 
 
ETAPA 1: Apresentação do Desafio Profissional 
Seu papel ativo nesta etapa é apenas ler tudo com atenção e entender qual solução (ou 
soluções) você apresentará ao final da atividade. Então, leia todas as orientações da Etapa 
1 do seu Desafio Profissional. 
 
ETAPA 2: Materiais de referência (ambientação) do seu Desafio Profissional 
Nesta etapa, você deve analisar os materiais de referência e inteirar-se do conteúdo que 
o(a) professor(a) indicou para que você tenha mais segurança e conhecimento na hora de 
analisar o caso. Depois que você tiver feito a leitura e já estiver munido de mais 
informações, você deve eleger três aspectos do desafio proposto que sejam os mais 
relevantes, do seu ponto de vista, para a solução do desafio. Por exemplo: que estratégia 
inovadora foi usada? Que decisão polêmica ou uma atitude inesperada você localizou? 
Qual foi o erro do profissional que aplicou a fórmula? O que o profissional esqueceu de 
observar? Seu papel ativo nesta etapa é apontar esses três aspectos e justificar suas 
escolhas. 
 
 
Estudante, escreva aqui os três aspectos e justifique suas escolhas. Anote assim 
neste template: o que chamou atenção + por quê. 
Produção de cada máquina 
O que chamou atenção: as máquinas não produzem necessariamente a mesma 
quantidade de parafusos. 
Por quê: isso é importante porque a quantidade produzida por cada máquina influencia a 
probabilidade de um parafuso escolhido ao acaso ter sido produzido por determinada 
máquina. 
Taxa de defeitos de cada máquina 
O que chamou atenção: cada máquina pode apresentar uma quantidade diferente de 
parafusos defeituosos. 
Por quê: conhecer a taxa de defeitos é importante para identificar qual máquina possui 
maior probabilidade de ter produzido um parafuso defeituoso. 
Uso do Teorema de Bayes 
O que chamou atenção: o Teorema de Bayes permite relacionar a origem do parafuso com 
a informação de que ele é defeituoso. 
Por quê: por meio desse teorema, podemos calcular a probabilidade de cada máquina ter 
produzido para o parafuso defeituoso, considerando as informações disponíveis. 
 
 
ETAPA 3: Levantamento de conceitos teóricos 
Aqui, você deve aproximar a teoria da prática. Seu papel ativo nesta etapa é pesquisar 
conceitos, autores, teorias etc., que possibilitem a compreensão da solução do desafio. 
Você pode usar o seu livro da disciplina ou ainda o material apresentado na etapa 2. Para 
isto, faça uma lista comentada de conceitos-chave, cada um explicado em duas ou três 
linhas. Por exemplo: Nome do conceito → definição curta → como ajuda a entender o caso. 
Lembre-se de que é como montar uma “maleta de ferramentas teóricas” para usar na 
próxima etapa. 
 
Probabilidade condicional 
 
Representa a probabilidade de um evento ocorrer considerando que outro evento já 
aconteceu. No desafio, buscamos calcular a probabilidade de uma determinada máquina 
ter produzido o parafuso, sabendo que ele foi identificado como defeituoso. Essa relação 
é importante para descobrir qual máquina possui maior probabilidade de ser responsável 
pelo parafuso defeituoso. 
 
Teorema de Bayes 
Permite calcular a probabilidade de uma determinada hipótese após a observação de uma 
nova evidência. No desafio, a hipótese corresponde à máquina responsável pela produção 
do parafuso, enquanto a evidência é o fato de o parafuso ter sido identificado como 
defeituoso. Dessa forma, o Teorema de Bayes ajuda a determinar qual máquina possui 
maior probabilidade de ter produzido o parafuso defeituoso. 
Probabilidade total 
Permite determinar a probabilidade de um evento considerando todas as possibilidades 
que podem levar à sua ocorrência. No desafio, a probabilidade de encontrar um parafuso 
defeituoso no lote depende da participação de cada uma das cinco máquinas na produção 
e das respectivas taxas de defeitos. Assim, é possível considerar todas as máquinas para 
calcular a probabilidade total de um parafuso ser defeituoso. 
Probabilidade a priori 
Representa a probabilidade de um evento ocorrer antes de uma nova informação ser 
observada. No desafio, corresponde à probabilidade de um parafuso ter sido produzido por 
cada uma das cinco máquinas, considerando a participação de cada máquina na 
produção total. Essas probabilidades são utilizadas posteriormente no Teorema de Bayes 
para determinar a provável origem de um parafuso defeituoso. 
Probabilidade a posteriori 
Representa a probabilidade de uma hipótese após a observação de uma nova evidência. 
No desafio, corresponde à probabilidade de cada máquina ter produzido o parafuso, 
sabendo que ele foi identificado como defeituoso. Essa probabilidade é obtida por meio do 
Teorema de Bayes e permite identificar qual máquina apresenta maior probabilidade de 
ser a origem do parafuso defeituoso. 
 
 
 
 
ETAPA 4: Aplicação dos conceitos teóricos ao Desafio Profissional 
Neste momento, você deve começar a construção da sua análise. É aqui que você vai usar 
sua “maleta de ferramentas” para solucionar o desafio. Seu papel ativo nesta etapa é 
aplicar cada conceito que julgue importante e conectá-lo com algo que acontece na 
situação analisada. Você fará isso por meio de uma lista de tópicos, respondendo: 
• Como o conceito X explica o que aconteceu na situação Y? 
• O que a teoria X nos ajuda a entender sobre o problema central? 
• Que soluções possíveis a teoria aponta (e por que elas fazem sentido)? 
 
 Participação das máquinas na produção 
 Como as cinco máquinas possuem produções que não são necessariamente iguais, deve-
se registrar a quantidade de parafusos produzida por cada uma no período correspondente 
ao lote. A proporção produzida por cada máquina representa sua probabilidade inicial de 
ser a origem de um parafuso escolhido aleatoriamente. 
Taxa de defeitos 
 Para cada máquina, deve-se comparar o número de parafusos defeituosos com o total 
produzido por ela. Essa taxa representa a probabilidade de um parafuso ser defeituoso 
quando sabemos que foi produzido por aquela máquina. 
Probabilidade de observar um defeito 
 A probabilidade de um parafuso do lote ser defeituoso pode ser obtida considerando todas 
as máquinas: soma-se, para cada máquina, sua participação na produção multiplicada 
por sua respectiva taxa de defeitos. 
Teorema de Bayes 
 Depois de observar que o parafuso é defeituoso, aplica-se o Teorema de Bayes para cada 
máquina. Assim, a probabilidade de a máquina i ter produzido o parafuso defeituoso é 
dada pela razão entre a probabilidade de a máquina i produzir um parafuso defeituoso e a 
probabilidade total de encontrar um parafuso defeituoso no lote. 
 Aplicação prática 
Para descobrir qual das cinco máquinas possui maior probabilidade de ter produzido um 
parafuso com defeito, é necessário analisar as informações relacionadas à produção e à 
qualidade das peças fabricadas por cada equipamento. 
 
Primeiramente, deve-se verificar quantos parafusos foram produzidos por cada máquina, 
pois as máquinas podem apresentar diferentes volumes de produção. Em seguida, é 
preciso analisar a quantidade ou a porcentagem de peças defeituosas produzidas por cada 
uma. Essas informações permitem determinar a participação de cada máquina na 
produçãototal e também identificar quais apresentam maiores índices de defeitos. 
Nesse caso, o Teorema de Bayes é uma ferramenta adequada, pois possibilita calcular a 
probabilidade de uma determinada máquina ter produzido o parafuso defeituoso após a 
identificação do defeito. 
A expressão utilizada é: 
P(Mᵢ | D) = [P(D | Mᵢ) × P(Mᵢ)] / Σ [P(D | Mⱼ) × P(Mⱼ)] 
Na fórmula: 
• P(Mᵢ | D) corresponde à probabilidade de o parafuso defeituoso ter sido produzido 
pela máquina i; 
• P(D | Mᵢ) representa a probabilidade de a máquina i produzir uma peça defeituosa, 
ou seja, sua taxa de defeitos; 
• P(Mᵢ) indica a participação da máquina i na produção total de parafusos; 
• O denominador considera todas as cinco máquinas e representa a probabilidade 
total de um parafuso selecionado apresentar defeito. 
Dessa forma, não basta verificar qual máquina produziu a maior quantidade de parafusos 
defeituosos. É necessário também considerar quanto cada máquina produziu, pois uma 
máquina que fabrica mais peças pode apresentar uma quantidade maior de defeitos 
simplesmente por possuir uma produção maior. 
Assim, a aplicação do Teorema de Bayes permite relacionar o volume produzido com a taxa 
de defeitos de cada equipamento. Com os dados disponíveis no controle de produção e na 
inspeção de qualidade, pode-se calcular a probabilidade correspondente a cada uma das 
cinco máquinas e identificar qual delas apresenta maior probabilidade de ter produzido o 
parafuso defeituoso. 
 Se, por exemplo, uma máquina responder por uma parcela maior da produção e também 
apresentar uma taxa de defeitos elevada, sua probabilidade posterior de ser a origem do 
parafuso defeituoso tende a aumentar. Por outro lado, uma máquina com pequena 
participação na produção e baixa taxa de defeitos tende a apresentar probabilidade 
 
posterior menor. Portanto, não é correto considerar apenas qual máquina apresenta maior 
taxa de defeitos; é necessário combinar produção e taxa de defeitos. 
 
 Procedimento recomendado 
 O Controle de Qualidade deve manter registros separados da produção e dos defeitos por 
máquina, calcular as taxas de defeitos e atualizar periodicamente essas estimativas. Com 
esses dados, o Teorema de Bayes pode ser aplicado sempre que uma peça defeituosa for 
encontrada, permitindo identificar probabilisticamente sua origem e direcionar ações de 
inspeção, manutenção e melhoria do processo. 
 
 
 
 
A ETAPA 5 É A MAIS IMPORTANTE DE TODO O PROCESSO, POIS É A ETAPA QUE SERÁ 
AVALIADA! ENTÃO, PRESTE MUITA ATENÇÃO! 
 
ETAPA 5 – AVALIATIVA: Redação do produto - Memorial Analítico. 
Chegou a hora de transformar todo o seu percurso investigativo em um texto claro, bem 
estruturado e objetivo. Seu papel ativo nesta etapa é desenvolver um Memorial 
Analítico. Este será o produto final do Desafio Profissional, que será avaliado com nota de 
zero a dez e terá peso três na média final desta disciplina. 
 
Vamos reforçar o que é um memorial analítico? É basicamente você mostrando o 
caminho que percorreu: o que leu, como interpretou, que teorias usou, que conclusões 
tirou e o que aprendeu com tudo isso. 
Para ajudar você, segue o passo a passo do que não pode faltar no Memorial Analítico 
(ordem recomendada, pois cada item fará parte da composição da sua nota): 
 
• Resumo do que você descobriu (1 parágrafo) – vale 1 ponto 
• Contextualização do desafio (1 parágrafo): Quem? Onde? Qual a situação? – vale 
0,5 ponto 
 
• Análise (1 parágrafo): use de 2 a 3 conceitos da disciplina, mostrando como eles 
explicam a situação. Dê exemplos diretos e contextualizados – vale 2 pontos 
• Propostas de solução (até 2 parágrafos): o que você recomenda? Por quê? Qual 
teoria apoia sua ideia? – vale 3 pontos 
• Conclusão reflexiva (até 2 parágrafos): O que você aprendeu com essa 
experiência? – vale 2 pontos 
• Referências (somente o que você realmente usou, incluindo o livro) – vale 0,5 
ponto 
• Autoavaliação (1 parágrafo): o que você percebeu sobre seu próprio processo de 
estudo? – vale 1 ponto 
 
Checklist rápido antes de entregar: 
• Meu texto não passou de 6000 caracteres. 
• Meus conceitos fazem sentido, e não estão só “porque sim”. 
• Conectei teoria + situação. 
• Apresentei soluções plausíveis. 
• Incluí referências. 
• Mostrei que aprendi algo. 
• Tenho orgulho do que escrevi. 
Lembre-se de que este trecho deve ser copiado e colado no campo de resposta da 
questão, dentro de Notas e Avaliações. 
Lembre-se também de salvar este documento em PDF e colocá-lo como anexo à sua 
resposta. 
 
Resumo do que descobri 
Ao analisar o desafio, compreendi que a identificação da provável máquina responsável 
por um parafuso defeituoso não pode ser determinada apenas pela quantidade de defeitos 
apresentados por cada máquina. É necessário considerar, ao mesmo tempo, a 
participação de cada máquina na produção e a taxa de defeitos que ela apresenta. Nesse 
contexto, o Teorema de Bayes fornece a relação matemática necessária para atualizar as 
 
probabilidades após a observação de uma nova evidência, neste caso, a identificação de 
um parafuso defeituoso. 
Contextualização do desafio 
A situação apresentada ocorre em uma empresa que produz parafusos por meio de cinco 
máquinas de procedências diferentes. Como as máquinas podem apresentar volumes de 
produção diferentes, os parafusos são agrupados em lotes e avaliados por meio de 
amostragem. Quando um parafuso defeituoso é identificado, surge a necessidade de 
determinar a probabilidade de cada máquina ter sido responsável pela produção daquela 
peça. 
Análise 
Durante a análise do desafio, três conceitos foram especialmente importantes: 
probabilidade condicional, probabilidade total e Teorema de Bayes. 
A probabilidade condicional permite determinar a chance de um parafuso ser defeituoso 
considerando a máquina responsável por sua produção. A probabilidade total permite 
reunir as contribuições das cinco máquinas e calcular a probabilidade geral de um 
parafuso escolhido no lote ser defeituoso. Por fim, o Teorema de Bayes permite utilizar a 
informação de que o parafuso é defeituoso para determinar a probabilidade de cada 
máquina ter sido responsável por sua produção. 
Dessa forma, percebe-se que a informação inicial sobre a produção é atualizada quando 
uma nova evidência é observada. Esse processo é fundamental para realizar uma análise 
mais precisa da possível origem do defeito. 
Propostas de solução 
Recomendo que a empresa mantenha registros confiáveis e atualizados sobre a 
quantidade de parafusos produzidos e a quantidade de peças defeituosas de cada 
máquina. A partir desses dados, podem ser calculadas a participação de cada máquina na 
produção e sua respectiva taxa de defeitos. 
Posteriormente, sempre que uma peça defeituosa for identificada, pode-se aplicar o 
Teorema de Bayes, utilizando a participação da máquina na produção como probabilidade 
a priori e sua taxa de defeitos como probabilidade condicional. Dessa maneira, será 
possível calcular a probabilidade a posteriori de cada máquina ter produzido a peça 
defeituosa. 
 
Essa proposta é adequada porque considera, simultaneamente, o volume de produção e 
a qualidade de cada equipamento, evitando conclusões baseadas apenas na quantidade 
de defeitos. 
Além do cálculo das probabilidades, os resultados podem auxiliar nas decisões do 
Controle de Qualidade. Caso uma determinada máquina apresente uma probabilidade 
posterior mais elevada de ser a origem das peças defeituosas, ela poderá ser priorizada 
para inspeções, manutenção preventiva e análise de suas condições de operação. Assim, 
a Estatística deixa de ser apenas uma ferramenta de cálculo e passa a contribuir 
diretamente para a tomada de decisões no processo produtivo. 
Conclusão reflexiva 
A realização deste desafio mostrou-me que a probabilidade pode ser aplicada a situações 
reais e utilizada como ferramenta de apoio à tomada de decisões.Compreendi que uma 
nova informação, como a identificação de um parafuso defeituoso, pode modificar as 
probabilidades inicialmente atribuídas às máquinas. Por isso, é importante compreender 
a diferença entre probabilidade a priori, probabilidade condicional e probabilidade a 
posteriori. 
Também percebi que a interpretação dos dados é tão importante quanto a aplicação das 
fórmulas matemáticas. Para chegar a resultados confiáveis, é necessário trabalhar com 
dados de produção e de qualidade que representem adequadamente a realidade do 
processo. 
O estudo do Teorema de Bayes permitiu-me compreender melhor como informações já 
conhecidas podem ser atualizadas diante de novas evidências. Nesse contexto, a 
Matemática e a Estatística mostram-se importantes não apenas para realizar cálculos, 
mas também para analisar situações, interpretar informações e auxiliar na tomada de 
decisões mais fundamentadas. 
Referências 
SCHMITT, A. L. F. Probabilidade e Estatística. Indaial: UNIASSELVI, 2013. 
ROZA, R. Uma proposta de metodologia de ensino do Problema de Monty Hall e Teorema 
de Bayes para os professores da educação básica. 2023. Dissertação (Mestrado em 
Matemática) – Universidade Federal de Santa Catarina, Blumenau, 2023. 
Autoavaliação 
 
Durante a realização deste trabalho, percebi que meu processo de aprendizagem se torna 
mais significativo quando parto de uma situação-problema e procuro identificar quais 
conceitos matemáticos são necessários para compreendê-la e solucioná-la. 
Também percebi a importância de organizar e interpretar os dados antes de aplicar 
qualquer fórmula. O estudo do Teorema de Bayes ajudou-me a compreender que uma 
nova informação pode modificar as probabilidades inicialmente consideradas e que, por 
isso, é necessário analisar as evidências antes de chegar a uma conclusão. 
Considero que este desafio contribuiu para ampliar minha compreensão sobre a aplicação 
da probabilidade em situações práticas. Além de aprender a utilizar conceitos 
matemáticos, pude perceber como eles podem auxiliar na análise de problemas reais e na 
tomada de decisões no ambiente profissional.