Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade 1 - Estimação de Parâmetros 2 - Teste de Hipóteses 3 - Análise de Variância 4 – Análise de Regressão 5 - Amostragem de Aceitação 6 – Estatística Não paramétrica Estatística Avançada 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade 1 - Estimação de Parâmetros Estimação de Parâmetros Estimação consiste em obter parâmetros de interesse com base em dados amostrais. Estimação Pontual Uma estimativa pontual de uma parâmetro populacional é um valor numérico de uma estatística correspondente àquele parâmetro 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação Pontual 1 - Estimação de Parâmetros onde c4 é um valor tabelado de acordo com o tamanho da amostra. n 4 5 8 10 12 15 18 20 25 c4 0,9213 0,9400 0,9650 0,9727 0,9776 0,9823 0,9854 0,9869 0,9896 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação Intervalar Consiste em construir um Intervalo que contém, com grau de confiança conhecido, o verdadeiro valor do parâmetro populacional Os intervalos mais utilizados são de 90 95 e 99% de confiança. Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Intervalo de Confiança para Média Grandes amostras (n > 30) O intervalo com 100(1-)% de confiança para o parâmetro é dado por: Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Exemplo.: De uma população de 400 peças produzidas uma amostra de 36 peças apresentou um comprimento médio de 56 cm de desvio padrão de 5,8 cm. Construa um I.C. de 95% para a o comprimento médio de toda a população Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros Para n fixo, aumentar o valor do coeficiente de confiança significa aumentar o tamanho do intervalo. Um I.C. muito largo não é desejável pois é pouco preciso, na prática usamos um coeficiente da ordem 90, 95 e 99% n < que o necessário I.C. muito longo Impossibilita a tomada de decisões n > que o necessário I.C. muito estreito desperdício de tempo e dinheiro 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Cálculo do tamanho da amostra (população infinita) Exemplo : Para determinar o tempo de entrega de lote padrão, foram coletados algumas amostras. O um desvio padrão encontrado foi de 0,6 horas. Considerando uma confiança de 98% e erro máximo de 0,1 horas, determine o tamanho da amostra. Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Cálculo do tamanho da amostra (população finita) Para o exemplo anterior considere que o tamanho da população seja 1500 pedidos. Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Intervalo de Confiança para Média Pequenas amostras (n < 30) com desvio desconhecido de uma população com distribuição normal O intervalo com 100(1-)% de confiança para o parâmetro é dado por: Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Exemplo : O recursos humanos decidiu treinar 15 empregados com o novo método de manutenção em computadores. Foram coletados os dias necessários parar treinar cada um dos 15 empregados. A média da amostra é de 53,87 dias e o desvio de 6,82 dias. Construa IC de 95% para o verdadeiro valor da média Estimação de Parâmetros [50,09 ; 57,65] 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Uma máquina produz peças cilíndricas. Uma amostra acusou os seguintes valores de diâmetros: 1,01 0,97 1,01 1,03 0,99 0,98 1,00 1,02 1,03 (polegadas). Admitindo que a distribuição dos diâmetros seja aproximadamente normal, determinar um intervalo de 98% de confiança para a média populacional dos diâmetros Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Intervalo de Confiança para Diferença de Duas Médias Suponhamos que 12 22. Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Graus de liberdade Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Exemplo: Um gerente deseja comparar dois métodos de treinamento. O método A foi aplicado a uma amostra de 33 pessoas e o método B foi aplicado a 37 pessoas. Os resultados foram os seguintes: x1 = 56 var1= 21,55 n1 = 33 x2 = 50,5 var2= 12,56 e n2 = 37 Construa um intervalo de 95% de confiança para a diferença entre os desempenhos médios dos dois métodos. Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros Na situação em que as variâncias das duas populações em estudo são supostas iguais, teremos: Onde: 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros Intervalo de Confiança para Amostras Emparelhadas 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros A média foi de 0,3 minutos e o desvio padrão da diferença de 0,335 minutos. Considerando um I.C de 95% e n =6, temos 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Intervalo de Confiança para Proporção Considerando que np 5 e n(1-p) 5, o intervalo com 100(1-)% de confiança para o parâmetro P é dado por: EXEMPLO: De um lote de 3000 peças, foi extraída uma de 200 peças sendo que 5 foram classificadas como defeituosas.. Construir um intervalo de 95% confiança para P a proporção de peças defeituosas em todo lote.. Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros Cálculo do tamanho da amostra Exemplo : Numa amostra inicial encontramos 3% de peças defeituosas. Determine o tamanho da amostra para uma confiança de 98% e um erro máximo 1%. n = 2,332 x 0,03 (1-0,03) / 0,012 = 1580. Onde p é proporção inicial. Caso não tenha esta estimativa utilize p=0,5. 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros I.C. para Diferença entre Duas Proporções 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros Exemplo : Em uma pesquisa entre 100 funcionários do primeiro turno e 50 do segundo, verificou-se que 70% dos funcionários do primeiro turno são contrários ao trabalho aos sábados e enquanto 60% do segundo turno são contrários a esta estratégia da produção. Construa um I.C. 95% para a diferença entre as proporções 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Estimação de Parâmetros 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade 2- Teste de Hipóteses Teste de Hipóteses Uma hipótese estatística é uma afirmação sobre um ou mais parâmetros da população 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade 2 - Teste de Hipóteses A hipótese nula, denotada por H0, é uma declaração sobre o parâmetro considerada verdadeira até que seja obtida alguma prova em contrário. A hipótese alternativa, H1, será considerada verdadeira caso H0 seja julgada falsa 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Exemplo : Considere um modelo particular de automóvel que atualmente atinge uma eficiência média de combustível de 24 km/l Um grupo de pesquisa de produto desenvolveu um novo motor especificamente projetado para aumentar a relação de km/l. 2- Teste de Hipóteses 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade 2- Teste de Hipóteses Para avaliar o novo motor, diversos deles serão fabricados, instalados em automóveis e submetidos aos testes de condução controlados pela pesquisa. 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Note que o grupo de pesquisa está buscando evidências para concluir que o novo motor aumenta a média de quilômetros por litro. Nesse caso, a hipótese de pesquisa é que o novo motor fornecerá uma média de km/l que exceda 24;isto é, > 24. Teste de Hipóteses 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses Uma hipótese de pesquisa deve ser formulada como H1.. Assim: H0 : 24 vs H1: > 24 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade A va cujo valor é utilizado para determinar a ação a ser seguida em um teste de hipóteses é denominada estatística de teste. O conjunto de valores de uma estatística de teste para os quais H0 deve ser rejeitada é denominado região crítica (ou rejeição) do teste. Teste de Hipóteses 2- Controle da Qualidade 2- Controle da Qualidade A prob máxima de cometer o erro tipo I é . Também é denominado nível de significância. A prob. Máxima de cometer o erro tipo II é Teste de Hipóteses 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Procedimentos para Teste de Hipóteses Teste de Hipóteses 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Hipóteses Estatística de teste Teste de Hipóteses 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Exemplo : De uma população de 400 peças produzidas uma amostra de 36 peças apresentou um comprimento médio de 56 cm de desvio padrão de 5,8 cm. Queremos testar se o comprimento médio populacional das 400 peças é igual a 50. Utilize um nível de significância de 5%. Teste de Hipóteses 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Como 6,20 > 1,96 devemos rejeitar H0 , ao nível significância de 5%. Os dados fornecem evidências que o comprimento médio da população é diferente de 50 cm. Teste de Hipóteses 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses O P-valor (ou probabilidade de significância ou p) é a probabilidade de ocorrência do valor particular observado para a estatística de teste ou de valores mais extremos, na direção da região crítica, quando a hipótese nula H0 é verdadeira 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses Exemplo : Para o teste acima temos : P-valor = 2 P( | z0 | ). = 2 [1- P ( | 6,2| )] = 2 [0,00003] = 0,000 => Os dados fornecem uma forte evidência para rejeitarmos H0, pois P-valor < 0,05 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses Relação entre Testes de Hipóteses e I.C. Exemplo: Para as hipóteses: H0 : = 50 vs H1 : 50. Podemos utilizar o intervalo construído anteriormente para decidirmos: Como o valor 50 não pertence ao intervalo de 95% de confiança, devemos rejeitar a hipótese nula ao nível de significância de 5%. 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses Testes de Hipóteses para Diferença entre Médias Suponha 12 22. As hipóteses são : H0 : 1 = 2 H1 : 1 2. 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses Graus de Liberdade 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses Exemplo : Uma indústria siderúrgica deseja aumentar a eficiência do sistema de corte e pesagem de tarugos (barras grossas de aço). Uma característica de qualidade crítica do tarugo é o seu comprimento. A indústria implementou, em caráter experimental, um novo sistema de corte em uma das máquinas utilizadas no processo. 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses Vamos comparar o sistema experimental com sistema atual. Uma amostra de 15 tarugos para o sistema atual e outra de 15 tarugos foram selecionadas. A média do sistema atual é 513,28 (mm) e o desvio de 5,69. Para o sistema experimental os valores são 498,20 e 13,69. 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses Queremos testar H0 : 1 = 2 H1 : 1 2 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses 2- Controle da Qualidade CEP – Controle Estatístico 2- Controle da Qualidade Teste de Hipóteses Assim, o valor tabelado é : t0,025;19 = 2,093. Como 3,94 > 2,093 os dados fornecem evidências para rejeitarmos a hipótese nula. Como o objetivo da empresa é ter um comprimento próximo de 500, o sistema experimental é melhor. 2- Controle da Qualidade CEP – Controle Estatístico Hipóteses Estatística de teste : Teste de Hipóteses CEP – Controle Estatístico Exemplo : Um jornal alega que 25% dos seus leitores pertencem a classe A Para testar a afirmação do jornal, foi extraída uma amostra de 740 leitores, onde 156 pertenciam a classe A. Teste de Hipóteses CEP – Controle Estatístico Teste de Hipóteses n= 740 , p0 = 0,25, p = 156 / 740 = 0,2108 CEP – Controle Estatístico Teste de Hipóteses Teste de Hipóteses - Diferença de Duas Proporções CEP – Controle Estatístico Teste de Hipóteses Exemplo : Em uma pesquisa entre 100 funcionários do primeiro turno e 50 do segundo, verificou-se que 70% dos funcionários do primeiro turno são contrários ao trabalho aos sábados e enquanto 60% do segundo turno são contrários a esta estratégia da produção. Existe diferença entre os turnos no que se refere a preferência por trabalhar aos sábados? Utilize = 0,05. CEP – Controle Estatístico Teste de Hipóteses Solução: p1 = 0,70 n1 = 100 p2 = 0,60 n2 = 50 As são hipóteses H0 : P1 = P2 e H1 : P1 . P2 CEP – Controle Estatístico Teste de Hipóteses Como 1,22 < 1,96 os dados não dão evidências para rejeitar H0. Portanto não podemos rejeitar a hipótese de igualdade entre os turnos. Isto também pode ser concluído através do intervalo de confiança (-0,06 P1 - P2 0,26), pois o mesmo contém o valor zero. Parâmetros (população) Estimador (amostra) Nome Notação Notação Fórmula Média ( Desvio padrão ( s/c4 Proporção P p _1004677828.unknown _1004677829.unknown _1004677831.unknown _1004677827.unknown Assim temos que o valor tabelado é . _1004677851.unknown Exemplo: Considerar os dois métodos de produção. A empresa possui 6 empregados. Considere que os tempos seguem uma distribuição normal Operador TP M1 TP M2 Diferença(d) 1 6 5,4 0,6 2 5 5,2 -0,2 3 7 6,5 0,5 4 6,2 5,9 0,3 5 6 6 0 6 6,4 5,8 0,6 =>0,0034 ( P ( 0,0466 p = x / n = 5 /200 = 0,025 e = 1,96 _1004677855.unknown -0,06( P1 - P2 ( 0,26 p1 = 0,70 n1 = 100 p2 = 0,60 n2 = 50 Erro tipo I e II Situação real e desconhecida H0 verdadeira H0 falsa Decisão Não rej. H0 Correta Erro tipo II Rejeitar H0 Erro tipo I Correta 1 - Identifique o parâmetro de interesse. 2 - Estabeleça a hipótese nula, H0 3 – Estabeleça uma hipótese alternativa apropriada, H1 4 – Escolha o nível de significância ( ( ) 5 – Determine a Estatística de Teste apropriada. 6 – Determine a região de rejeição do Teste. 7 – Calcule o valor da Estatística de Teste. 8 – Decida se H0 deve ou não ser rejeitada 9 – Apresente a decisão no contexto rejeitar H0 se | | > z( / 2 _1004677862.unknown Teste de Hipóteses para Média - Grandes Amostras H0 : ( = (0 vs H1 : ( ( (0 Solução: Dados : = 56 s = 5,8 n = 36 ( = 0,05 Da tabela Z temos = 1,96. Queremos testar as hipóteses : H0 : ( = 50 vs H1 : ( ( 50 _1004677864.unknown _1004677865.unknown _1004677863.unknown _1004677869.unknown rejeitar H0 se | | > z( / 2 _1004677862.unknown Teste de Hipóteses para Proporção H0 : P = p0 vs H1 : P ( p0 rejeitar H0 pois 2,52 > 1,96 H0 : P = 0,25 vs H1 : P ( 0,25 devemos rejeitar H0 se | | > z( / 2. _1004677889.unknown As hipóteses: H0 : P1 = P2 e H1 : P1 (. P2.
Compartilhar