Baixe o app para aproveitar ainda mais
Prévia do material em texto
2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 1 Distribuições de Probabilidade 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 2 A freqüência relativa fi=ni/n comumente é associada à probabilidade. Conceito de Probabilidade Complete a tabela: 13/1413Resultados > 9014Testes de estatistica 0,13Resultados Positivos 30Resultados de um Exame de Sangue (HIV) P(A)n(A)Eventon(E)Espaço Amostral 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 3 Variáveis Aleatórias 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 4 fdp - Função Densidade de Probabilidade Variáveis Aleatórias Distribuição de Probabilidade Espaço Amostral Números Reais Variável Aleatória x X f(x) E Distribuição de Probabilidade ou fdp Exemplifique 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 5 Distribuição de Probabilidade 64 Variáveis Aleatórias 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 6 Função de Distribuição Acumulada (F(x)) Suponhamos que a variável aleatória X assuma os três valores 0,1 e 2, com probabilidade 1/3, 1/6 e 1/2, respectivamente. 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 7 Esperança Matemática Ex.: Seja X uma v.a. que assume os seguintes valores e tenha a seguinte distribuição de probabilidade: Cálculo da Esperança Matemática å =-+++== 85,9)19.0)(5()02.0(5)23.0(10)56.0(15)()( ii xfxXE Use <Calc> <Calculator> Use o Programa EXCEL 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 8 Ex.: Seja X uma v.a. que assume os seguintes valores e tenha a seguinte distribuição de probabilidade: Cálculo da Esperança Matemática å =-+++== 85,9)19.0)(5()02.0(5)23.0(10)56.0(15)()( ii xfxXE XZ 21 = 10}- 10, 20, {30,1 =Z 7.19)(2)2()( 1 === XEXEZE 22 += XZ 3}- 7, 12, {17,2 =Z 85.11)(2)2()( 2 =+=+= XEXEZE Obs. Esperança Matemática 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 9 A Variância de uma Variável Aleatória Definimos a variância de X denotada por Var(X), S2 ou s2, da seguinte maneira: [ ]2))(()( XEXEXVar -= [ ]2)()( m-= XEXVar [ ] 2222 )()()()( m-=-= XEXEXEXVar A raiz quadrada positiva de Var(X) é o desvio padrão de X, DP(X), S ou s. Uma outra expressão para a variância é: 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 10 Para o Exemplo anterior: [ ] 2222 )()()()( m-=-= XEXEXEXVar 7.56 A Variância de uma Variável Aleatória Use <Calc> <Calculator> Use o Programa EXCEL 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 11 Exercício: O tempo T, em minutos, necessário para um operário de uma indústria processar certa peça é uma v.a. com a seguinte distribuição de probabilidade: Para cada peça processada, o operário ganha um fixo de U$ 2.0 mas se ele processa uma peça em menos de 6 minutos, ganha U$ 0.5 por minuto poupado (por exemplo, se ele processa a peça em quatro minutos, recebe a quantia adicional de U$ 1.0). Qual a média e a variância da quantia ganha por peça? 0,10,20,20,30,10,1P 765432T Use o Programa EXCEL 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 12 Use o Programa EXCEL Observe a mudança da distribuição de probabilidade: T P G P Exercício: 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 13 Distribuições Contínuas ( ) 0³xf ( ) 1=ò ¥ ¥- xf ( ) ò >=££ b a abdxxfbXaP )( )( Algumas Distribuições Contínuas: Normal Uniforme Chi-square Fisher(F) Student(t) Beta Cauchy Exponential Gamma Laplace Lognormal Weibull f(x) => fdp Função densidade de probabilidade Área da curva é unitária Probabilidade está associada a área 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 14 Distribuição Normal (ou Gaussiana) Observe no programa Quality Gamebox o Processo de Construção de uma Distribuição Normal. A distribuição mais importante em Estatística (“The Bell Curve”) Aplicação: Cite variáveis, em sua área de interesse, que tem uma distribuição Normal. Complete a tabela Desvio Padrão (estimada) Média (estimada) Descrição da Variável 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 15 Use o programa Statdisk <Analysis> <Probability Distribution> <Normal Distribution> Observe em <Options> os valores acumulados Statdisk 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 16 <Calc> <Probability Distributions> 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 17 Em uma população onde as medidas tem Média 100 e Desvio Padrão 5, determine a probabilidade de se ter uma medida: a) Entre 100 e 115 b) Entre 100 e 90 c) Superior a 110 d) Inferior a 95 e) Inferior a 105 f) Superior a 97 g) Entre 105 e 112 h) Entre 89 e 93 i) 98 Dica: Crie uma coluna com os valores 100 115...98 no Minitab Crie uma coluna com os valores 0,74...0,32... no Minitab Em uma população onde as medidas tem Média 100 e Desvio Padrão 5, determine os valores k tais que se tenha a probabilidade: a) P(X>k)=0,26 b) P(X<k)=0,32 c) P(k1<100<k2)=0,47 (k1 e k2 simétricos em relação a 100) Exercício 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 18 mmmm Ponto de Inflexão 1ss1ss TT USLUSL p(d) 3ss Target e Upper Spec. Limit );(: smNX 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 19 j(z) z xm-3s m -2s m -s m m+s m+2s m+3s -3 -2 -1 0 1 2 3 s m- = x z );(: smNX Z: N(0; 1) Tal fórmula está tabelada e fornece valores acumulados Qual o formato da curva acumulada? Normal Reduzida ou Padronizada ZBench 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 20 P(m - 1.00 s £ X £ 1.00 s) = 0.6826 P(m - 1.645 s £ X £ m + 1.645 s) = 0.90 P(m - 1.96 s £ X £ m + 1.96 s) = 0.95 P(m - 2.00 s £ X £ m + 2.00 s) = 0.9545 P(m - 2.57 s £ X £ m + 2.57 s) = 0.99 P(m - 3.00 s £ X £ m + 3.00 s) = 0.9978 43210-1-2-3-4 40% 30% 20% 10% 0% 68% 95% P ro b ab ili d ad e d o v al o r d a am o st ra Número de Desvios Padrão da Média 99.73% Alguns intervalos simétricos que são usados freqüentemente. Regra 68 -- 95 -- 99 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 21 Suponha que X: N(100; 2) e que desejamos avaliar P(X £ 104). z x 0 z0 = 2 100 104 P(x£104) = 0.9772 = F(104) 2 2 100104 0 = -=z 9772.0)2( =F Exemplo – Cumulative Probability 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 22 772 800 x -2.330 z s = 3 s = 1 A tensão de ruptura (em newtons) de uma fibra sintética é representada por X e distribuída como N(800; 12). O controle de qualidade na fabricação da fibra exige uma tensão de no mínimo 772 N. Uma amostra da fibra é randomicamente testada. A probabilidade de obtermos P(X ³ 772) é obtido a partir de: ( ) ( ) ( ) 01.033.2 33.2 12 800772 772 =-F= -<= ÷ ø ö ç è æ -< - =< ZP x PXP s m P(X ³ 772)=1 - P(X <77 2) = 0.99 12 Exemplo – Usando Normal Reduzida 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 23 Observe: Dados no eixo X e Espaços diferentes no eixo Y … são Propositais devido aos percentis da curva Normal! Normal Probability Plot 25 35 45 55 1 5 10 20 30 40 50 60 70 80 90 95 99 Data P er ce nt 2 0 3 0 1 0 7 0 8 0 9 0 5 0 1 0 % 1 0 % 1 0 % 1 0 %1 0 % 1 0 % Gere uma sequência de dados qualquer. Ex.: 100 valores Weibull (5,8) e faça o gráfico Probability Plot 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 24 3 Maneiras de Ver se Seus Dados estão3 Maneiras de Ver se Seus Dados estão DistribuídosDistribuídos NormalmenteNormalmente 80706050403020100 300 200 100 0 C3 Fr eq ue nc y Normal Probability Plots 13012011010090807060 300 200 100 0 C2 Fr eq ue nc y Normal Probability Plots 1101009080706050403020 100 50 0 C1 Fr eq ue nc y Normal Probability Plots 1069686766656463626 .999 .99 .95 .80 .50 .20 .05 .01 .001 Pr ob ab ilit y Normal p-val ue: 0.328 A-Squared: 0.418 Anderson-Darl ing Normali ty Test N of data: 500 S td Dev: 10 Average: 70 N orm al D is tr ibut ion 13012011010090807060 .999 .99 .95 .80 .50 .20 .05 .01 .001 Pr ob ab ilit y Pos Skew p-val ue: 0.000 A-Squared: 46.447 Anderson-Darl ing Normali ty Test N of data: 500 S td Dev: 10 Average: 70 Po s itive Skew ed D is tribut ion 80706050403020100 .999 .99 .95 .80 .50 .20 .05 .01 .001 Pr ob ab ilit y Neg Skew p-val ue: 0.000 A-Squared: 43.953 Anderson-Darl ing Normali ty Test N of data: 500 S td Dev: 10 Average: 70 Ne gative Skew e d D is trib utio n Used With Permission Ó Ó AlliedSignal 1995 - Dr. Steve Zinkgraf Se o Teste de Normalidade mostrar um "valor-P" Menor que 0,05, então os dados NÃO ESTÃO bem representados por uma distribuição normal Se o Teste de Normalidade mostrar um "valor-P" Menor que 0,05, então os dados NÃO ESTÃO bem representados por uma distribuição normal Testando Normalidade 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 25 A distribuição pode ser considerada Normal Exercício: Gere diferentes sequências de dados de uma forma aleatória e teste a normalidade usando o Minitab Teste Anderson-Darling 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 26 3 7 P r o c e s s o A P r o c e s s o B T e m p o T o t a l ( A + B ) ? = 3 s = 1 X = 7 s = 2 X 3 2 1 2.23 5 (2) (1) S S S 222 B 2 ABA =+¹ ==+=+=+ Correto; Some as variâncias e depois obtenha o Desvio Padrão Incorreto; Soma de Normais 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 27 -10 -5 0 5 10 15 Linha A Linha B Diferença: Linha A – L inha B ? = 3 s = 1 X = 7 s = 2 X 4 - 7 - 3 X -X X BABA ===- 121 2.235(2)(1)SSS 222 B 2 ABA = --¹ ==+=+=– Correto Incorreto Diferença de Normais 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 28 O orçamento de uma empresa para uma certa conta é R$ 100. Variações de 3% acima e abaixo deste valor são consideradas aceitáveis, ou seja, de R$ 97 a R$ 103. Sabe- se, pela análise de dados históricos, que a variação nesta conta obedece à distribuição normal, com média de R$ 99 e desvio-padrão de R$ 1,25. • Que porcentagem de vezes o orçamento encontra-se fora da faixa aceitável? Pratique Resp 5,55% 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 29 1. Em um banco há uma norma de que nenhum cliente deve permanecer na fila por mais de 15 minutos. Se o tempo de espera é normal, com média 9,45 minutos e desvio-padrão de 2,75 minutos, em que porcentagem das vezes a norma não é cumprida? 2. O tempo que Alarico leva do seu trabalho até sua casa tem distribuição normal, com média 90 minutos e desvio-padrão de 5 minutos. Qual é a probabilidade dele levar mais do que 110 minutos no trajeto? 3. Uma pessoa precisa pegar um trem que parte pontualmente em 20 min, podendo optar por dois trajetos para chegar à estação: T1 ou T2. Sabe-se que o tempo para percorrer T1 é normal com média 18 min e desvio-padrão de 5 min, e idem para T2, mas com média 20 min e desvio-padrão 2 min. Qual é a melhor decisão de trajeto? Sabendo que o trem está com atraso de 3 min, qual é a melhor decisão agora? Exercícios 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 30 Distribuição Uniforme f(x) x3 6 1/3 Medidas de uma certa temperatura variam uniformemente entre 3 e 6 graus Celsius. Qual a probabilidade de termos uma temperatura: a) entre 3 e 4? b) Maior do que 5? c) Igual a 4? Observe o cálculo simples de área. Pratique no Minitab: O raciocínio é o mesmo que para distribuições normais 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 31 valoresoutros , 0 )0(,R com 0 , )( = >γ= - lll l xexf x l1)()( == XDPXE Ex.: Um componente eletrônico é conhecido por ter sua vida útil representada por uma fdp exponencial com tempo médio de falha E(X) de 105 horas (logo l = 10-5). Suponha que desejamos determinar a fração de componentes que poderão falhar antes da vida média ou valor esperado. 63212.0 1 0 11 11 0 = -=-==÷ ø ö ç è æ £ ---ò eedxeTP xx l l l ll l f(x) x l E X( ) = 1 l 63.212 36.788 Esse resultado indica que 63,212% dos componentes irão falhar antes de 105 horas. Distribuição Exponencial 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 32 ( ) 0³ixf ( ) 1 1 =å = n i ixf ( ) ( )ii xfxXP == Algumas Distribuições Discretas A Distribuição Binomial A Distribuição de Poisson A Distribuição Geométrica A Distribuição de Pascal A Distribuição Multinomial A Distribuição Hipergeométrica Distribuições Discretas A soma das frequências é unitária A probabilidade é a frequência Ex.: Reclamações de clientes num período, número de erros em um relatório, porcentagem de peças defeituosas num lote, etc. 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 33 Use o programa Statdisk <Analysis> <Probability Distribution> <Binomial Distribution> Observe em <Options> os valores acumulados A Distribuição Binomial 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 34 Ex.: A probabilidade de um teste “Burn in / Burn out” queimar um componente eletrônico é 0,2. Colocando-se três componentes sob teste, qual a probabilidadede que pelo menos dois deles se “queime”? E = {QQQ, QQN, QNQ, NQQ, NNQ, NQN, QNN, NNN} onde Q e N representam a queima ou não do componente x 0 1 2 3 P(x) P{NNN} = P(X = 0) = q3 = (0.8)3 P{NNQ} + P{NQN} + P{QNN} = P(X = 1) = 3pq2 = 3(0.2)(0.8)2 P{QQN} + P{QNQ} + P{NQQ} = P(X = 2) = 3p2q = 3(0.2)2(0.8) P{QQQ} = P(X = 3) = p3 = (0.2)3 P(X ³ 2) = P(X=2) + P(X= 3) = 3p2q + p3 = 0.104 = 10,4% E(X) = np e Var (X) = npq X: Número de Queimas Q ( ) valoresoutros para 0 ,2,1,0 )1( = =-÷÷ ø ö çç è æ == - nxpp x n xXP xnx L A Distribuição Binomial Faça no Minitab! 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 35 Suponha que uma válvula eletrônica, instalada em determinado circuito, tenha probabilidade 0.2 de funcionar durante o tempo de garantia. São ensaiadas 20 válvulas. a) Qual a probabilidade de que delas, exatamente k, funcionem durante o tempo de garantia (k = 0, 1, 2, ... 20)? b) Qual a probabilidade de que 4 funcionem durante o tempo de garantia? c) Qual o número médio e a variância de lâmpadas que irão funcionar durante o tempo de garantia? Aqui: X º Número de válvulas que funcionam durante o tempo de garantia. p = 0.2 X = 0, 1, 2, ... 20 Exercício 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 36 P(X = x) x 0 1 2 3 4 5 6 7 8 9 18 com média E(x) = np = 20.(0.2) = 4 e desvio padrão npq = 1788. ( ) ( ) kk k kXP -÷÷ ø ö çç è æ 208.02.0 20 =)=( E(X) = np e Var (X) = npq Resposta 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 37 Ex.: Em uma experiência de laboratório passam, em média, por um contador, quatro partículas radioativas por milissegundo. Qual a probabilidade de entrarem no contador seis partículas em determinado milissegundo? Utilizando a distribuição de Poisson com a = 4, temos então que: 1042.0 !6 4 )6( 64 === -e XP A Distribuição de Poisson 2, 1, ,0 ! )( L=== - X k e kXP kaa a== )()( XVarXE O Processo de Poisson 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 38 Ex.: Chegam, em média, 10 navios-tanque por dia a um movimentado porto, que tem capacidade para 15 desses navios. Qual a probabilidade de que, em determinado dia, um ou mais navios tanque tenham de ficar ao largo, aguardando vaga? Temos aqui que, para a = 10: 0487.09513.01)15(1)15( =-=£-=> XPXP Ex.: Uma central telefônica recebe em média 300 chamadas por hora e pode processar no máximo 10 ligações por minuto. Estimar a probabilidade de a capacidade da mesa ser ultrapassada. Temos agora: a = 300/60 = 5 chamadas/minuto em média %4,1014.0986.01)10(1)10( ==-=£-=> XPXP A Distribuição de Poisson 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 39 Ex.: Consideremos um experimento binomial com n = 200, p = 0.04 em que se pede a probabilidade de, no máximo, 5 sucessos. kk k k XP - = å ÷÷ ø ö çç è æ =£ 5 5 0 )96.0()04.0( 200 )5( a = np = (200) (0.04) = 8 P(X £ 5) = 0.1912 Obtido de Tabela (ou micro) usando a Distribuição de Poisson O cálculo direto é impraticável, usando a Distribuição Binomial Aproximação da Distribuição Binomial 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 40 Ex.: A probabilidade de um indivíduo ter reação negativa a certa injeção é de 0,001. a) Determinar a probabilidade de que de 2.000 indivíduos injetados, exatamente 3 tenham reação negativa. Usando a distribuição binomial com n = 2.000 e p = 0.001 temos: 19973 )999.0()001.0( 3 2000 )3( ÷÷ ø ö çç è æ ==XP O cálculo desses números dá origem a considerável dificuldade. Pela aproximação de Poisson temos: 1804.0 !3 2 )3( 32 === -e XPa = np = (2000) (0.001) = 2 b) Determinar a probabilidade de que de 2.000 indivíduos injetados, mais de 4 tenham reação negativa. ( ) ( ) ( ) ( ) ( ) ( ) 055.012 2 4 6 8 24 16 1 !0 2 !1 2 !3 2 !4 2 1 ]01234[14 2 0223242 =úû ù êë é ++++-= ú û ù ê ë é +++-= =+=+=+=+=-=> - ---- e eeee XPXPXPXPXPXP Aproximação da Distribuição Binomial 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 41 • A quantidade média de caminhões que chegam a uma empresa por dia é de 60 veículos. As instalações podem atender até um total de 75 veículos por dia. Qual a probabilidade de que caminhões fiquem esperando na fila? • Qual a probabilidade de que em uma semana com 6 dias trabalhados, caminhões fiquem em fila em dois dias? Exercício 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 42 üCrystal Ball é um software que roda em Excel; üO método de geração de repetidas amostras de X com o respectivo cálculo de Y é chamado de Simulação de Monte Carlo. Y=f(X) Y é a resposta de um modelo e X é representada por uma (ou mais) Distribuição de Probabilidade Lidando com Distribuições de Probabilidade no Excel Crystal Ball 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 43 Crystal Ball ... üé usado apenas em processos que possam ser modelados pelo Excel. Em casos mais complexos, softwares como o ARENA ou ProModel são melhores; üsó pode fazer previsões dadas as suas suposições iniciais. Portanto, suposições pobres originarão resultados pobres! üdeveria ser usado para aproximações. Os valores extremos não são confiáveis; Crystal Ball - Detalhes 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 44 Utilize o Crystal Ball para... üfazer previsões das saídas na forma de amplitude de valores associados às suas probabilidades üfornecer estatísticas da variável de saída üajustar distribuições aos dados de entrada ou saída ürealizar análise de sensibilidade das variáveis independentes do modelo. Simulação: Crystal Ball 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 45 Imagine-se como um potencial comprador de um complexo de apartamentos. Você deseja comprá-los e, posteriormente, alugá-los. Após uma pesquisa de mercado, você verifica que o número de unidades alugadas em qualquer mês está entre 30 e 40 unidades. O valor do aluguel na região do complexo é de aproximadamente $500/mês, e as despesas mensais de aproximadamente $15.000. Quão lucrativo você espera que seja o seu empreendimento? Exemplo 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 46 Passo 1: Crie a planilha no Excel Crie uma equação para a previsão de YPlanilha Excel 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 47 Barra de Ferramentas do Crystal Ball A seguinte barra deve aparecer no Excel – O Crystal Ball é uma adds in. 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 48 Defina suas suposições (X) usando o conhecimento e os dados do processo Número de Unidades alugadas: é uma Distribuição Uniforme com amplitude entre 30 e 40; • Selecione a célula correspondente ao Número de unidades alugadas (D5); • Selecione DEFINE ASSUMPTION na barra de ferramentas; em seguida, selecione: Uniform Distribution, Click OK. • Entre com os valores conforme indicado. Click ENTER Passo 2: Defina suposições2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 49 Distribution Gallery 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 50 üAluguel por unidade: Distribuição Triangular, com valor mais provável de $500/mês, com valor mínimo de $450 e máximo de $575. üSelecione a célula correspondente ao valor do aluguel (D6); ü Selecione DEFINE ASSUMPTION e escolha Triangular Distribution, üClick OK. ü Entre com os valores conforme indicado. Click ENTER, e depois em OK. Aluguel por unidade 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 51 Triangular Distributiom 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 52 üDespesas Mensais: Distribuição Normal com média $15.000 e Desvio Padrão de $1.000; ü Selecione a célula correspondente à Despesas Mensais (D7); üSelecione DEFINE ASSUMPTION, selecione: Normal Distribution, üClick OK. ü Entre com os valores conforme indicado. Click ENTER, e OK. Despesas Mensais 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 53 Normal Distribution 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 54 üDefina a variável de previsão Y üSelecione a célula correspondente ao LUCRO OU PREJUÍZO (D9) üSelecione DEFINE FORECAST ; Passo 3: Y (Lucro ou Prejuízo) 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 55 Y (Lucro ou Prejuízo) 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 56 üDefina suas preferências para rodar a simulação; üEntre com: üNúmero máximo de Interações (Simulações) (Trials) üInforme o critério de parada da simulação; üSelecione OPTIONS: üSelecione Sensitivity Analysis üClick OK Passo 4: Simulação de Monte Carlo 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 57 Run Preferences 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 58 Passo 5: Rodando a Simulação 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 59 üQual a probabilidade do empreendimento ser lucrativo? üEntre com “ZERO” no limite inferior (Isto significa a probabilidade de se ter lucro com o negócio èè P(X>0)). Resultados: Forecast 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 60 Resultados: Statistics / Percentiles 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 61 Resultados: Statistics 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 62 Resultados: Percentiles 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 63 Para uma previsão particular, uma Distribuição de Probabilidades pode ser ajustada aos dados. Resultados: Best Fitting 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 64 Resultados: Best Fitting 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 65 Resultados: Best Fitting 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 66 Vá clicando em NEXT DISTRIBUTION até encontrar a distribuição que melhor se ajusta aos dados. Resultados: Best Fitting 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 67 Ao encontrá-la, clique em Accept e OK. Resultados: Best Fitting Como fazer isso no Minitab? 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 68 Quanto maior for a porcentagem, maior a colaboração da variável para o valor de Y. Resultados:Análise de Sensibilidade 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 69 Para rodar a simulação novamente Para copiar e colar células de suposição Para criar relatórios Crystal Ball: Outras Funções 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 70 • Crystal Ball criará um relatório de resumo dos resultados. •Isto inclui gráficos e objetos que poderão ser copiados para o Word ou Powerpoint. Relatórios 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 71 Churrasco Faça o planejamento de um churrasco usando uma planilha Excel com o Crystal Ball. Faça estimativas do número de convidados, preço de ingredientes, custos, aluguel, etc... Obtenha a distribuição do custo por indivíduo, etc... 2- Distribuições de Probabilidade Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 72 • Livro Texto: Montgomery/Runger – Capítulo 3: • Seção 3.8 – Capítulo 4: • Seção 4.4 • Seção 4.6 • Seção 4.9 – Capítulo 5: • Seção 5.6 • Seção 5.9 À luta! Resolva exercícios com resposta!
Compartilhar