Baixe o app para aproveitar ainda mais
Prévia do material em texto
EXERCÍCIOS PARA USO COM MINITAB I) CONSTRUÇÃO DE GRÁFICOS I.1) Construir um gráfico de dispersão (graph/scatterplot/with regression) aos dados da tabela, onde Y = densidade de um produto, em g/cm3 e X = adição de molibdênio, em mícron. Analisar também a correlação (stat/basic statistics/correlation) entre as variáveis. Y 4,32 4,38 4,67 4,72 4,99 5,05 5,32 5,48 5,66 X 136 207 276 333 381 409 476 588 802 I.2) A tabela a seguir mostra o consumo de matéria prima de uma empresa, Y, em toneladas, em função das produções de seus dois produtos principais, X1 e X2, em mil unidades, durante certo período de tempo. Construir gráficos apropriados (graph/matrix plot, 3D surface plot e 3D scatterplot). Analisar também a correlação entre as variáveis (stat/basic statistics/correlation). Y 212 253 285 315 444 654 865 1045 X1 1007 1523 2557 3577 5004 8072 11000 15440 X2 32 35 41 53 68 69 82 126 I.3) Construir um gráfico setorial, "pizza" (graph/pie chart/chart values from a table) e de colunas (graph/bar chart/values from a table/simple) para representar os dados da tabela (quantidade de vendas de um produto, em milhões de unidades, em 2010, por filial de uma empresa). Diadema Moema Saúde Limeira Itapira Santos Outras 394 536 122 222 78 498 17 I.4) Usar um gráfico de linhas (graph/line plot) para mostrar, simultaneamente, a variação anual do consumo de aditivo, catalisador e apassivador de uma indústria química (dados em mil reais). A seguir, projetar o consumo total para 2011 (graph/scatterplot ou stat/time series/trend analysis). Ano 2003 2004 2005 2006 2007 2008 2009 2010 Aditivo 56 62 60 67 73 70 79 81 Catalisador 123 114 108 118 108 100 93 82 Apassivador 94 99 10-9 100 123 136 148 160 I.5) Ocorreram 596 devoluções de um produto, numa venda de 84.234 unidades. Pede-se: a) Construir um gráfico de Pareto (stat/quality tools/pareto chart), sabendo-se que os motivos de devolução foram: Tipo errado: 375 unidades; Embalagem amassada: 61; Cor errada: 109; Entrega fora do prazo: 39: Quantidade fora do especificado: 12. Para se reduzir o total devolvido em 80%, que problemas deveriam ser atacados prioritariamente? b) Idem, um Pareto de custo total, sabendo que os custos unitários associados a esses problemas sejam de $ 2,33 / 5,48 / 66,00 / 19,52 / 34,78, respectivamente. I.6) Simular um diagrama espinha de peixe (stat/quality tools/cause and effect chart) para um problema real de sua empresa (exemplo: alto refugo); tentar usar os 6M’s: mão de obra, método, meio de medição, meio ambiente, máquina e material). I.7) Construir um gráfico de série de tempo para os dados da tabela, que representam o histórico do vendas de uma empresa, em milhões de dólares (graph/time series/simple). A seguir, efetuar análises de tendência (stat/time series/trend analysis) para a evolução dessas vendas, estimando a venda para 2012 e 2013; usar indicador MAPE. Lucro 118 124 120 146 162 159 172 172 Ano 2004 2005 2006 2007 2008 2009 2010 2011 I.8) Com os dados empilhados, construir e interpretar o boxplot para os dados, que representam os salários semanais pagos numa empresa de serviços, em reais (graph/boxplot/simple). Construir também o histograma (graph/histogram), o gráfico em pontos (graph/dotplot) e o gráfico de probabilidade nornal (graph/probability plot). 857,57 261,13 2101,48 664,06 4804,01 589,88 939,44 296,59 1062,52 519,86 1810,62 695,40 1172,67 2498,62 2335,82 1354,69 1711,44 2325,28 904,95 486,38 572,19 1684,60 1864,48 9,68 123,86 3276,62 48,11 2359,91 287,44 4001,76 1337,51 1863,06 1958,56 249,21 355,08 1530,05 2896,91 2287,84 521,30 479,88 3487,79 285,89 1605,64 41,53 148,07 1891,84 1240,62 3179,20 176,62 996,75 539,77 2309,13 3658,08 1867,24 563,60 383,48 33,72 21,67 1374,65 1246,91 895,02 2905,90 322,78 54,18 1613,15 1232,44 43,73 1554,11 1178,51 894,58 1281,71 31,99 873,84 1173,69 1616,58 1712,45 1312,07 851,95 584,40 25,65 543,76 156,70 2557,05 731,88 27,37 583,43 928,32 1040,00 3846,51 1125,36 I.9) o quadro mostra a evolução do consumo de energia elétrica de regiões brasileiras, em bilhões de kWh, de certo ano. Mostrar os dados num gráfico de áreas (graph/área graph). OUTROS SUDESTE SUL NORDESTE MÊS 127 345 88 178 fev 129 389 61 170 mar 156 351 43 167 abr 133 401 97 190 mai 146 397 83 185 jun 138 387 77 208 jul I.10) Construir um gráfico multivariado (stat/quality tools/multi-vari chart), para mostrar como a variação da resistência de um composto, em kgf/mm2, em função do tipo de liga utilizado e da temperatura de sinterização, em graus. Tempo sint 100 100 100 100 100 100 100 100 100 150 150 150 150 150 150 150 Tipo liga 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 Resist 23 20 21 22 19 20 19 18 21 22 20 19 24 25 22 20 Tempo sint 150 150 200 200 200 200 200 200 200 200 200 Tipo liga 3 3 1 1 1 2 2 2 3 3 3 Resist 19 22 18 18 16 21 23 20 20 22 24 � II) PARÂMETROS DESCRITIVOS E INDUTIVOS II.1) Um lote piloto de 21 peças foi ensaiado à fadiga e mediu-se o número de ciclos até a ruptura, em mil ciclos, obtendo os dados. Pede-se calcular os principais parâmetros descritivos, de posição e de dispersão, interpretando-os (stat/basic statistics/display descriptive statistics). 4200 3769 4318 3994 4872 5023 3785 2861 4279 4632 5024 5156 4447 4286 3375 3866 4792 4916 5222 4713 5004 II.2) Gerar 300 números aleatórios, de acordo com uma distribuição exponencial de média 17. Construir o histograma (usar a opção “binning”) e o box plot (graph/histogram/with fit e graph/boxplot/simple). II.3) Os dados a seguir referem-se à medição de amostras de dados de custo de um serviço, em mil reais, cujo valor esperado é de 66 ± 4,5 mil reais. Pede-se: a) Construir um histograma (graph/histogram/with fit) e efetuar o teste de normalidade (stat/basic statistics/normality test); b) Obter parâmetros descritivos amostrais (stat/basic statistics/display descriptive statistics); c) Fazer o sumário gráfico (stat/basic statistics/graphical summary); nele, interpretar os intervalos de confiança para alguns parâmetros populacionais (média, mediana e desvio padrão), com alfa de 10%; existem pontos “fora da curva” ou “outlayers” no box plot? 68,2 68,6 62,5 67,9 68,4 63,8 63,6 68,8 69,8 58,4 65,5 63,2 57,9 66,4 66,6 64,0 68,3 68,3 66,8 64,3 69,0 69,2 60,9 69,3 63,3 75,0 61,5 61,7 66,0 68,2 63,2 68,5 66,6 72,3 67,2 76,6 66,0 67,6 65,3 68,2 62,1 65,2 59,5 64,7 62,1 67,8 60,4 72,9 63,5 61,9 63,2 61,1 71,4 67,7 59,1 64,1 70,9 61,4 67,8 60,1 63,2 70,0 65,6 66,1 70,9 63,6 71,6 69,8 68,4 66,9 59,0 66,3 67,3 61,2 68,3 75,2 67,2 62,1 64,6 64,5 71,6 69,3 65,8 56,9 59,5 59,6 70,5 61,7 63,3 63,0 69,2 66,3 69,6 57,1 62,8 67,0 58,7 79,1 74,9 62,3 61,8 78,1 67,2 71,7 70,3 61,6 66,3 63,6 65,4 67,0 70,9 65,8 63,6 78,0 62,1 70,5 75,3 66,0 59,6 58,7 II.4) Os dados a seguir referem-se à medição de amostras de espessuras de chapas de alumínio, em mm, cuja especificaçãoé de 2,52 ± 0,12 mm. Pede-se: a) Construir um histograma (graph/histogram/with fit) com esses dados e efetuar o teste de normalidade (stat/basic statistics/normality test); b) Obter os principais parâmetros descritivos amostrais (stat/basic statistics/display descriptive statistics); c) Fazer o sumário gráfico (stat/basic statistics/graphical summary); nele, interpretar os intervalos de confiança para alguns parâmetros populacionais (média, mediana e desvio padrão), com alfa de 5%; existem pontos “fora da curva” ou “outlayers” no box plot? 2,52 2,55 2,57 2,48 2,33 2,56 2,46 2,53 2,32 2,57 2,40 2,47 2,53 2,56 2,41 2,67 2,55 2,42 2,52 2,54 2,51 2,68 2,54 2,44 2,45 2,64 2,44 2,65 2,50 2,38 2,53 2,33 2,39 2,39 2,62 2,48 2,56 2,49 2,61 2,50 2,60 2,52 2,56 2,42 2,55 2,52 2,43 2,49 2,42 2,63 2,89 2,65 2,23 2,26 2,43 2,57 2,35 2,27 2,50 2,35 2,42 2,46 2,51 2,33 2,48 2,54 2,50 2,47 2,52 2,58 2,46 2,56 2,70 2,49 2,61 2,61 2,49 2,31 2,43 2,50 2,34 2,37 2,38 2,55 2,46 2,50 2,61 2,59 2,52 2,25 2,44 2,31 2,44 2,60 2,60 2,56 2,35 2,39 2,76 2,61 II.5) A tabela seguinte foi obtida na execução de uma tarefa (dados em segundos), segundo 4 métodos de trabalho distintos (amostra). Sendo a especificação de 257 a 264 segundos, pede-se: a) Através de stat/basic/statistics/graphical summary, obter o histograma para cada método, verificando se o processo é capaz e se segue uma Normal; obter, também, os principais parâmetros estatísticos descritivos e indutivos (95% de confiança); b) Calcular que % de valores ultrapassa as tolerâncias (calc/probability distributions/normal); c) Idem, mas juntando os 400 dados; o processo é capaz? d) Analisar, com 95% de confiança, para os dados da parte c, se é possível concluir que: µ ≠ 261s ; Me ≠ 262s; ( ≠ 4s; e) Posteriormente, comparar pela ANOVA, com ( = 5%, se as variâncias dos tempos são iguais para os 4 métodos (stat/anova/test for equal variances), assim como se os tempos médios desses 4 métodos são iguais (stat/anova/one way). Amostra M 1 M 2 M 3 M 4 Amostra M 1 M 2 M 3 M 4 1 258,5 263,9 262,3 259,7 51 261,0 265,8 262,9 263,2 2 257,8 261,0 261,3 261,7 52 261,0 266,4 262,6 266,4 3 262,9 259,7 264,8 263,9 53 260,7 264,2 259,4 263,9 4 263,6 260,4 260,4 256,2 54 261,7 261,7 258,1 260,4 5 261,0 263,6 262,6 260,7 55 260,7 262,3 258,1 266,4 6 263,2 261,3 263,2 259,7 56 260,7 262,0 260,4 257,2 7 263,6 264,5 263,9 256,2 57 262,3 262,6 257,2 261,3 8 266,1 269,0 263,2 259,7 58 260,1 261,3 258,8 261,3 9 261,7 264,8 264,5 260,4 59 259,4 259,1 257,2 259,7 10 261,7 263,9 262,3 261,0 60 257,8 258,8 258,8 261,0 11 261,0 266,7 258,1 259,7 61 255,9 262,3 262,0 262,9 12 261,7 268,0 261,3 265,8 62 259,4 262,6 263,9 263,9 13 260,1 270,2 261,0 262,6 63 260,4 263,2 264,8 258,8 14 259,7 269,6 266,7 266,4 64 258,5 262,0 263,2 256,6 15 261,0 269,3 261,3 258,8 65 260,4 264,5 263,6 262,6 16 262,0 260,4 263,2 262,9 66 258,5 263,9 260,1 260,7 17 262,0 259,4 264,2 262,3 67 261,7 264,2 263,6 260,4 18 259,7 261,0 261,7 264,8 68 257,2 263,9 260,7 260,7 19 260,4 260,4 261,3 261,0 69 258,8 260,1 259,7 266,1 20 263,6 258,8 264,8 263,2 70 266,4 261,0 259,7 264,8 21 264,8 259,4 261,7 254,6 71 264,5 262,3 262,0 262,0 22 264,8 258,8 259,7 258,5 72 263,6 260,1 257,8 264,2 23 262,3 261,7 262,0 258,8 73 261,0 260,1 258,5 262,9 24 263,9 260,7 261,3 261,7 74 262,9 260,7 259,1 260,7 25 264,8 263,6 262,6 263,9 75 266,4 259,7 259,7 260,4 26 264,2 263,9 262,6 262,0 76 263,2 262,3 260,7 263,6 27 258,5 262,0 259,4 263,2 77 263,2 263,9 261,7 263,2 28 262,6 259,4 260,1 262,6 78 264,5 262,0 259,4 264,5 29 262,9 259,1 258,8 259,7 79 262,3 261,3 256,9 261,7 30 265,8 255,9 262,6 266,1 80 263,6 258,8 259,1 259,7 31 262,3 260,4 262,0 263,6 81 263,6 258,5 261,3 255,6 32 260,4 256,9 259,7 264,2 82 261,7 261,0 259,7 258,5 33 262,0 260,4 260,4 258,8 83 262,6 260,1 260,1 258,8 34 262,9 261,7 260,1 264,5 84 261,7 259,7 260,1 261,0 35 263,6 262,0 262,3 266,7 85 262,6 260,7 260,7 261,3 36 263,2 262,0 265,5 255,3 86 262,9 262,6 263,6 265,5 37 260,4 262,3 263,2 259,4 87 260,1 263,2 261,0 261,7 38 264,5 262,0 256,6 261,0 88 262,0 262,3 257,5 260,4 39 263,6 264,2 268,0 261,0 89 262,0 262,9 259,4 262,9 40 263,6 262,9 267,4 262,6 90 263,6 262,9 264,8 263,9 41 261,7 263,9 263,2 259,7 91 261,3 262,9 264,8 269,6 42 261,7 265,5 255,3 266,7 92 262,0 263,2 262,6 272,8 43 262,9 269,9 263,2 266,4 93 262,9 262,0 264,5 264,8 44 261,7 268,3 262,3 260,1 94 262,9 264,2 261,0 264,5 45 262,3 264,8 263,6 262,3 95 261,3 261,3 262,3 264,5 46 261,0 261,7 263,6 266,4 96 262,0 265,8 262,3 262,0 47 260,7 261,7 269,6 261,0 97 262,3 262,9 262,9 259,1 48 263,6 264,2 263,9 259,4 98 263,9 264,8 262,6 260,4 49 261,7 263,2 266,4 259,4 99 262,3 263,9 265,2 260,4 50 261,3 263,2 263,9 260,4 100 266,4 269,3 263,2 265,8 II.6) Em operações financeiras pode-se ter ganhos e perdas. A tabela representa o saldo operacional de 80 dessas operações, estando os dados em mil dólares. Pede-se: a) Construir um histograma (graph/histogram/with fit) com esses dados e efetuar o teste de normalidade (stat/basic statistics/normality test); b) Obter os principais parâmetros descritivos amostrais (stat/basic statistics/display descriptive statistics); c) Fazer o sumário gráfico (stat/basic statistics/graphical summary); nele, interpretar os intervalos de confiança para alguns parâmetros populacionais (média, mediana e desvio padrão), com alfa de 10%; existem pontos “fora da curva” ou “outlayers” no boxplot? 1,07 -1,37 -2,63 -1,85 -0,16 1,00 2,32 -1,44 1,09 0,78 1,00 -0,53 -1,82 -0,96 0,35 2,31 0,83 -0,90 0,49 1,02 -1,89 1,63 2,46 0,18 -1,12 -3,73 1,03 0,46 -0,54 -0,79 -0,61 1,68 1,45 0,22 -3,15 -0,24 -2,09 -0,23 2,08 -0,67 -0,48 1,70 -0,15 -3,71 0,31 0,17 -2,59 -0,12 1,46 -2,29 0,03 -1,83 4,09 -0,07 2,94 -0,65 1,25 0,38 -3,09 0,74 3,98 -2,84 -2,52 -0,71 -0,37 -1,47 -0,04 -0,43 -1,94 -1,03 0,05 -0,88 -0,26 -1,85 -0,32 0,16 0,15 -0,04 2,56 -2,69 II.7) Gerar 120 números aleatórios, que sigam uma Distribuição Qui-Quadrado, com 4 graus de liberdade. Sendo a especificação de 1,2 a 9,4 segundos, pede-se: a) Construir um sumário gráfico (stat/basics statistics/graphical summary), com alfa de 1%, analisando o boxplot e o histograma, verificando que a distribuição não é uma Normal; b) Analisar os principais parâmetros estatísticos descritivos e indutivos; c) Que % de valores ultrapassa as tolerâncias? O processoé capaz? � III) TESTES DE HIPÓTESES E ANOVA III.1) Uma empresa observou, ao longo de um grande espaço de tempo, que a média e o desvio padrão da sua produção diária são de 3,2 e 0,4 toneladas, respectivamente. Novos dados foram obtidos, nos últimos 30 dias, obtendo-se os dados a seguir. Pede-se, com 99% de confiabilidade: a) Obter o intervalo de confiança da produção média populacional (stat/basic statistics/1 sample z); b) Testar que a proporção populacional de meses com produção inferior a 3,5 ton é de 30%, contra a alternativa de ser inferior a esse valor (stat/basic statistics/1 proportion); usar teste baseado na distribuição norma (n ≥ 30). 3,4 3,9 3,4 3,5 3,7 3,4 3,5 3,6 3,8 3,8 3,8 3,7 3,3 3,4 3,3 3,2 3,6 3,5 3,7 4,0 3,6 3,3 3,8 3,6 3,6 3,5 3,7 3,6 3,5 3,7 III.2) O consumo (km rodados por litro de gasolina automotiva), num longo período de utilização, atingiu um nível médio de 8,0 km/litro, com desvio padrão de 0,7 km/litro. Decidiu-se experimentar um novo tipo de gasolina, para saber se o consumo diminuiria. Ao longo de certo tempo, foi medido o consumo com a nova gasolina, coletando 20 dados (medidos em condições assemelhadas de processamento), obtendo-se a tabela. Efetuar testes de hipótese para provar se a nova gasolina roda mais km/litro, em média (stat/basic statistics/1 sample t), assim como para verificar se a variabilidade do consumo também é menor (stat/basic statistics/1 variance), ao nível de 5%. 8,5 9,0 7,6 7,9 8,4 8,8 9,7 8,0 7,6 8,3 8,2 9,1 8,6 7,8 7,9 8,2 7,9 8,0 7,6 7,8 III.3) Agora, testou-se uma gasolina importada. Coletada outra amostra de 20 medições (medidos também em condições assemelhadas), obteve-se os dados a seguir, em km/litro. Verificar se as duas últimas gasolinas têm condições assemelhadas de uso, quanto às variâncias (stat/basic statistics/2 variances) e às médias (stat/basic statistics/2 sample t), em km/litro, com um nível de 5% . 8,4 8,3 7,7 7,9 7,4 7,9 8,5 8,7 8,9 9,5 7,9 8,0 8,1 8,6 8,8 7,8 8,4 7,4 8,1 7,6 III.4) Um controle de qualidade foi realizado em 2 turnos, numa produção de um tipo de peça (condições assemelhadas). No diurno, 860 peças, de um total de 900 foram aprovadas. No noturno, de um total de 700 analisadas, 630 foram aprovadas. Ao nível de 10%, pode-se admitir que os turnos têm a mesma % de aprovação (stat/basic statistics/2 proportions), usando a opção “pooled estimate” (n ≥ 30)?. Em caso contrário, qual é a diferença das porcentagens populacionais de aprovação? III.5) Uma empresa quer comparar a qualidade de 2 fornecedores (A e B) de um mesmo parafuso. Para tal, pegou amostras de peças por eles produzidas e obteve os dados de medição de uma determinada característica crítica (quanto maior, melhor). Pede-se, com alfa = 5%, testar as hipóteses: a) Que a variância populacional de A é menor que a de B (stat/basic statistics/2 variances); b) Que as médias populacionais de A e B são iguais, contra a alternativa de serem diferentes (stat/basic statistics/2 sample t); qual o intervalo e confiança da diferença dessas médias?; c) Que as proporções populacionais de peças produzidas por eles, acima do valor 68, são iguais, contra a alternativa de serem diferentes (stat/basic statistics/2 proportions); qual o intervalo de confiança dessas proporções? Fornecedor A 68,2 68,6 62,5 67,9 68,4 63,8 63,6 68,8 59,0 66,3 69,8 58,4 65,5 63,2 57,9 66,4 66,6 64,0 64,6 64,5 68,3 68,3 66,8 64,3 69,0 69,2 60,9 69,3 70,5 61,7 63,3 75,0 61,5 61,7 66,0 68,2 63,2 68,5 62,8 67,0 Fornecedor B 58,7 79,1 74,9 62,3 61,8 78,1 67,2 71,7 67,2 71,7 70,3 61,6 66,3 63,6 65,4 67,0 70,9 65,8 70,9 65,8 62,7 71,0 66,7 67,7 67,8 66,3 69,3 62,2 69,3 62,2 III.6) Um analista deseja comparar o resultado da aplicação de um óleo sobre a resistência à oxidação de uma peça que produz. Para tanto, um experimento com “salt spray” foi realizado com 30 peças, sendo que a resistência (em horas de exposição) foi medida antes e depois do oleamento. Os resultados estão apresentados a seguir. Podemos afirmar que o óleo tem participação positiva no aumento do número de horas, com confiança de 98% (stat/basic statistics/paired t)? Antes Depois Antes Depois 1 582,77 600,95 16 570,66 570,22 2 579,92 611,00 17 575,81 607,06 3 573,93 598,63 18 589,49 603,22 4 577,94 576,81 19 576,13 605,08 5 586,98 591,97 20 602,78 608,51 6 577,45 602,52 21 579,69 592,72 7 591,06 607,62 22 590,30 597,88 8 586,38 613,63 23 574,78 608,15 9 582,07 595,34 24 583,15 615,20 10 576,39 603,55 25 578,63 602,70 11 587,91 596,26 26 608,64 603,48 12 583,90 589,87 27 589,28 603,81 13 562,54 595,28 28 583,79 594,47 14 569,89 599,87 29 580,33 617,51 15 574,24 606,98 30 573,15 607,70 III.7) Um analista resolveu comparar uma matéria prima, comprada de 6 fornecedores diferentes, de uma vez só, para checar se haveria diferença entre seus consumos médios, em kg por litro do produto que fabrica. Com os dados amostrais coletados, ao nível de 10%, testar pela ANOVA que as médias populacionais são iguais (stat/anova/one way); conferir, antes, a igualdade das variâncias populacionais (stat/anova/test por equal variances). Forn 1 Forn 2 Forn 3 Forn 4 Forn 5 Forn 6 8,2 8,0 8,2 8,6 8,8 9,0 8,3 7,3 8,1 7,7 8,6 9,2 8,1 7,4 8,3 8,0 8,0 8,8 7,5 7,6 7,7 7,8 7,9 8,7 7,9 7,9 7,5 8,0 8,8 9,1 7,8 8,1 8,0 8,1 9,0 8,6 III.8) Várias amostras de uma mesma liga metálica foram submetidas a 5 tratamentos de recozimento diferentes (A, B, C, D, E), nas resistências indicadas (MPa). Verificar, usando a ANOVA, ao nível de 7%, se existe diferença significativa entre os tratamentos aplicados (stat/anova/one way); antes, testar a igualdade das variâncias populacionais (stat/anova/test por equal variances). . A 3,9 4,1 3,7 4,3 4,2 B 3,7 3,9 3,9 3,9 3,7 C 4,2 3,9 3,6 3,9 4,0 D 4,1 3,8 3,9 3,8 3,9 E 4,0 3,8 3,9 3,6 3,9 III.9) Uma empresa está estudando a compra de carros entre 3 possíveis fornecedores (A, B, C), para renovar sua frota. Ela comprou 5 carros de cada um dos mesmos e, após 20.000 km rodados, mediu os custos de manutenção por km rodado (em reais); os resultados estão na tabela. Analisar os resultados pela ANOVA (stat/anova/one way), indicando suas recomendações para a Diretoria. Lembre-se de, testar a igualdade das variâncias populacionais (stat/anova/test por equal variances). Usar ( = 5%. . A B C 11,82 13,05 12,53 11,43 10,13 11,30 10,00 10,45 9,81 12,40 9,94 12,08 11,17 10,00 10,45 III.10) Numa experiência com banhos de niquelação, foram usados 5 produtos (P1, P2, P3, P4, P5) à base de níquel, submetidos a 4 ambientes corrosivos (A1, A2, A3, A4), tendo sido registradas as horas de resistência em câmaras padronizadas até iniciarem a corrosão. Utilizar a ANOVA para verificar se existem diferenças significativas entre os ambientes e entre os produtos (stat/anova/two way), ao nível de 10%. Testar, antes, a igualdade das variâncias populacionais (stat/anova/test for equal variances). P1 P2 P3 P4 P5 A1 7164 7232 7080 7346 6887 A2 7169 7284 7042 7512 7002 A3 7172 7134 6997 7406 7093 A4 7098 7120 7111 7200 6953 III.11) Num experimento com tratamentos de alívio de tensões, foram usados 4 temperaturas (T1, T2, T3, T4) por3 tempos diferentes (t1, t2, tt), tendo sido registradas as durezas finais, em Brinell. Utilizar a ANOVA para verificar se existem diferenças significativas entre as temperaturas e entre os tempos (stat/anova/two way), ao nível de 6%. Testar, antes, a igualdade das variâncias populacionais (stat/anova/test por equal variances). T1 T2 T3 T4 t1 84 80 79 75 t2 79 70 70 64 t3 71 64 62 58 III.12) Uma concessionária de estradas rodoviárias está analisando o número de passagem de veículos por período, para 2 praças de pedágio de uma estrada (P1 e P2), tendo encontrado os seguintes dados de passagem por minuto. Com alfa de 5%, testar as hipóteses: Que a média de passagem em P1 é inferior a 2,1 carros por minuto; Que os dois pedágios têm diferentes médias de passagem. 101 113 98 104 113 95 123 114 107 109 107 113 89 94 116 106 118 112 113 97 102 105 130 104 101 92 116 122 127 109 101 114 125 111 121 106 128 106 104 104 114 125 118 135 132 117 106 122 109 99 102 119 126 108 127 100 118 88 127 118 127 122 116 130 134 123 126 107 100 123 127 129 131 118 137 124 134 III.13) Uma loteria tem 10 alternativas numéricas (1 até 10). Efetuando-se 200 sorteios foram obtidas as seguintes freqüências de saídas dos números. Suspeita-se que o sorteio está viciado, sendo que alguns números ocorrem mais vezes que outros. Com alfa de 10%, existe evidência desse fato? Número 1 2 3 4 5 6 7 8 9 10 Freqüência 19 18 22 19 21 20 19 23 22 17 � IV) CORRELAÇÃO E REGRESSÃO IV.1) Num teste de repetitividade, queremos determinar ser há correlação entre uma primeira medição (Xi) e a medição subseqüente (Yi). Em termos práticos, isso significaria que um alto valor observado na primeira medição levaria a um alto valor na próxima medição. Efetuar o teste de correlação populacional para os dados amostrais indicados, ao nível de 10% (stat/basic statistics/correlation); convém, antes, observar os dados graficamente (graph/scatterplot). Xi 9,0 7,6 7,9 8,4 8,8 9,7 8,0 7,6 8,3 8,2 9,1 8,6 7,8 7,8 Yi 8,5 9,0 7,5 7,9 8,4 8,8 9,7 8,0 7,6 8,3 8,2 9,1 8,6 7,8 IV.2) A tabela mostra a relação entre a produção anual de tinta de uma empresa, X, em bilhões de litros, e os respectivos lucros, Y, em milhões de reais. Pede-se: a) Analisar as variáveis graficamente (graph/scatter plot) e calcular o coeficiente de correlação; b) Testar se existe correlação na população, com um nível de significância de 5% (stat/basic statistics/correlation); c) Achar a equação da regressão linear que melhor se adapta aos dados e estimar o lucro em 2011, quando se espera que a produção atinja 9000 bilhões de litros (stat/regression/regression). Ano 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 X 2010 2370 2600 2380 3125 3880 4978 5206 7000 8233 Y 20,51 40,33 51,49 67,46 72,11 109,52 114,24 171,71 192,06 236,37 IV.3) A tabela mostra a relação entre a área plantada de lavoura de café, X, em hectares, em função da renda bruta auferida, Y, em milhões de reais, para 10 propriedades agrícolas de uma mesma região do país. Pede-se, com alfa de 1%: a) Ajustar uma função linear e calcular o coeficiente de explicação; avaliar a renda, se a área for de 50 hectares (stat/regression/regression); b) Ajustar outras funções (stat/regression/fitted line plot) como, por exemplo: b1) Exponencial; b2) Potência; b3) Parabólica; b4) Cúbica X 21,2 12,7 15,1 9,7 29 7,3 39,3 45,4 38,7 26,6 Y 1406 1429 1628 1484 1937 1291 8322 9783 7461 3163 IV.4) Uma empresa anotou as involuções de devoluções de um de seus produtos principais, Y, em mil unidades, ao longo de alguns meses de um ano. Pede-se, com alfa de 5%: a) Ajustar uma reta aos dados, calcular R2 e avaliar a devolução para dezembro (stat/regression/regression); em que data espera-se zerar a devolução? b) Idem, para as funções exponencial, potência, quadrática e cúbica (stat/regression/fitted line plot). Obs.: trata-se aqui de uma série temporal; para ela, deve-se criar uma alternativa para o tempo (X), na forma de uma progressão aritmética do tipo1, 2, 3, 4, .....10. Mês Jan Fev Mar Abr Maio Jun Jul Ago Set Out Devolução 213 194 165 123 95 77 63 52 42 19 IV.5) São dadas as evoluções do lucro de uma empresa, Y, em milhões de reais, ao longo de alguns meses de um ano, em função das vendas de 3 produtos (X1, X2, X3), em toneladas. Mês Jan Fev Mar Abr Maio Jun Jul Ago Set Out Nov Dez Y 5634 5599 5714 5883 6169 6822 6749 6936 7456 7477 8343 8852 X1 843 888 879 892 902 920 928 916 937 946 945 1003 X2 386 387 391 399 408 418 418 429 435 455 467 481 X3 76 78 83 88 98 99 103 111 121 134 145 158 Pede-se, com alfa de 8%: a) Avaliar, por uma regressão simples, o lucro para janeiro do ano seguinte (série temporal), considerando apenas o produto X1; ajustar por diferentes modelos (linear, exponencial, potência, parábola, cúbica); estabelecer a equação e o R2 (stat/regression/fitted loine plot); b) Elaborar uma regressão linear múltipla, do lucro em relação às produções, projetando o lucro para produções de 1200, 550 e 200 toneladas, respectivamente (stat/regression/regression); qual produto tem maior influência no lucro (stat/regression/best subsets)? IV.6) A tabela a seguir mostra a variação da resistência de um cimento (Y, em kgf/mm2), em função da sua permeabilidade (X1, em porcentagem), do seu teor de umidade (X2, em porcentagem), do seu teor de argila (X3, em porcentagem) e do seu teor de carbono (X4, em porcentagem), em amostras de cimento produzidas por uma usina. Pede-se efetuar modelagens com regressões lineares múltiplas (stat/regression/regression). Utilizar também a opção stat/regression/best subsets. Y X1 X2 X3 X4 1005,97 13,1 2,5 22,7 0,1 1006,37 13,3 2,9 23,4 0,3 1006,53 14,0 3,5 24,2 0,4 1006,77 15,2 3,5 25,5 0,6 1006,78 17,4 4,0 26,2 0,9 1007,61 17.2 4,3 28,0 1,2 1008,80 19,5 4,8 32,3 1,4 1009,86 20,4 5,0 35,5 1,8 1011,43 22,8 5,7 40,0 2,0 1011,70 25,1 7,0 42,3 3,0 IV.7) A tabela a seguir mostra resultados de experimentos laboratoriais com amostras de folhas de uma liga de alumínio, relacionando o resultado do embutimento Y, em %, em função da espessura da folha X1, em mm, do limite de resistência à tração X2, em kfg/mm2, do alongamento X3, em % e dos teores de silício, ferro e titânio (X4, X5 e X6, respectivamente). Efetuar modelagens com regressões lineares (stat/regression/regression). Utilizar também a opção stat/regression/best subsets. Folha Y X1 X2 X3 X4 X5 X6 1 29,8 0,032 9,9 7,0 0,530 0,710 0,036 2 30,2 0,030 9,7 8,5 0,595 0,835 0,020 3 30,8 0,031 9,6 8,5 0,590 0,825 0,021 4 32,5 0,032 9,6 8,5 0,580 0,805 0,022 5 34,8 0,032 10,1 9,3 0,510 0,795 0,018 6 32,6 0,032 10,1 8,8 0,550 0,790 0,029 7 32,8 0,032 10,5 9,0 0,615 0,850 0,022 8 33,7 0,032 10,2 9,6 0,610 0,785 0,029 9 29,0 0,031 10,4 8,7 0,550 0,800 0,040 10 31,6 0,031 9,9 10,1 0,585 0,775 0,024 11 32,6 0,033 9,4 9,0 0,595 0,820 0,021 12 32,0 0,031 9,9 10,3 0,575 0,840 0,026 13 30,3 0,030 9,9 10,5 0,580 0,860 0,013 � Para entrar mais variáveis,devo modificar o alfa Para saber o melhor subconjunto na fórmula das variáveis Vejo o melhor R quadrado ajustado e retiro variáveis que não contribuem para o modelo R square deveria ser acima de 75% V) FATORIAIS COMPLETOS Obs.: Serão sempre 3 etapas: Delinear o experimento: stat/doe/factorial/create factorial design » number of factors (escolher) » designs (escolher) » factors (digitar nomes e dados) » options (tirar randomize) » results (última opção) » criar coluna de resultados e digitar dados; Analisar os resultados: stat/doe/factorial/analyse factorial design » graphs (pedir Pareto e escolher alfa) » results (full table, selecionar termos); Plotar os fatoriais: stat/doe/factorial/factorial plots » main effects, interaction plot e cube plot (escolher todos) » set (escolher response e selecionar termos, nos 3 casos). V.1) Foi realizado um experimento fatorial completo (caso 1, variáveis, sem repetição), com 3 fatores e 2 níveis, sem repetição, originando os valores da variável resposta indicados a seguir. Variável resposta (Y) = resistência de uma peça de aço liga temperada, em N/m2; Fator A = velocidade de resfriamento da têmpera (óleo mineral e sintético); Fator B = temperatura de têmpera (840 e 860°C); Fator C = % carbono do aço (0,60 e 0,65%). Os 8 resultados do experimento, ordenados, estão mostrados abaixo. Pede-se analisar, com alfa de 5%, quais são os fatores e as interações significativos. Em que níveis deveriam ser colocados esses fatores, de forma que a variável resposta seja otimizada? Resultados: 160 / 158 / 195 / 180 / 159 / 150 / 188 / 174 N/m2. V.2) Analisar, por fatorial completo (caso 2 = atributos, com repetição), se existem diferenças entre os resultados obtidos em 2 máquinas (M1 e M2), com 2 operadores (O1 e O2), quanto a quantidade de peças rejeitadas na produção, usando alfa de 4%. Combinação Nº peças produzidas Nº peças rejeitadas M1 e O1 5000 118 M1 e O2 5000 166 M2 e O1 5000 264 M2 e O2 5000 236 Obs.: em “replicates”, optar por 1; ao indicar resultados, fornecer os percentuais dos eventos. V.3) Uma empresa está buscando minimizar as perdas operacionais de um processo. Para tanto, quer saber quais são os fatores que exercem maior influência nesta perda. Os fatores a serem estudados são: Tempo de processamento: 10 e 12 minutos; Pressão de processamento: 5 e 15 psi; Ph da mistura: 6 e 7. Todos os outros fatores foram mantidos constantes, para não influírem nos resultados. Efetuar a análise fatorial completa (caso 3 = variáveis, com repetição), com alfa de 5% (considerar cada dia como uma repetição). Dia 1 Dia 2 Dia 3 Dia 4 6,0 6,2 6,8 5,9 7,5 7,3 7,0 6,4 6,3 6,0 6,1 7,0 6,8 6,7 6,8 6,9 6,9 6,3 6,6 5,9 8,4 8,4 8,2 6,0 7,0 7,3 6,0 6,3 7,5 7,1 7,6 7,1 V.4) Numa indústria que produz polímeros, deseja-se analisar o efeito de algumas variáveis do processo sobre a resistência final do material resultante (caso 1, variáveis, sem repetição. Fatores escolhidos: Tipo de catalisador (nacional e importado); Tipo de aditivo (titânio e cromo); Temperatura (120 e 140(C); Tempo (15 e 20 minutos). As resistências obtidas, em N/m2, nos 16 ensaios foram, respectivamente: 20 / 22 / 28 / 34 / 26 / 20 / 17 / 19 / 24 / 18 / 32 / 22 / 29 / 16 / 25 /14 Calcular todos os efeitos, para fatores e interações por análise fatorial completa (caso 1 = variáveis, sem repetição), com alfa de 5%. Construir o gráfico de Pareto e tirar conclusões a respeito das suas significâncias, com alfa de 10%. � VI) ANÁLISES DE PROCESSOS (CEP) VI.1) Tabela: conjunto de dados de variáveis (apenas os centésimos), da medição de um diâmetro, cuja especificação é de 21,10 a 21,90 mm (amostragem horária, num dia típico de produção). Pede-se: Construir o histograma (graph/histogram) e fazer o teste de normalidade (stat/basic statistics/normality test); Analisar a estabilidade pela carta de controle de média e amplitude ou de média e desvio padrão (stat/control charts/variable charts for subgroups/Xbar-R ou Xbar-S); Analisar a capacidade do processo (stat/quality tools/capability analysis/normal); elaborar a capacidade sixpack (stat/quality tools/capability sixpack/normal). Horas 01 02 03 04 05 06 07 08 09 10 11 12 Peça 1 30 86 88 44 59 37 23 60 61 42 28 54 Peça 2 54 68 68 66 65 34 36 72 52 64 55 25 Peça 3 41 43 46 48 78 75 90 35 52 52 38 40 Peça 4 62 58 30 37 58 71 45 51 49 40 65 72 Peça 5 65 73 61 56 33 51 48 69 31 63 56 90 Horas 13 14 15 16 17 18 19 20 21 22 23 24 Peça 1 31 42 25 65 50 79 65 51 48 53 54 84 Peça 2 57 21 36 50 86 61 75 58 38 52 56 52 Peça 3 38 45 25 41 60 81 92 46 28 61 36 88 Peça 4 58 24 34 39 60 66 70 76 72 62 46 68 Peça 5 30 55 67 48 66 37 45 56 96 60 71 54 VI.2) Dado o resultado da medição do peso de 20 amostras de pequenas embalagens, em gramas, cada amostra tendo 10 embalagens. A partir desses resultados, verificar se o processo pode ser considerado estável (carta Xbarra-S) e capaz (stat/quality tools/capability analysis/normal). Especificação: 9,0 a 15,0 g. Ao final, elaborar a análise sixpack (stat/quality tools/capability sixpack/normal). . Dados Dia 6 Dia 7 Dia 8 Dia 9 Dia 10 Dia 11 Dia 12 Dia 13 Dia 14 Dia 15 1 13,0 10,1 12,2 10,8 9,8 11,2 9,2 10,4 10,8 12,0 2 11,0 11,0 10,5 11,2 13,0 13,0 11,0 11,4 9,2 11,3 3 12,0 11,5 9,3 11,1 13,1 10,1 11,3 11,8 11,4 11,9 4 12,5 9,7 10,8 12,8 11,2 12,0 10,2 11,2 12,0 11,6 5 10,5 12,5 11,5 10,0 10,8 11,1 9,3 10,0 10,2 10,3 6 9,5 11,2 12,7 9,5 11,0 9,3 11,7 10,2 10,4 12,5 7 11,0 11,0 9,5 11,5 11,5 10,2 12,4 10,5 9,4 12,0 8 11,6 9,0 11,1 11,4 13,5 12,5 9,8 13,4 10,5 12,4 9 13,7 10,4 11,2 12,8 11,2 10,5 13,4 11,2 11,2 11,0 10 9,8 10,8 11,0 13,1 12,6 11,0 11,2 10,5 10,6 10,3 Dia 16 Dia 17 Dia 18 Dia 19 Dia 20 Dia 21 Dia 22 Dia 23 Dia 24 Dia 25 12,5 12,4 11,3 10,8 10,8 11,4 10,6 11,4 10,7 11,3 9,1 13,4 11,6 13.1 12,6 10,2 11,2 12,2 10,5 9,0 9,6 14,0 11,2 11,2 11,3 11,4 9,8 11,8 9,7 11,2 10,4 12,6 12,2 11,8 9,4 9,4 11,2 12,7 10,5 10,4 9,3 11,3 11,2 11,5 13,0 13,0 12,0 11,7 11,5 14,0 10,8 11,5 10,7 11,7 11,5 10,8 10,2 12,6 10,2 11,2 12,9 10,8 10,4 9,8 10,7 9,4 11,9 11,5 10,2 11,5 14,2 10,2 12,8 10,5 10,2 11,2 10,3 10,7 11,4 10,1 11,0 10,5 11,2 10,0 12,2 11,5 10,2 10,2 10,7 13,0 10,0 11,8 11,0 12,6 11,8 13,6 10,9 13,6 10,0 11,4 VI.3) Na fabricação da massa para placas de baterias, mede-se o percentual de chumbo livre na massa. Admitindo que a especificação para a porcentagem de chumbo livre seja de 25 a 32 %, pede-se analisar se o processo está estável (stat/control charts/variable charts for individuals/I-MR) e capaz (stat/quality tools/capability analysis/normal). Dia 11/jan 11/jan 11/jan 11/jan 11/jan 11/jan 12/jan 12/jan 14/jan 14/jan Hora 8 9 10 11 13 14 9 10 8 9 Valor 26 28 24 21 24 23 25 24 26 24 Dia 14/jan 14/jan 14/jan 16/jan 16/jan 16/jan 16/jan 17/jan 17/jan 17/jan Hora 10 11 13 13 14 15 16 13 14 15 Valor 25 26 25 24 25 24 26 24 25 23 VI.4) Uma empresausa latões para embalagem, fornecidos externamente. Nos últimos meses os latões vinham sendo entregues com vários problemas (sujeira, ferrugem, etc), e em média tinha-se 5% dos latões que não podiam ser usados. O fornecedor estabeleceu um plano de controle dos latões. Para verificar se houve melhoria, o consumidor resolveu pegar amostras diárias de 500 latões e fazer uma inspeção nos mesmos, durante 25 dias, e as quantidades de latões ruins estão indicadas. Analisar, por atributos (attributes charts/carta p), se está havendo melhoria no fornecimento. Fazer uma análise de capacidade (stat/quality tools/capability analysis/binomial), com target de 5%. Dia 1 2 3 4 5 6 7 8 9 Quant. 12 15 19 13 9 26 18 14 17 Dia 10 11 12 13 14 15 16 17 18 Quant. 18 16 24 11 31 16 10 16 17 Dia 19 20 21 22 23 24 25 Quant. 20 15 8 13 12 17 18 VI.5) Uma empresa compra vidros de cola e tem percebido que eles têm vindo com variação de peso. Ela resolveu fazer um controle do peso dos vidros, a partir de algumas amostras, obtendo os dados a seguir. Construir uma carta de atributos (attributes charts/carta p), visando analisar a quantidade mensal de vidros abaixo do peso. Se o fornecedor informar que manda no máximo 1% dos vidros abaixo do peso, é possível confiar em sua informação? Fazer uma análise de capacidade (stat/quality tools/capability analysis/binomial), com target de 1%. Mês 03/03 05/03 07/03 10/03 15/03 16/03 18/03 20/03 Amostra 968 1.216 804 1.401 1.376 995 1.202 1.028 Qt. fora 8 13 13 16 4 15 13 10 Mês 23/03 26/03 02/04 05/04 06/04 08/04 11/04 13/04 Amostra 1.184 542 1.325 1.066 1.721 1.305 1.190 2.306 Qt. fora 24 18 16 17 19 9 14 9 Mês 20/04 25/04 30/04 03/05 10/05 13/05 17/05 22/05 Amostra 1.365 973 1.058 1.244 342 1.433 1.225 1.352 Qt. fora 13 5 15 19 10 17 13 15 VI.6) Um laboratório de ensaios testa cada lote de placa polimérica que produz, para analisar seu grau de qualidade, em amostras de 5 m2 de área. Numa análise de 24 lotes, quanto ao número de bolhas encontradas, foram obtidos os resultados da tabela. Construir uma carta de controle (attributes charts/carta u), verificando se o processo está estável. Analisar a capacidade do processo (stat/quality tools/capability analysis/Poisson). Admitir target de 5 DPU. Lote 1 2 3 4 5 6 7 8 9 10 11 12 Nº bolhas 7 6 4 12 7 11 9 6 12 7 12 12 Lote 13 14 15 16 17 18 19 20 21 22 23 24 Nº bolhas 11 13 5 6 5 16 6 9 6 11 14 15 VI.7) Uma empresa que produz peças soldadas anotou os diferentes defeitos encontrados, obtendo os dados abaixo. Pede-se construir uma carta de atributos (attributtes charts/carta u), verificando se o processo é estável. Analisar a capacidade, com target de 0,015. (stat/quality tools/capability analysis/Poisson).. Data Amostra Posição Escória Mordedura Porosidade Outros Total 01 980 2 7 5 3 1 02 1000 3 6 4 5 1 03 1200 3 6 6 4 1 04 1200 5 6 5 4 1 05 1100 8 4 3 7 2 08 950 10 2 2 8 0 09 970 7 4 4 4 3 10 800 8 8 3 2 1 11 1100 6 7 2 3 3 12 1050 9 6 6 1 2 15 1200 4 4 3 3 0 16 1200 4 3 3 2 1 17 1200 3 2 1 4 1 18 930 3 1 2 5 2 19 800 2 3 3 5 1 22 970 4 2 2 6 2 23 1000 3 0 4 4 2 24 1600 6 7 10 6 4 25 650 2 2 2 4 0 26 730 2 3 1 5 1 29 600 2 2 4 3 2 30 680 3 1 3 1 1 VI.8) Num estudo de RR, com relógio comparador, foram usados 10 peças, 3 operadores e 3 repetições, obtendo as medidas mostradas. Efetuar análises, indicando se o sistema está adequado, de acordo com a TS16949 (stat/quality tools/gage study/gage study R&R crossed), método ANOVA. Peça Operador Medida Peça Operador Medida 1 A 0,29 6 B -0,20 1 A 0,41 6 B 0,22 1 A 0,64 6 B 0,06 2 A -0,56 7 B 0,47 2 A -0,68 7 B 0,55 2 A -0,58 7 B 0,83 3 A 1,34 8 B -0,63 3 A 1,17 8 B 0,08 3 A 1,27 8 B -0,34 4 A 0,47 9 B 1,80 4 A 0,50 9 B 2,12 4 A 0,64 9 B 2,19 5 A -0,80 10 B -1,68 5 A -0,92 10 B -1,62 5 A -0,84 10 B -1,50 6 A 0,02 1 C 0,04 6 A -0,11 1 C -0,11 6 A -0,21 1 C -0,15 7 A 0,59 2 C -1,38 7 A 0,75 2 C -1,13 7 A 0,66 2 C -0,96 8 A -0,31 3 C 0,88 8 A -0,20 3 C 1,09 8 A -0,17 3 C 0,67 9 A 2,26 4 C 0,14 9 A 1,99 4 C 0,20 9 A 2,01 4 C 0,11 10 A -1,36 5 C -1,46 10 A -1,25 5 C -1,07 10 A -1,31 5 C -1,45 1 B 0,08 6 C -0,29 1 B 0,25 6 C -0,67 1 B 0,07 6 C -0,49 2 B -0,47 7 C 0,02 2 B -1,22 7 C 0,01 2 B -0,68 7 C 0,21 3 B 1,19 8 C -0,46 3 B 0,94 8 C -0,56 3 B 1,34 8 C -0,49 4 B 0,01 9 C 1,77 4 B 1,03 9 C 1,45 4 B 0,20 9 C 1,87 5 B -0,56 10 C -1,49 5 B -1,20 10 C -1,77 5 B -1,22 10 C -1,45 P1 P2 �PAGE � �PAGE �19�
Compartilhar