Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Estatstica Industrial
Jos Luis Duarte Ribeiro & Carla ten Caten
Editores
Porto Alegre, RS
2000
Estatstica Industrial
Jos Luis Duarte Ribeiro & Carla ten Caten, editores
Projeto Grfico
Lia Buarque de Macedo Guimares
Editorao Eletrnica
Andria Fabiane Nahra Leal
Fabiane Ely
Ilustrao da Capa
Arcngelo Ianelli, Natureza-morta
1960 leo s/ tela 70 X 83 cm
IPHAN, Museu Nacional de Belas Artes
Estatstica Industrial
Introduo .......................................................................................................................... 1
Variabilidade ................................................................................................................................................... 1
Mtodos estatsticos ....................................................................................................................................... 2
Coleta de dados .............................................................................................................................................. 3
Funes .......................................................................................................................................................... 5
Grficos ........................................................................................................................................................... 5
Exerccios........................................................................................................................................................ 6
Distribuies de freqncia............................................................................................ 10
Intervalos de classe ......................................................................................................................................10
Regras gerais para elaborar uma distribuio de freqncia .......................................................................11
Histogramas e polgono de freqncia .........................................................................................................11
Distribuio de freqncias relativas ............................................................................................................12
Distribuio de freqncias acumuladas ......................................................................................................12
Curvas de freqncia suavizadas .................................................................................................................13
Tipos de distribuies de probabilidade (frequncia relativa) ......................................................................13
Medidas de tendncia central e variabilidade ............................................................... 16
Medidas de tendncia central .......................................................................................................................16
Medidas de variabilidade ..............................................................................................................................20
Exerccios......................................................................................................................................................22
Probabilidade ................................................................................................................... 24
Campo amostral e eventos ...........................................................................................................................24
Operaes com conjuntos ............................................................................................................................24
Definio de probabilidade ...........................................................................................................................25
Soma de probabilidades ...............................................................................................................................25
Exemplo 1: ....................................................................................................................................................26
Exemplo 2: ....................................................................................................................................................27
Produto de probabilidades ............................................................................................................................27
Eventos independentes ................................................................................................................................28
Probabilidade total ........................................................................................................................................29
Teorema de Bayes ........................................................................................................................................30
Distribuies de probabilidade ...................................................................................... 34
Distribuies discretas mais importantes .....................................................................................................35
Distribuies contnuas mais importantes ....................................................................................................38
Estimativa de parmetros ............................................................................................... 53
Estimativas pontuais .....................................................................................................................................53
Estimativas por intervalo de confiana .........................................................................................................54
Intervalo de confiana para a mdia, varincia conhecida...........................................................................55
Erro de estimao .........................................................................................................................................57
Intervalo de confiana para a mdia, varincia desconhecida .....................................................................58
Intervalo de confiana para a diferena entre duas mdias, varincia conhecida .......................................60
Intervalo de confiana para a diferena entre duas mdias, varincia desconhecida .................................61
Intervalo de confiana para a diferena entre observaes .........................................................................62
Intervalo de confiana para a varincia ........................................................................................................63
Intervalo de confiana para o quociente entre duas varincias ...................................................................65
Intervalo de confiana para o parmetro da Binomial ..................................................................................67
Testes de hiptese .......................................................................................................... 71
Comentrios iniciais ......................................................................................................................................71
Comparao de mdias, varincia conhecida ..............................................................................................72
Comparao de mdias, varincia desconhecida ........................................................................................74
Comparao de pares de observaes ....................................................................................................... 77
Comparao de varincias .......................................................................................................................... 78
Comparao dos parmetros da Binomial ................................................................................................... 80
Comparao de vrios grupos: a anlise de varincia.................................................85
Comentrios iniciais ..................................................................................................................................... 85
One-way ANOVA ......................................................................................................................................... 85
Regresso linear simples .............................................................................................103
Comentrios iniciais ................................................................................................................................... 103
Correlao .................................................................................................................................................. 103
Teste de hiptese para o coeficiente de correlao .................................................................................. 106
Regresso linear simples ........................................................................................................................... 107
Relao entre o coeficiente de correlao e a regresso ......................................................................... 108
Varincia dos estimadores ......................................................................................................................... 109
Intervalos de confiana e testes de hiptese ............................................................................................. 109
Previso de valores de Y .......................................................................................................................... 111
Anlise da validade do modelo .................................................................................................................. 112
Intervalo de variao para X ...................................................................................................................... 114
A anlise de varincia e a regresso ......................................................................................................... 114
Dados atpicos............................................................................................................................................ 116
Regresso no-linear simples.................................................................................................................... 116
Regresso linear mltipla ............................................................................................120
O modelo da regresso linear mltipla ...................................................................................................... 120
Notao matricial ....................................................................................................................................... 121
Estimativa dos coeficientes ........................................................................................................................ 121
Matriz de varincias e covarincias ........................................................................................................... 126
Testes de hiptese ..................................................................................................................................... 127
Coeficientes de determinao para o modelo de regresso mltipla ........................................................ 129
Previso de valores de Y .......................................................................................................................... 130
Anlise das suposies do modelo de regresso...................................................................................... 131
Regresso polinomial ................................................................................................................................. 131
1
Introduo
Jos Luis Duarte Ribeiro
Carla ten Caten
Fontes de variabilidade
Reduo de variabilidade
Populao
INFERNCIA
Algarismos significativos No caso de variveis contnuas, um valor 2,51 indica que o verdadeiro
valor est compreendido entre 2,505 e 2,515. Os algarismos corretos,
no contando os zeros necessrios para a localizao da vrgula,
chamam-se Algarismos Significativos.
Y = F(X)
T = F(W)
H=F(T)
20 16
16 DUREZA
12
12
R 8
8
4 4
0 0
0 1 2 3 4 5 6 10 12 14 16 18
2 4 6 8
ESPAAMENTO
TEMPO DE TRAT. TRMICO
EXERCCIOS
X1 = 0,8078
X2 = 52,35
X3 = 6927
Corsa: 240 l
Uno: 224 l
Hobby: 325 l
Gol: 146 l
Marca Volume
Gol 235.000
Estatstica Industrial
1. Introduo 7
Uno 225.000
Corsa 110.000
Tipo 107.000
Escort 97.000
Total 774.000
Exerccio 1.9. A empresa JKL fez um levantamento das vendas, obtendo as seguintes
informaes:
Modelo \ UF RS SP RJ
AB3 532 633 587
XP9 459 501 492
ZC4 146 152 149
KW1 721 930 773
Mat 3 5 3 2 7 9 4 8 6 5
Est 6 5 5 6 10 8 7 8 7 9
Compressor 7
Selo 2
Junta 12
Mangueira 6
Vedao 30
outros 3
2
Distribuies de freqncia
Jos Luis Duarte Ribeiro
Carla ten Caten
12,58 12,97 13,45 13,53 13,59 13,61 13,62 13,78 13,97 14,21
14,47 14,51 14,53 14,58 14,65 14,78 14,83 14,97 15,06 15,13
15,17 15,23 15,29 15,37 15,40 15,45 15,51 15,62 15,67 15,73
15,83 15,98 16,01 16,11 16,17 16,23 16,35 16,43 16,49 16,52
16,67 16,83 16,97 17,05 17,13 17,22 17,3 17,48 17,8 18,47
Amplitude do intervalo Quando todos os intervalos de classe tm a mesma amplitude, essa calculada
de classe fazendo-se a diferena entre dois limites inferiores ou dois limites superiores
sucessivos. Caso contrrio, teremos uma amplitude varivel.
Ponto mdio de uma obtido somando-se o limite inferior ao superior e dividindo por dois. Assim,
classe o ponto mdio do intervalo 12,50 a 13,50 (12,50+13,50)/2 = 13,00
c) Define-se o limite superior da ltima classe (LS), que deve ser igual ou
ligeiramente superior ao maior valor das observaes;
( LS LI ) (18,50 12,50)
Para o exemplo, a = = =1
K 6
a) a base sobre um eixo horizontal com centro no ponto mdio e largura igual
a amplitude do intervalo de classes;
16 16
12 12
8 8
Figura 4 - Histograma e 4 4
polgono de freqncias
absolutas para o exemplo 0 0
12 13 14 15 16 17 18 19 12 13 14 15 16 17 18 19
anterior
Eq 1: freq. da classe
Freq. relativa = x100
freq. todas classes
Eq 2: freq. da classe 3
Freq. relativa = x 100 = x 100 = 6%
freq. todas classes 50
32% 32%
24% 24%
16% 16%
8% 8%
Figura 5 - Histograma e
0% 0%
polgono de freqncia relativa 12 13 14 15 16 17 18 19 12 13 14 15 16 17 18 19
para o exemplo anterior
50 100%
40 80%
30 60%
20 40%
10 20%
Figura 6 - Polgono de 0 0%
freqncias acumulada 12,5 13,5 14,5 15,5 16,5 17,5 18,5 12,5 13,5 14,5 15,5 16,5 17,5 18,5
absolutas e relativas
TIPOS DE
DISTRIBUIES DE
PROBABILIDADE A Figura 7 apresenta diversos tipos de distribuies de probabilidade.
(FREQNCIA
RELATIVA)
2. Distribuies de freqncia
14 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
Figura 7 - Tipos de
distribuies de freqncia.
Uniforme Exponencial
5,1 5,3 5,3 5,6 5,8 5,9 6,0 6,1 6,2 6,2
6,3 6,3 6,3 6,4 6,4 6,4 6,5 6,5 6,6 6,7
6,7 6,8 6,8 6,9 6,9 7,0 7,1 7,1 7,2 7,2
7,3 7,4 7,5 7,5 7,6 7,6 7,6 7,7 7,7 7,8
7,8 7,9 7,9 8,0 8,0 8,1 8,2 8,3 8,3 8,4
8,5 8,5 8,6 8,7 8,8 8,8 8,9 9,0 9,1 9,2
9,4 9,4 9,5 9,5 9,6 9,8 9,9 10,0 10,2 10,2
10,4 10,6 10,8 10,9 11,2 11,5 11,8 12,3 12,7 14,9
Exerccio 2.2. Suavize o grfico de freqncias acumuladas obtido no exerccio anterior, e ento
estime o percentual das operaes onde o tempo dever ultrapassar 10 minutos.
Exerccio 2.3. Os dados a seguir representam a espessura (em mm) de uma pea mecnica.
Organize esses dados em uma tabela de freqncias relativas e depois plote o
histograma de freqncias relativas, o polgono de freqncias relativas e o grfico
de freqncias relativas acumuladas.
20,4 22,3 23,1 23,5 23,8 24,1 24,3 24,3 24,6 24,8
24,9 25,0 25,1 25,3 25,3 25,4 25,6 25,7 25,8 26,0
26,0 26,1 26,2 26,2 26,3 26,5 26,6 26,7 26,8 26,9
27,1 27,1 27,3 27,5 27,7 27,9 28,0 28,3 28,7 29,6
Exerccio 2.5. Tendo em vista os polgonos de freqncia obtidos nos exerccios 2.1. e 2.3.
voc diria que as populaes do tempo e da espessura apresentam distribuio
de probabilidade simtrica ou assimtrica?
MEDIDAS DE TENDNCIA H vrias medidas de tendncia central. Entre elas citamos a mdia
CENTRAL aritmtica, a mediana, a mdia harmnica, etc. Cada uma dessas
medidas apresenta vantagens e desvantagens, e a escolha depende dos
objetivos desejados. A seguir veremos como feito o clculo dessas
medidas.
Eq 3:
x1 +...+ x n 1 n
X = = xi
n n i =1
Mdia aritmtica para Quando a informao disponvel o ponto mdio do intervalo i (Xi) e a
dados agrupados freqncia do intervalo i (fi), a mdia calculada como:
Eq 5: K
fi X i
f 1 X 1 + .... + f K X K i =1
X = =
f 1 + .... + f K K
fi
i =1
Mdia aritmtica Algumas vezes associa-se a cada observao um peso Wi, onde esse peso
ponderada representa a importncia atribuda a cada observao. Nesse caso a
Estatstica Industrial
3. Medidas de tendncia central e probabilidade 17
Eq 7: n
wi x i
w1 x1 +....+ wn x n i =1
X = =
w1 +....+ wn n
wi
i =1
Moda A moda o valor que ocorre com maior freqncia, ou seja, o valor
mais comum. A moda pode ser mltipla ou pode no existir.
Relaes empricas entre Para distribuies simtricas a mdia, a mediana e a moda coincidem
mdia, moda e mediana aproximadamente. Para distribuies assimtricas observa-se a relao
que aparece na Figura 8.
B C
A Distribuio 10 12 14 16 18 x = 14 = ~
x = 14
simtrica
B Distribuio 10 12 14 16 23 x = 15 > ~
x = 14
assimtrica direita
C Distribuio 05 12 14 16 18 x = 13 < ~
x = 14
assimtrica
esquerda
Eq 9: G = n X X .... X
1 2 n
Eq 10: G = 3 12 14 16 = 13,90
Eq 11: 1 n
H= =
1 1 1
n
X X
i i
Eq 12: 3
H= = 13,81
1 1 1
+ +
12 14 16
Eq 13: H G X
13,3 13,5 17,2 13,8 12,3 12,7 13,0 14,5 14,9 15,8 13,1 13,3 14,1
Amplitude total A amplitude total definida como a diferena entre o maior e o menor
valor das observaes.
Por exemplo, para a amostra: 8,5 8,7 8,9 10,1 10,5 10,7 11,5
11,9
Eq 19:
S=
( x i x )2 =
xi2 [( xi ) 2 / n]
n 1 n 1
Eq 20:
(10 14)2 + (12 14)2 + (14 14)2 + (16 14) 2 + (18 14)2
S= = 3,16
n 1
Eq 21:
2 (xi x )2 xi2 [( xi ) 2 / n]
S = =
n 1 n 1
quartis, ou seja:
Eq 22: Q = Q Q
3 1
S
Eq 24: CV = 100
X
Varivel reduzida ou XX
padronizada A varivel Z = denominada de varivel reduzida ou
S
padronizada.
atpicos?
90 51
Z= = 3,25 Como |Z| > 3 o dado pode ser considerado
12
atpico
100 72
Z= = 1,75 Como |Z| < 3 o dado no pode ser considerado
16
atpico
Exemplo 2: Supondo que 51 fosse a mdia em uma prova de ingls, onde o desvio
padro 12, para um candidato que obtivesse 90 acertos tem-se:
X X 90 51
Z = = = 3 , 25
S 12
Conclui-se que na prova de ingls este candidato est 3,25 desvios-
padro acima da mdia.
EXERCCIOS
Exerccio 3.2. Ainda em relao aos dados do exerccio 2.1, calcule a mdia aritmtica
usando a frmula para dados agrupados e a tabela de freqncia que
voc construiu.
Exerccio 3.3. Para os dados do exerccio 2.3., calcule a mdia e a mediana e verifique
a relao mdia mediana para distribuies simtricas.
Exerccio 3.4. A partir dos dados do exerccio 2.6., use a frmula para o clculo da
mdia de dados agrupados e calcule a mdia para:
M A 20,2 24,7 25,7 21,7 19,2 22,3 23,0 23,1 21,3 26,8 20,7 23,6 25,4 24,6 22,5
M B 21,3 22,7 22,5 23,8 20,4 23,3 23,7 23,4 25,5 22,4 23,1 21,7 24,3 24,7 22,2
M C 22,1 24,4 24,0 21,5 23,2 22,0 25,4 27,8 23,5 23,0 20,6 23,6 22,5 22,8 21,4
Estatstica Industrial
3. Medidas de tendncia central e probabilidade 23
Exerccio 3.6. Calcule o valor da varivel reduzida Z para os pontos extremos das
amostras que aparecem no exerccio anterior. Aps indique se h
evidncia de dados atpicos em alguma dessas amostras (obs: para
n=15, um valor de Z > 2,5 j seria evidncia de dado atpico).
Exerccio 3.7. Caso haja indcios de dados atpicos, elimine esse resultado e refaa os
clculos da amplitude total, desvio padro e amplitude inter-quartlica
para a amostra correspondente. Se necessrio, revise as concluses do
exerccio 3.5.
0,2 0,2 0,3 0,4 0,6 0,6 0,8 1,0 1,0 1,2
1,2 1,3 1,4 1,5 1,5 1,7 1,8 2,0 2,2 2,5
2,5 2,7 3,3 3,5 3,8 4,3 5,1 12,0 12, 15,0
4
Probabilidade
Jos Luis Duarte Ribeiro
Carla ten Caten
Eventos:
A: ocorrer 10 peas defeituosas. A = {10};
B: ocorrer entre 10 e 15 peas defeituosas. B = {10, 11, 12, 13, 14, 15};
OPERAES COM Usando o smbolo para unio e o smbolo para interseco,
CONJUNTOS
Estatstica Industrial
4. Probabilidade 25
Eq 25: C = A B
Eq 26 D = A B
Eq 27 P(E) = Pr (x E)
1) 0 P 1
2) Se E1 e E2 so tais que E1 E2 = 0,
EXEMPLO 1: Um digestor qumico alimentado por material que vem de dois tanques
independentes. O material do tanque 1 pode ser uma concentrao de
cido que varia uniformemente entre 4 e 8, enquanto que o material do
tanque 2 pode apresentar uma concentrao de base entre 5 e 10 (ver
Figura 11). Sejam os seguintes eventos:
Soluo:
P(A) = 10 / 20 = 0,5
Estatstica Industrial
4. Probabilidade 27
P( A ) = 1 - P(A) = 0,5
P(B) = 4 / 20 = 0,20
P( B ) = 1 - P(B) = 0,80
Soluo:
3 3
P(E1) = / 20 = 0,225
2
Figura 12- Exemplo do digestor
qumico.
e ento obter:
nesse caso,
PROBABILIDADE TOTAL Seja que no campo amostral S exista um evento B que consiste de k
componentes mutuamente exclusivos:
Isso quer dizer que o evento A est descrito em forma total pelos
componentes B1....Bk do evento B, os quais so mutuamente
exclusivos. Ento:
A = (A B1) (A B2)
Pede-se:
Soluo:
Como somente podemos dizer que a seo est bem construda baseado
nas medies temos:
A = (B A) (B A)
Exerccios
Exerccio 4.1. Dois eventos so ditos mutuamente exclusivos se eles no tem elementos
em comum, ou seja, se eles no podem ocorrer simultaneamente. E um
grupo de eventos dito coletivamente exaustivo se eles esgotam todos os
resultados possveis para o experimento em questo. D um exemplo de
eventos mutuamente exclusivos e coletivamente exaustivo.
Exerccio 4.3. Seja P(A) = 0,30 e P(B) = 0,80 e P(AB) = 0,15. Pede-se:
a) A e B so mutuamente exclusivos?
4. Probabilidade
32 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
b) Determine P(B)
c) Determine P(AB)
Exerccio 4.4. Sejam A e B mutuamente exclusivos, P(A) = 0,52 e P(B) = 0,27. Pede-
se:
a) A e B so coletivamente exaustivos?
b) Determine P(AB)
c) Determine P(AB)
b) de nenhum falhar
Exerccio 4.7. H 99% de probabilidade de uma mquina fabricar uma pea sem
defeitos. Supondo que a fabricao de peas sucessivas constitua
eventos independentes, calcule as seguintes probabilidades:
Exerccio 4.9. Repita o exerccio 8 para o caso em que o inspetor tivesse examinado a
matriz e verificado que ela era defeituosa.
Exerccio 4.11. Uma cidade tem 30 mil habitantes e trs jornais X, Y, Z. Uma pesquisa
de opinio revela que: 12 mil lem X, 8 mil Y, 7 mil X e Y, 6 mil Z,
4.500 lem X e Z, mil Y e Z e 500 lem X,Y e Z. Qual a probabilidade
de que um habitante leia:
b) s um jornal
Exerccio 4.12. Uma empresa exploradora de petrleo perfura um poo quando acha que
h pelo menos 25% de chance de encontrar petrleo. Ela perfura 4
poos, aos quais so atribudas probabilidades de 0,3 ; 0,4 ; 0,7 e 0,8.
Figura 14 - Distribuio de
probabilidade discreta e
contnua.
b
Eq 52: P{a x b} = f ( x ) dx
a
Estatstica Industrial
Erro! Resultado no vlido para ndice. 6-35
DISTRIBUIES
DISCRETAS MAIS
IMPORTANTES
P ( sucesso ) + P ( falha ) = 1
Eq 53: ()
P( x ) = xn p x ( 1 p )n x x = 0, 1, ...., n.
Eq 55: = np
Eq 56: 2 = np (1 p )
Figura 15 - Distribuio
Binomial com p = 0,10 e n =
15
x
Eq 59: p =
n
p(1 p )
Eq 60: 2p =
n
e x
Eq 61: P( x ) = x = 0, 1,....
x!
Eq 62: =
Eq 63: =
A aplicao tpica da distribuio de Poisson no controle da
qualidade como um modelo para o nmero de defeitos (no
conformidades) que ocorre por unidade de produto (por m2, por
volume ou por tempo, etc.).
4 e 2 2 x
Eq 64: 1 P{X 4} = 1
x =0 x!
x P(x)
0 0,135
1 0,270
2 0,270
3 0,180
4 0,090
5 0,036
Figura 16 - Distribuio de
Poisson com = 2. 6 0,012
DISTRIBUIES
CONTNUAS MAIS
IMPORTANTES
e t ( t ) x
Eq 66: P( x ) =
x!
Eq 67: f (t ) = e t ; t0
Estatstica Industrial
Erro! Resultado no vlido para ndice. 6-39
Figura 17 - Distribuio
Exponencial.
Eq 68: 1
=
1
Eq 69: =
A distribuio Exponencial acumulada vem dada por:
F (t ) = P{T t} = e x dx = 1 e t
t
Eq 70: t0
0
1
xL xL
Eq 72: f ( x) = e
x L
Eq 73: F ( x ) = 1 e
onde:
: parmetro de forma
: parmetro de escala
L: parmetro de localizao
1
Eq 74: = L + 1 +
2
2 2 2 1
Eq 75: = 1 + 1 +
rea=1
rea=0,5 rea=0,5
Figura 18 - Percentuais da
distribuio Normal.
f(x)
A B
Figura 19 - Distribuio de
probabilidade com mdia e
desvios-padres distintos.
1 x 2
1
e 2
Eq 76:
f ( x) =
2
x
Eq 77: P ( X xo ) = F ( xo ) = o f ( x ) dx
x
Eq 78: P{X x} = P Z = F ( Z ) Tabelado
rea=0,84
Figura 20 1,0
0,84
0,0
O clculo da varivel reduzida Z feito atravs da
transformao dos valores reais em valores codificados. Essa
transformao feita descontando-se a mdia para eliminar o
efeito de localizao (tendncia central) e dividindo-se pelo
desvio-padro para eliminar o efeito de escala (variabilidade).
35 40
P{X 35} = P Z = P{Z 2,5}
2
6. Estimativa de parmetros
44 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
Figura 21 - Distribuio de
valores reais e codificados.
LEI x LES
=0,05
x 85
P{ X > x} = 1 P{ X x} = 1 P Z = 0,05
9
x 85
P Z = 0,95
9
x 85
Assim, 1,645 = ; x = 99,805
9
Eq 82:
Y2 = a12 12 +........+ an2 n2
Teorema do Limite O Teorema do Limite Central indica que a soma (e, por
Central conseguinte, a mdia) de n variveis independentes seguir o
modelo Normal, independentemente da distribuio das
variveis individuais.
f(x)
x
Figura 24
LNI LCI x = LCS LNS
2 4 6 3,0 4 6 10 5,0
4 2 6 3,0 6 4 10 5,0
3 3 6 3,0 5 5 10 5,0
1 6 7 3,5 5 6 11 5,5
6 1 7 3,5 6 5 11 5,5
2 5 7 3,5 6 6 12 6,0
f(x)
6/36
5/36
4/36
3/36
2/36
1/36
Figura 25 - Histograma da
1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 x
mdia dos dois dados.
Eq 83: Mdia: x =
onde:
Eq 84: Desvio-padro: x =
n
onde:
25, 35, 24, 43, 35, 22, 49, 56, 34, 26, 35, 52, 40, 35, 35,25,
61,42, 58, 56, 45, 40, 38, 45, 33, 53, 22, 35, 23, 25, 36, 39
= x i = 25 + ... + 39 = 38,19
N 32
=
( xi ) 2
=
(25 38,19)2 + ... + (39 38,19)2 = 11,11
N 32
Exemplo 7
Supondo que no fosse possvel analisar a populao inteira, e os
dados fossem coletados por amostras de tamanho n=4.
1 2 3 4 5 6 7 8
25 35 24 43 35 22 49 56
34 26 35 52 40 35 35 25
61 42 58 56 45 40 38 45
33 53 22 35 23 25 36 39
Mdia( x ) 38,25 39 34,75 46,5 35,75 30,5 39,5 41,25
Estatstica Industrial
Erro! Resultado no vlido para ndice. 6-49
x=
xi =
38,25 + ... + 41,25
= 38,18
k 8
2
x i x
x = =
k 1
=
(38,25 38,18)2 + ... + (41,25 38,18)2 = 4,75
8 1
x = 38 ,18 = 38 ,19
11,11
x = 4,75 x = = = 5,55
n 4
Exemplo 3 Com base no exemplo 2, supomos que os dados fossem coletados por
amostras de tamanho n=8.
1 2 3 4
25 24 35 49
34 35 40 35
61 58 45 38
33 22 23 36
35 43 22 56
26 52 35 25
42 56 40 45
53 35 25 39
Mdia ( x ) 38,62 40,62 33,12 40,37
Desvio (S) 12,71 13,94 8,74 9,50
x=
xi =
38,62 + ... + 40,37
= 38,18
k 4
(x i x )
2
x = =
(38,62 38,18)2 + ... + (40,37 38,18)2 = 3,49
k 1 4 1
x = 38,18 = 38,19
11,11
x = 3,49 x = = = 3,93
n 8
f(x)
Figura 26 - Distribuio de
probabilidade dos valores LNI LCI x = LCS LNS
individuais versus distribuio
de probabilidade das mdias.
Exerccios
Exerccio 5.1 Suponha que dois dados sejam lanados e seja X a soma dos
valores obtidos. Descreva o espao amostral deste experimento e
determine a distribuio de probabilidade de X.
Exerccio 5.3 Imagine que para o processo anterior, fossem coletadas amostras
de 50 unidades e o critrio para parar o processo e procurar causas
especiais fosse X = 1 ou mais. Calcule a percentagem de vezes
que o processo seria interrompido logo aps a amostragem.
Exerccio 5.7 A sada de uma bateria segue o modelo Normal com mdia 12,15
V e desvio-padro 0,2 V. Encontre o percentual que ir falhar em
atender s especificaes 12 V 0,5 V.
Exerccio 5.11 Num lote que tem 2% de defeituosos, foram retiradas 40 peas,
que ser rejeitado se forem encontradas duas ou mais peas
defeituosas. Qual a probabilidade de rejeitar o lote?
Exerccio 5.12 Os registros de uma pequena companhia indicam que 40% das
faturas por ela emitidas so pagas aps o vencimento. De 14
faturas expedidas, determine a probabilidade de:
Exerccio 5.13 Uma amostra de 3 m de cabo foi retirada de uma bobina. O cabo
tem em mdia uma falha por m. Qual a probabilidade de no
encontrar falha na amostra?
Exerccio 5.15 Uma fbrica de pneus fez um teste para medir o desgaste de seis
pneus e verificou que ele seguia o comportamento de uma curva
normal com mdia 48.000 km e desvio-padro de 2.000 km.
Calcule a probabilidade de um pneu escolhido ao acaso:
Exerccio 5.16 O consumo de gasolina por Km rodado para certo tipo de carro,
tem distribuio normal com mdia de 100 ml com desvio-padro
de 5 ml.
ml.
Exerccio 5.17 Em uma indstria trabalham 1260 pessoas, cujos os salrios tem
mdia $34.600 e desvio-padro $ 8.500. Calcule a probabilidade
de ser inferior a $34.100 o valor da mdia de uma amostra
aleatria constituda por:
300 pessoas
100 pessoas
6
Estimativa de parmetros
Jos Luis Duarte Ribeiro
Carla ten Caten
ESTIMATIVAS PONTUAIS A estimao de parmetros populacionais pode ser por ponto (pontual)
ou por intervalo de confiana. A estimativa pontual um valor obtido a
partir dos resultados (dados) de uma varivel aleatria de uma amostra
representativa extrada da populao.
parmetros populacionais e 2.
=? x
xk
x - z x
/2
x x + z x
/2
Eq 86: P{L } = 1
Eq 87: P{ U } = 1
INTERVALO DE Seja X uma varivel aleatria qualquer que siga a distribuio Normal
CONFIANA PARA A X N(, ) e seja x1, ..., xn uma amostra aleatria desse processo. A
MDIA, VARINCIA partir do teorema do limite central, sabe-se que a distribuio da mdia
CONHECIDA segue a distribuio Normal. Mais ainda, para n suficientemente grande
este resultado vlido mesmo que a distribuio de origem no seja
Normal.
Amostra 1
x1-1,96x x1 x1+1,96x
Amostra 2
x2
Amostra 3
x3
/2 /2
Eq 88:
X Z / 2 X + Z / 2
n n
X Z / 2 X + Z / 2
n n
0,10 0,10
1,5 1,96 1,5 + 1,96
20 20
0,10 0,10
1,5 1,96 1,5 + 1,96
20 20
1,46 1,54
Eq 89: X + Z
n
Eq 90: X Z
n
ERRO DE ESTIMAO
O intervalo de confiana bilateral tem a forma X Z / 2 .
n
Como X Z / 2 , pode-se escrever X erro
n
Onde erro: e = Z / 2
n
Eq 91: 2
n = Z / 2
e
- disperso na populao ;
2
1,96 3,0
n= = 138,3
0,5
X
Eq 92:
tk =
k2 / k
(k +1) / 2
[(k + 1) / 2] t 2
f ( t ) = + 1
Eq 93: k (k/2) k
<t <
Estatstica Industrial
6. Estimativa de parmetros 59
X
Eq 94: X = / n = N (0,1)
S/ n S / n21 / (n 1)
Ou seja,
X
Eq 95: t
S/ n
S S
Eq 96: X t / 2, n 1 X + t / 2, n 1
n n
S
Eq 97: X + t , n 1
n
S
Eq 98: X t , n 1
n
Exemplo 2 A quantidade mensal de produtos entregues por uma empresa segue uma
6. Estimativa de parmetros
60 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
17,4 18,2 18,3 18,8 19,0 19,2 19,3 19,6 19,6 19,9
20,2 20,2 20,5 20,7 20,9 21,0 21,3 21,5 21,9 22,6
X = 20,01
S = 1,34
t0,025;19 = 2,093
1,34 1,34
20,01 2,093 20,01 + 2,093
20 20
ou
19,38 20,64
t 0,05;19 = 1,729
1,34
20,01 1,729 ou 19,49
20
7 11 12 11 13 8 15 8 11 16
10 12 9 6 11 10 11 10 12 9
2 2
t / 2,n 1S 2,093x 2,46
n = = = 106
e 0,5
12 2
Eq 99: 2 = + 2
n1 n2
Eq 100: ( X 1 X 2 ) Z / 2 ( 1 2 ) ( X 1 X 2 ) + Z / 2
Eq 101: (1 2 ) (X 1 X 2 ) + Z
(1 2 ) (X 1 X 2 ) Z
INTERVALO DE Sejam X1 e X2 duas variveis aleatrias Normais com mdias 1 e 2
CONFIANA PARA A e varincias 12 e 2 2 desconhecidas. Se for possvel assumir que as
DIFERENA ENTRE DUAS
MDIAS, VARINCIA varincias sejam iguais, ou seja, 12 = 2 2 , uma estimativa da
DESCONHECIDA varincia pode ser obtida como:
S p2 S p2
Eq 103: S2 = + = S 2 1 + 1
n1 p
n2 n1 n 2
Eq 104 ( X 1 X 2 ) t / 2, S ( 1 2 ) ( X 1 X 2 ) + t / 2, S
Eq 105 (1 2 ) (X 1 X 2 ) + t , S
(1 2 ) (X 1 X 2 ) t , S
Exemplo 6 Um eixo deve ser montado no interior de um rolamento. Uma amostra
de doze unidades indicou para o dimetro interno do rolamento
X 1 = 2,538cm e S1 = 0,008 ; e para o dimetro do eixo
X 2 = 2,520cm e S 2 = 0,006 . Calcule o intervalo de confiana de
6. Estimativa de parmetros
62 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
S p2 =
(11)0,008 2 + (11)0,006 2 = 0,000050
12 + 12 2
1 1
S = S p 2 + = 0,00289
12 12
= 12 + 12 2 = 22
t 0,005;22 = 2,82
Seja
X1 os resultados do sistema 1;
X2 os resultados do sistema 2;
S S
Eq 106 d t / 2 d d d + t / 2 d
n n
Alunos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Antes 6,5 6,7 7,0 7,0 6,5 7,3 7,8 6,9 6,7 7,2 7,5 7,5 7,2 7,0 6,8
Estatstica Industrial
6. Estimativa de parmetros 63
Depois 7,5 7,7 7,9 8,0 7,4 8,3 8,8 8,9 7,7 8,2 8,5 8,5 8,2 8,0 8,8
Difer. 1,0 1,0 0,9 1,0 0,9 1,0 1,0 2,0 1,0 1,0 1,0 1,0 1,0 1,0 2,0
d = 1,12
S d = 0,36
t0,025;14 = 2,145
0,36 0,36
1,12 2,145 1,12 + 2,145
15 15
ou
0,92 d 1,32
1 2
f ( 2 ) = ( 2 ) ( n / 2 ) 1 e / 2 2 > 0
Eq 108: n
2 n / 2
2
Eq 109: =n
Eq 110: 2 = 2n
6. Estimativa de parmetros
64 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
n
(X i X )
2
Eq 111:
i =1 ( n 1) S 2
n21 ou n21
2 2
Eq 112:
(n 1)S 2 2
(n 1)S 2
2 / 2,n 1 21 / 2,n 1
Limite inferior:
Eq 113: 2
(n 1)S 2
2 , n 1
Limite superior:
2
(n 1)S 2
Eq 114:
21 , n 1
S 2 = 1,34 2 = 1,80
X 2 0,025;19 = 32,85 ; X 2 0,975;19 = 8,91
19(1,80 ) 19(1,80 )
2
32,85 8,91
1,04 2 3,84 ou 1,02 1,96
u2 / u
Eq 115: Fu, v =
v2 / v
u/2
u + v u
2 v F (u / 2 ) 1
Eq 116: f ( F ) = =
u v (u + v ) / 2
u
2 2 v F + 1
Seja X 1 N ( 1 , 1 ) e X 2 N ( 2 , 2 ) ; Se S1 e S2 so
varincias amostrais, medidas em amostras de tamanho n1 e n2,
teremos:
S12 / 12
Eq 117: Fn1 1, n 2 1
S 22 / 22
Figura 33 - Distibuio F
S1 2 12 S1 2
Eq 118: F1 / 2;n11;n2 1 F / 2;n11;n2 1
S22 22 S22
Limite inferior:
12S 2
Eq 119: 1 F1 ; n1 1; n 2 1
22 S22
Limite superior:
12 S1 2
Eq 120: F ;n11;n2 1
22 S2 2
1
Eq 121: F1 , u, v =
F , v, u
mquinas A e B:
A 91,0 90,3 90,2 92,1 91,8 91,3 89,3 91,0 91,2 89,6
B 91,8 91,2 89,4 89,2 90,7 92,6 91,3 91,2
2
Mquina A: S1 = 0,8307
2
Mquina B: S 2 = 1,316
F0,025;9,7 = 4,82
1 1
F0,975;9,7 = = = 0,238
F0,025;7,9 4,20
0,8307 12 0,8307
(0,238) 2 (4,82 )
1,316 2 1,316
2
0,1502 1 3,0425
22
1 n
Eq 122: X = x i
n i =1
[an ]
Eq 123: P{X a} = P{X na} = (nk )p k (1 p )n k
k =0
Eq 124: X = p
p (1 p )
Eq 125: 2 =
X n
p (1 p ) p (1 p )
Eq 126: p z / 2 p + z / 2
n n
p (1 p ) p (1 p )
p z / 2 p + z / 2
n n
0,03 0,05
Soluo:
distribuio Binomial.
Exerccios
Exerccio 6.2 Recalcule o intervalo de confiana para o exerccio 6.1, supondo que a
varincia no fosse conhecida e o valor S 2 = 0,0015 tivesse sido
medido diretamente na amostra.
Exerccio 6.3 O peso de frangos apresenta varincia conhecida igual a 2=900g. Uma
amostra aleatria de 20 unidades indica X = 508g . Construa um
intervalo com 90% de confiana para o peso mdio desses frangos.
Exerccio 6.5 Uma mquina usada para encher pacotes de leite. O volume segue
aproximadamente o modelo normal. Uma amostra de 16 potes indicou:
Exerccio 6.8 Ainda em relao ao problema 6.5. Imagine que h uma segunda
mquina de enchimento para a qual uma amostra de 16 pacotes indicou:
Lote 1 2 3 4 5 6 7 8 9 10
Antes 360 370 380 345 365 380 390 395 385 410
Depois 360 365 355 340 350 370 390 375 375 395
Exerccio 6.12 Qual o tamanho da amostra necessrio para estimar o tempo mdio de
atendimento de um servio com desvio-padro conhecido de =3 min
com 95% de confiana e preciso de 0,2 min?
Exerccio 6.13 Qual o tamanho da amostra necessrio para estimar o tempo mdio de
atendimento de um servio com 95% de confiana e preciso de 0,2
min? Uma amostra de 20 tempos foi coletada para estimar o desvio-
padro S.
8 10 12 11 13 8 15 8 11 14
12 12 9 7 12 10 11 10 12 8
H 0 : = 2,5 peas/hora
H1 : 2,5 peas/hora
H o : = 0
Eq 127:
H1 : 0
X o
Eq 128: Zo =
/ n
Soluo:
H o : = 0,850
H1 : 0,850
0,847 0,850
Zo = = 0,85
0,010 / 8
/2 /2
=0,850
Z / 2 = -1,96 Z / 2 = +1,96
Z 0 > Z / 2 Z 0 Z / 2 Z 0 > Z / 2
Figura 34 - Teste de hiptese para o
exemplo 7.1 Rejeita Ho Aceita Ho Rejeita Ho
H o : 1 = 2
Eq 129:
H 1 : 1 2
X1 X 2
Zo =
Eq 130 12 22
+
n1 n2
conhecida H o : = 0
H1 : o Z 0 > Z / 2
X o
H o : = 0 Zo = Z o > Z
/ n
H1 : > o
H o : = 0 Z o < Z ou
H1 : < o Z o > Z
H o : 1 = 2
H 1 : 1 2 Z 0 > Z / 2
X1 X 2
H o : 1 = 2 Zo =
H 1 : 1 > 2 12
2
Z o > Z
+ 2
n1 n 2
H o : 1 = 2
H 1 : 1 < 2 Z o < Z ou
Z o > Z
H o : = 0
H1 : o
X o
Eq 131: to =
S/ n
unilaterais.
22 20 21 23 22 20 23 22 20 24
21 20 21 24 22 22 23 22 20 24
Soluo:
H o : = 20 min
H1 : > 20 min
X = 21,8 min
S = 1,40 min
X o 21,8 20
to = = = 5,75
S/ n 1,40 / 20
H o : 1 = 2
H 1 : 1 2
Eq 132: S 2p =
(n1 1)S12 + (n2 1)S22
n1 + n 2 2
x1 x 2
t0 =
Eq 133: 1 1
Sp +
n1 n 2
Soluo:
H o : 1 = 2
H 1 : 1 2
Supondo 12 = 22 temos:
S 2p =
(9 )7 2 + (9)9 2
= 65 S p = 8,06
10 + 10 2
39 43
t0 = = 1,11
1 1
8,06 +
10 10
x1 x 2
t0 =
Eq 134: S12 S 22
+
n1 n 2
=
[( S12 / n1 ) + ( S 22 / n 2 )]
2
2
Eq 135: ( S12 / n1 ) 2 ( S 22 / n 2 ) 2
+
n1 + 1 n2 + 1
desconhecida
H o : = 0
H1 : o t0 > t / 2,n 1
H o : = 0
X o
to =
H1 : > o S/ n
t o > t ,n 1
H o : = 0
H1 : < o t o < t ,n 1 ou
to > t , n 1
x1 x 2
t0 =
H o : 1 = 2 1 1
Sp +
H 1 : 1 2 n1 n 2 t 0 > t / 2,
= n1 + n 2 2
H o : 1 = 2
X1 X 2
H 1 : 1 > 2 to = t o > t ,
S12 S 22
+
n1 n 2
H o : 1 = 2
=
[( S12 / n1 ) + ( S 22 / n
H 1 : 1 < 2 ( S12 / n1 ) 2 ( S 22 / to < t , ou
+
n1 + 1 n2 to > t ,
H o : d = 0
H1 : d 0
d
Eq 136: t=
Sd / n
onde:
Exemplo 7.4 Duas espcies de um certo tipo de cereal esto sendo testadas quanto ao
seu crescimento. O experimento foi feito escolhendo 10 blocos de
terreno e plantando em cada bloco mudas de ambas as espcies. Os
resultados a seguir so as alturas medidas ao final do primeiro ms.
Usando-se = 0,05
Terreno 1 2 3 4 5 6 7 8 9 10
Espcie 1 22 27 18 33 25 21 15 33 21 24
Espcie 2 21 31 24 32 29 23 19 37 22 27
Os dados deste experimento foram coletados aos pares para impedir que
as diferenas de fertilidade entre os blocos de terreno (que podem ser
grandes) mascarem os resultados.
Soluo:
H o : d = 0
H1 : d 0
d = (1 4 6 + 1 4 2 4 4 1 3) / 10 = 2,6
S d = 2,32
2,6
t= = 3,54
2,32 10
H 0 : 2 = 02
H 1 : 2 02
02 =
(n 1)S 2
Eq 137:
02
02 > 2 ou se 02 < 2 .
/ 2;n 1 1 / 2;n 1
H 0 : 12 = 22
H 1 : 12 22
Esse teste tem larga aplicao no controle da qualidade, uma vez que o
monitoramento da variabilidade essencial para a garantia de qualidade.
Pode-se, por exemplo, comparar a variabilidade antes e aps a
implantao do controle estatstico de processo.
S12
Eq 138: F0 =
S 22
Soluo:
H 0 : 12 = 22
H 1 : 12 22
72
F0 = = 0,605
92
8. Comparao de vrios grupos: a alise de varincia
80 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
F0,025;9,9 = 4,03
F0,975;9,9 = 1 / 4,03 = 0,248
H 0 : 2 = 02 0 > 2
2
ou
/ 2;n 1
H 1 : 2 02 02 < 2
1 / 2;n 1
H 0 : 2 = 02 02 =
(n 1)S 2
02
H 1 : 2 > 02 02 > 2
;n 1
H 0 : 2 = 02
H 1 : 2 < 02 02 < 2
1 ;n 1
H 0 : 12 = 22 S2
F0 = 1
S 22
H 1 : 12 > 22
F0 > F ,n11,n2 1
S2
H 0 : 12 = 22 F0 = 2
S12
H 1 : 12 < 22 F0 < F1 ,n11,n2 1
o
COMPARAO DOS Seja que queremos testar a hiptese que o parmetro da Binomial
PARMETROS DA igual a um certo valor o . O teste que ser descrito se baseia na
BINOMIAL aproximao Binomial atravs da distribuio Normal.
H0 : = o
H1 : o
Usa-se a estatstica
Estatstica Industrial
7. Testes de hiptese 81
p o
Z0 =
Eq 139: o (1 o )
n
Exemplo 7.6 Um engenheiro deseja testar a hiptese de que seu fornecedor entrega
lotes com 10% de no conformes. Um lote de 180 unidades revelou 14
no conformes. Use = 5% e conclua a respeito.
Soluo:
H 0 : = 0,1
H1 : 0,1
p = 14 / 180 = 0,078
0,078 0,1
Z0 = = 0,98
0,1(1 0,1)
180
H 0 : 1 = 2
H1 : 1 2
p1 p2
Z0 =
Eq 140: 1 1
p(1 p ) +
n1 n2
onde:
n p n p
Eq 141: p = 1 1+ 2 2
n1 + n2
similares. Para isso entrevistou 150 pessoas, das quais 80 disseram estar
satisfeitas com o produto A e 100 com o produto B. Use = 5% e
conclua a respeito.
H 0 : 1 = 2
H1 : 1 2
80
p1 = = 0,53
150
100
p2 = = 0,67
150
Exerccios
Exerccio 7.3 Dois tipos de combustveis esto sendo testados. A hiptese que eles
tenham o mesmo desempenho. Teste essa hiptese, sabendo que o
desvio-padro conhecido
Substrato 1 2 3 4 5 6 7 8
B1 3,0 3,2 2,7 2,5 3,8 4,3 3,5 4,8
B2 3,2 3,1 2,4 2,1 3,2 3,7 3,2 4,0
Exerccio 7.7 Um fabricante atesta que as mquinas de enchimento que ele produz
apresentam um coeficiente de variao inferior a 2%. Um experimento
aleatrio realizado com garrafas de 2 litros indicou S2=0,0024 litros2
para uma amostra de 15 garrafas. Teste a hiptese do fabricante para um
nvel de significncia = 0,05.
Exerccio 7.8 Uma nova unidade de desalinizao foi instalada em uma indstria
qumica. Uma amostra com n = 10, coletada antes da instalao da
nova unidade indicou concentrao de sal X 1 = 19,55 e S12 = 15,35 .
Enquanto que, aps a instalao, uma amostra com n = 16 indicou
X 2 = 17,85 e S22 = 8,65 . Baseado nesses dados, pede-se:
Exerccio 7.11 Num estudo do tempo mdio de adaptao para uma amostra aleatria de
50 homens num grande complexo industrial, surgiram as seguintes
estatsticas: mdia da amostra = 3,2 anos e desvio padro da amostra =
0,8 anos. Pode-se concluir, ao nvel de 1% de significncia que os
homens tenham um tempo de adaptao menor que as mulheres que de
3,7 anos?
8. Comparao de vrios grupos: a alise de varincia
84 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
Exerccio 7.12 Um fabricante alega que apenas 2% das peas que ele fornece esto
abaixo das condies de utilizao. Em 200 peas escolhidas
aleatoriamente de uma remessa de 5.000 encontraram-se 10 falhas. A
alegao do fabricante parece aceitvel ao nvel de 5% de significncia?
Exerccio 7.13 Os dados abaixo do os acertos obtidos por 8 soldados num experimento
destinado a determinar se a preciso do tiro afetada pela maneira de
dispor os olhos.
Soldado 1 2 3 4 5 6 7 8
Direito 44 39 33 56 43 56 47 58
Esquerdo 40 37 28 53 48 51 45 60
Exerccio 7.14 Para verificar o grau de adeso de uma nova cola para vidros, preparam-
se dois tipos de montagem; Cruzado (A) onde a cola posta em forma
de X e Quadrado (B), onde a frmula posta nas 4 bordas. O resultado
para a resistncia das duas amostras de 10 cada esto abaixo. Para um
nvel de 5% de significncia que tipo de concluso poderia ser tirada?
Mtodo A 16 14 19 18 19 20 15 18 17 18
Mtodo B 13 19 14 17 21 24 10 14 13 15
Exerccio 7.15 A fim de comparar a eficcia de dois operrios, foram tomadas, para
cada um, oito medidas do tempo gasto, em segundos, para realizar certa
operao. Os resultados obtidos so dados a seguir. Pergunta-se se, ao
nvel de 5% de significncia, os operrios devem ser considerados
igualmente eficazes ou no.
Operrio 1 35 32 40 36 35 32 33
Operrio 2 29 35 36 34 30 33 31
Exerccio 7.16 Uma pesquisa nacional indica que aproximadamente 25% das contas de
grandes magazines incorrem em penalidade por atraso nos pagamentos.
Se um magazine local constata 40 atrasos numa amostra de 200 clientes,
pode necessariamente admitir que seus clientes sejam melhores que os
clientes de todo pas? Adote 5% de significncia.
8
Comparao de vrios grupos: a
anlise de varincia
Jos Luis Duarte Ribeiro
Carla ten Caten
1 Varivel de resposta
Existem dois tipos de - Fatores controlveis a nveis fixos: quando o efeito de cada nvel fixo,
experimentos: como no caso em que os tratamentos so 4 presses de operaes, ou 4
layouts fixados pelo engenheiro; Por ex., 5 valores de temperatura.
Fator A A1 A2 ... Ak
y11 y21 ... yk1
: : : :
: : yij :
: : : :
y1,n1 y2,n2 ... yk,nk
Totais Ti. T1. T2. ... Tk. T.. =
No.Obs. ni n1 n2 ... nk N =
Yij = + i. + ij ; i = 1,....., k
Eq 142
j = 1, ..., n j
onde:
i.efeito do tratamento i;
ij erro aleatrio;
Temperatura
15 25 35
12 20 17
13 19 16
11 18 18
Ti .= 36 57 51 T.. = 144
ni . = 3 3 3 N =9
Yi. = 12 19 17
Y.. = 16
20 = 16 + 3 +1
Y2. = 19
Y=20
ij (Y ij Y i. )=2019=1
(Y i. Y ..)=1916=3
(Yij Y )
.. =2016=4
Y3 . = 17
Y.. = 16
Y1. = 12
(Y ) ( )
Y.. = ni Y. Y.. + (Yij Yi. )
2 2 2
Eq 144: ij
ij i
onde:
(Y )
2
ij Yi.
Eq 146: SQR i, j
MQR = = =2
N k N k
Eq 147: MQG =
SQG Y i. Y ..
= n
( ) = n( / n ) =
2
2 2
k 1 k 1
MQG
Eq 150 Fcalc =
MQR
Estatstica Industrial
89
8. Comparao de vrios grupos: a anlise de varincia
F ,k 1,N k
onde:
nvel de significncia
k-1 graus de liberdade do numerador:
N-k graus de liberdade do denominador:
Formulrio para os Para o clculo das Somas Quadradas recomendado o uso do seguinte
clculos formulrio:
Eq 152: ( )
SQT = Yij2 TC
onde:
Agente 0 5 10 15 20
43 47 55 50 52
47 53 50 54 49
46 52 54 54 54
45 50 55 55 55
45 49 52 56 55
46 51 53 52 56
47 55 55 57 56
44 48 56 57 53
42 49 59 55 57
48 50 56 60 60
49 47 57 56 57
44 49 54 58 55
Totais 546 600 656 664 659 T..= 3125
No. obs. 12 12 12 12 12 N = 60
Mdias 45,5 50,0 54,7 55,3 54,9 Y.. = 52,08
Ld = 3 s = 3 x 0,71 = 2,13
Y(1)= 45,5 Y(2) = 50,0 Y(3) =54,7 Y(4) 54,9 Y(5) =55,3
Boxplot
65
Alongamento
55
45
35
G1 G2 G3 G4 G5
Rolo Resistncia
1 72 73 70 74 74 75 78 77 80 76
2 63 70 69 65 66 66 62 65 67 63
3 78 74 82 76 76 73 75
4 75 74 73 78 75 71 67 73
5 85 82 80 86 83 92 89 86
Rolo Ti. ni Yi .
1 749 10 74,90
2 656 10 65,60
3 534 7 76,29
4 586 8 73,25
5 603 8 85,38
T.. = 3128 N = 43 Y .. = 74,60
Estatstica Industrial
93
8. Comparao de vrios grupos: a anlise de varincia
= 1774,18
Estimativa dos Pode ser demonstrado que o valor esperado das mdias quadradas vale:
componentes de variao:
Eq 155: E (MQG) = 2 + nc 2
Eq 156: E (MQR) = 2
Eq 157: 2 = MQR
Eq 159: ( ) 2
Var Yij = TOTAL = 2 + 2
2 = MQR = 9,74
2
TOTAL = 2 + 2 = 50 ,44 + 9 ,74 = 60 ,18
100
90
Re 80
70
60
0 1 2 3 4 5 6
Rolo
Figura 38 - Grfico de disperso
no se justificar economicamente.
Exerccios
Catalisadores
1 2 3 4
56,7 56,3 53,0 54,4
58,2 55,9 51,2 53,0
57,2 54,5 54,2 51,4
58,4 57,0 53,2 51,5
55,8 55,3 53,3
54,9
Totais T.. =
n N =
Mdias
Y. . =
Pede-se:
Clculos iniciais:
2
TC = T.. / N =
2
(Yij ) =
2
SQT = (Yij ) - TC =
2
SQG = (Ti. / ni) - TC =
Tabela Anova:
8. Comparao de vrios grupos: a anlise de varincia
96 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
F calculado =
F tabelado =
s x = MQR / nc =
Ld = 3 x S X =
Y(1) Y(2) =
Y(1) - Y(3) =
Y(1) Y(4) =
Y(2) Y(3) =
Y(2) Y(4) =
Y(3) Y(4) =
Exerccio 8.2 Um jogo de oito pneus das marcas M1, M2 e M3 foram testados quanto
durabilidade. Os resultados obtidos (em milhares de Km) foram os que
seguem:
Estatstica Industrial
97
8. Comparao de vrios grupos: a anlise de varincia
Marca: M1 M2 M3
45 40 42 44 40 35
48 44 44 47 41 39
44 46 41 40 31 36
43 41 43 45 33 38
Totais
Mdia
Exerccio 8.4 Uma indstria txtil tem um grande nmero de teares mecnicos.
Supem-se que a velocidade desses teares seja a mesma. Para verificar
essa hiptese, foram escolhidos aleatoriamente cinco teares e a produo
medida em um perodo de uma hora foi anotada:
Exerccio 8.7 Uma metalrgica tem um grande nmero de fornos usados para fundio
de metais. A temperatura desses fornos deveria ser a mesma. Para testar
essa hiptese foram feitas medies em 4 fornos escolhidos
aleatoriamente. Analise os resultados e conclua a respeito de possveis
diferenas entre os fornos.
Forno Temperatura
1 824 821 829 808 815
2 817 830 819 809 825
3 822 810 831 824 818
4 826 828 810 820 815
Intervalo Produtividade
4 136 137 135 140 136
6 145 146 147 147 148
8 146 144 148 145 145
10 134 131 136 134 133
12 117 119 117 115 116
Concentrao Tempos
10 11,2 10,4 10,1 10,6
15 10,6 11,1 10,8 11,7
20 12,5 12,0 13,2 12,6
25 18,8 19,0 18,4 19,6
Postos
Func. 1 2 3
1 7 5 8
2 8 6 9
3 7 7 8
4 8 6 9
5 9 5 8
6 7 6 8
7 8 7 9
8 6 5 10
9 7 6 8
10 6 6 9
Saco cimento 1 2 3 4 5
74 68 75 72 79
Resistncias 76 71 77 74 81
75 72 77 73 79
Exerccio 8.12 Trs layout esto sendo testado em relao a produtividade. Para isso 12
operadores foram avaliados em relao a produtividade medida em
peas/ hora. Os valores de produtividade esto apresentados na tabela
abaixo. Analise os dados e conclua a respeito do melhor layout.
Estatstica Industrial
101
8. Comparao de vrios grupos: a anlise de varincia
Layout
Func 1 2 3
1 120 125 130
2 122 126 129
3 124 127 131
4 118 125 128
5 116 128 128
6 120 126 127
7 119 129 126
8 117 128 125
9 121 129 128
10 122 130 129
11 117 127 127
12 120 128 128
Presso
Temperatura 30 35 40
o
200 C 44 42 47 46 42 44
225 oC 41 43 45 46 39 41
o
250 C 45 47 48 49 44 41
Fornecedor do Ncleo
Temperatura 1 2 3 4
o
75 C 21 24 26 12 13 15 12 11 14 13 13 11
85 oC 26 26 30 16 14 17 15 13 19 18 17 13
S XY
Eq 160: r=
S XX SYY
Desvio-padro de X
S XX = x i2 ( xi )
Eq 161: 2
n
Desvio-padro de Y
SYY = y i2 ( y i )
Eq 162: 2
n
Covarincia de X,Y:
Eq 163: S XY = xi yi ( xi )( yi ) n
Para uma interpretao adequada do coeficiente de correlao, X e Y
deveriam ser variveis aleatrias, ao contrrio do que acontece nos
problemas de regresso, onde Y aleatria, mas X considerada uma
varivel fixa.
Mesmo assim, prtica comum calcular r em quase todos os casos, isto , com
X aleatria ou no. O coeficiente de correlao linear r mede a
intensidade da relao linear entre duas variveis
X: meses aps a 1 2 3 4 5 6
regulagem
Y: rendimento 10,7 10,9 10,8 9,3 9,5 10,4
X: meses aps a 7 8 9 10 11 12
Tabela 11 - Valores de rendimento de regulagem
combustvel
Y: rendimento 9,0 9,3 7,6 7,6 7,9 7,7
12
11
10
Co
9
8
7
Figura 40 - Valores observados do 0 2 4 6 8 10 12
rendimento em funo do tempo aps
a regulagem.
Tempo aps a regulagem
Clculos iniciais
106 Regresso linear simples 9. Regresso linear simples
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
Desvio-padro de X
Desvio-padro de Y
Covarincia de X,Y:
S xy 46,45
r= = = 0,907
S xx S yy 143,00 x 18,34
Interpretao:
H1 : 0
r n2
Eq 164: t=
1 r2
0,907 12 2
t= = 6,82 > t0,025;10 = 2,228 rejeita - se H 0,
1 ( 0,907) 2
REGRESSO LINEAR A regresso linear simples estima uma equao matemtica (ou modelo)
SIMPLES que dado o valor de X (varivel independente), prev o valor de Y
(varivel dependente). dito relao linear simples, pois supe-se
tendncia linear entre as variveis e simples por ser uma nica varivel
independente
Eq 166: E (Y/X) = 0 + 1 X
Eq 167 Y = 0 + 1 X +
Eq 170: b0 = Y b1 X
Clculos iniciais
S XX = x i2 ( xi )
2
n = 143,00
SYY = y i2 ( y i )
2
n = 18,34
S XY = x i y i ( x i )( y i ) n = 46,45
Equao de regresso
Y = 11,34 - 0,325 X
RELAO ENTRE O O valor de r um valor sem dimenso, que apenas fornece uma idia
COEFICIENTE DE da relao linear entre duas variveis. No caso de regresso, alm de se
CORRELAO E A ter uma idia da relao entre as duas variveis, tambm se encontra uma
REGRESSO equao que pode ser usada para fornecer estimativas.
Eq 171: S2 =
n 1
n2
( )
1 r 2 S 2y
Eq 172: ( )
S 2 1 r 2 S 2y
Estatstica Industrial
9. Regresso linear simples 109
Yi Y= bo+b1 X
(Yi Y$i )
(Yi Y )
(Y$i Y )
Y
Eq 173: r = b1 SX / SY
onde:
2
Eq 175: SQR = [ yi (b0 + b1xi )] = SYY b1S XY
Eq 176: Sb21 = S 2 S XX
1 X 2
Eq 177: Sb2 0 = S 2 +
n S XX
(
b0 N 0 , b2 0)
b1 N (1, b21 )
H 0 : 1 = 10
H 1 : 1 10
ento calcula-se:
H 0 : 1 = 0
H 1 : 1 0
Eq 181: t = b1 / Sb1
2 2 1 X2
= 0,123 ;
Sb 0 = S + S b 0 = 0,351
n S XX
t0,025;10 = 2,228
Previso de um valor A varincia dos valores preditos ir depender no somente de S2, mas
mdio de Y tambm do valor de x0. Isso acontece porque as previses so mais
precisas quando x0 X e menos precisas quando x0 aproxima-se dos
extremos investigados.
Eq 182: S
2
1 x X
= S2 + 0
( )2
Yp
n S XX
2 2
1 x X
Eq 184: SYp = S 1 + +
0 ( )2
n S XX
1
S2 = 0,324 + 0,0157 = 0,0321 ; S = 0,179
Y p 12 Y p
1
SY2 p = 0,324 1 + + 0,0157 = 0,356 ; SY p = 0,597
12
Y = 8,74 0,399
Y = 8,74 1,33
12
11
10
Co
9
8
7
0 2 4 6 8 10 12
Figura 42 - Intervalo de Confiana
de 95%
Tempo aps a regulagem
y i (b0 + b1 x i )
Eq 186: R =
i
S
SQR = SYY b1SXY
S2 = SQR / n 2
2 2
1 1
Re 0 Re 0
-1 -1
-2 -2
0 4 8 12 16 20 0 4 8 12 16 20
Figura 43 - Anlise de resduos. X X
(a) (b)
Y = b0 + b1 X
Eq 187:
Y = b0 + b1 X onde X = X
2 3
2
1
1
Re 0 Re 0
-1
-1
-2
-2 -3
Figura 44 - Verificao da 0 4 8 12 16 20 0 4 8 12 16 20
homogeneidade da varincia. X X
(a) (b)
Normalidade dos O teste da normalidade da distribuio dos resduos pode ser feito
Resduos plotando-se os resduos em papel de probabilidade ou utilizando testes
analticos de normalidade, como o teste do Chi-quadrado ou o teste de
Kolmorov-Smirnov.
Uma vez que ;o produto cruzado resulta nulo. Essa equao tambm
pode ser escrita como:
(n - 1) = (n - 2) + 1
MQReg = SQReg / 1
MQR = SQR / (n - 2)
F = MQReg / MQR
F > F, 1, n-2
Fonte de SQ GDL MQ F
Variao
Regresso SQReg = b1 1 MQReg MQReg/MQR
SXY
Residual SQR=SYY - n-2 MQR
Tabela 12 - Tabela ANOVA para a b1SXY
anlise de regresso.
Total SYY n-1
Soluo:
SQR = 3,24;
Assim
Fonte de SQ GDL MQ F
Variao
Regresso 15,10 1 15,10 46,6
SQ Re g 15,10
r2 = = = 0,82 ou 82%
SYY 18,34
DADOS ATPICOS Algumas vezes, o conjunto de dados pode estar contaminado com alguns
dados atpicos. Esses dados atpicos podem ser o resultado do efeito de
algum fator externo ao estudo, ou podem ser simplesmente um erro de
leitura e registro.
Eq 193: Y* = b0 + b1 X* +
L = [ yi - h (xi)]2
Exerccios
Conc. 0 0 0 2 2 2 4 4 4 6 6 6 8 8 8
Depos. 13,3 11,5 12,9 14,1 13,3 16,1 14,9 15,9 18,1 17,5 16,5 18,9 20,3 18,5 20,2
Exerccio 9.2 Para os dados do exerccio 9.1, calcule a varincia residual e a varincia
dos parmetros b0 e b1. Aps construa um intervalo de confiana de
95% para a inclinao b1 e verifique a hiptese H0 : 1 = 0
Exerccio 9.4 Ainda em relao aos dados do exerccio 9.1, calcule os intervalos de
confiana para um valor mdio e para um valor individual de Y usando
x0 = 0 e x0 = 8.
Exerccio 9.5 Um torno mecnico pode ser operado a diversas velocidades. Contudo,
a qualidade do acabamento, ou seja, a rugosidade superficial, pode
piorar com o aumento da velocidade de operao. Ajuste um modelo de
regresso linear aos dados que aparecem a seguir e depois plote a reta de
regresso e os valores observados.
Velocidade 3 3 3 6 6 6 9 9 9 12 12 12
Rugosidade 26,0 21,5 33,5 36,0 27,5 37,0 41,5 28,0 39,5 43,0 37,0 50,5
Exerccio 9.6 Para os dados do exerccio 9.5, calcule a varincia residual e a varincia
dos parmetros b0 e b1. Aps construa um intervalo de confiana de
95% para a inclinao b1 e verifique a hiptese da existncia de uma
relao entre velocidade e rugosidade superficial.
118 Regresso linear simples 9. Regresso linear simples
Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
Exerccio 9.7 Faa a anlise de varincia para os dados do exerccio 9.5 e confirme
a significncia do modelo de regresso linear. Em seguida calcule o
valor do coeficiente de determinao e indique qual o significado tcnico
desse coeficiente para o problema em questo.
Exerccio 9.8 O gerente de uma indstria localizada em um pas tropical suspeita que
h uma correlao entre a temperatura do dia e produtividade. Dados
coletados aleatoriamente ao longo de um perodo de seis meses
revelaram o seguinte.
Temperatura 21,2 20,3 22,7 22,0 22,3 23,5 24,8 24,2 25,5 25,2 25,5 25,8
Produtividade 142 148 131 132 145 138 144 136 141 124 133 128
Temperatura 27,5 26,3 28,2 28,6 29,0 29,7 30,7 30,3 30,2 31,4 32,5 32,7
Produtividade 132 137 124 117 122 131 124 111 119 129 123 116
Exerccio 9.9 A anlise de 20 pares de valores indicou que a resistncia trao (Y)
de uma fibra sinttica usada na indstria txtil guarda uma relao linear
com a percentagem de algodo (X) presente na fibra. A equao obtida
foi Y = 35,7 + 0,85X (X fornecido em percentagem, equao vlida
para o intervalo de X entre 20 e 35%). Conhecidos os valores das Somas
Quadradas SXY=43,68 e SYY=79,43 pede-se:
Vol. de Trfego 3 3 5 5 10 10 15 15 20 20 25 25 30 30
Velocid. Mdia 95,6 93,8 74,4 74,8 50,5 51,5 44,6 42,4 35,8 38,7 32,0 3,2 30,1 29,1
Exerccio 9.11 Calcule os resduos padronizados para os dados do exerccio 9.10. Aps,
plote um grfico de Resduos X e verifique se h evidncias de falta de
ajuste do modelo linear.
Exerccio 9.12 Utilize o seguinte modelo para ajustar os dados do exerccio 9.10 Y=b0 +
Estatstica Industrial
9. Regresso linear simples 119
Eq 194 : Y = 0 + 1 X 1 + 2 X 2 + ... + k X k +
Y X2 X1 .... Xk
y1 x12 x11 .... x1k
y2 x22 x21 .... x2k
. . . . .
. . . . .
Tabela 14 - Apresentao de um . . . . .
conjunto de dados.
yn xn2 xn1 .... xnk
Eq 195: [ (
L = y j b0 + b1 x1 j + ... + bk x kj )]2
Observa-se que a aplicao do mtodo dos mnimos quadrados fica
simplificada se o modelo da Eq 194 escrito como:
Eq 196: Y = 0, + 1 ( X 1 x1 ) + ... + k ( X k xk ) +
Eq 197: 0, = 0 + 1 x1 + ... + k x k
Eq 198: [ ( ( ) (
L = yi b0, + b1 x1 j x1 + ... + bk x kj x k ))]2
NOTAO MATRICIAL Para lidar com o problema de regresso linear mltipla, mais
conveniente usar notao matricial, pois assim tem-se uma apresentao
muito compacta dos dados, do modelo e dos resultados.
Eq 199: Y = X +
onde:
Y1 1 (x11 x1 ) ... ( x k1 x k ) , 1
. . 0 .
. . .
Eq 200: Y = . ; X = . . . ; = . ; = .
.
. . . . .
Yn 1 (x1n x1 ) ... (x kn x k ) n
k
ESTIMATIVA DOS Pode ser demonstrado que a aplicao do mtodo dos mnimos
COEFICIENTES quadrados conduz a seguinte soluo:
Soluo:
Eq 202: ( ) (
Y = 0, + 1 X 1 x + 2 X 2 x + )
Desde que x1 = 18 e x 2 = 28 , esse modelo em notao matricial :
Estatstica Industrial
10. Regresso linear mltipla 123
24 1 - 8 2 1
27 1 - 3 - 3
2
29 1 - 8 12 3
31 1 2 - 10 4
25 1 7 - 6 5
33 1 0 3 6
,
26 1 - 6 - 2
0 7
28 = 1 - 4 6 1 + 8
31 1 - 2 1
2 9
39 1 4 9 10
33 1 6 - 8
11
30 1 - 1 - 3 12
25 1 - 5 - 1
13
42 1 12 - 5 14
40 1 6 5 15
15 0 0 463
X X = 0 504 - 213 ;
, X Y = 345
,
0 - 213 548 63
0,06667 0 0
(X ' X )1
= 0 0,002374 0,0009228
0 0,0009228 0,002183
b, 30,87
0
b = b1 = ( X ' X ) X ' Y = 0,8772
1
b 0, 4559
2
E o modelo de regresso :
Yj
Y$j rj = Yj Y$j
24 24,76 -0,76
27 26,87 0,13
29 29,32 -0,32
31 28,06 2,94
25 34,27 -9,27
33 32,23 0,77
26 24,69 1,31
28 30,09 -2,09
31 29,57 1,43
39 38,48 0,52
38 32,48 0,52
30 28,62 1,38
25 26,02 -1,02
Tabela 16 - Valores observados, 42 39,11 2,89
valores previstos e resduos.
40 38,41 1,59
Resduos x X1 Resduos x X2
10 10
6 6
2 2
Re Re
-2 -2
-6 -6
<=
<=
( ) ( )
-10 -10
10 14 18 22 26 30 18 22 26 30 34 38 42
X1 X2
Papel de Probabilidade
Resduos x Y$
10 99.9
6 99
95
2 80
Re 50
-2 20
<=
-6 5 ( )
Figura 45 - Grficos do distribuidor
<=
( )
1
-10 0.1
de cervejas. 24 27 30 33 36 39 42 -10 -7 -4 -1 2 5
Valor predito de Y Resduos
Exemplo 10.2 (ver Montgomery (1984)) Esse exemplo ilustra o uso da Anlise de
Regresso em conjunto com Projeto de Experimentos.
Soluo:
As matrizes XX e XY resultam:
8 0 0 0 409
0 8 0 0 45
'
X X = = 8 I4 ; X 'Y =
0 0 8 0 85
0 0 0 8 9
b0 51,125
b 5,625
b= 1=
b2 10,625
b3 1,125
E o modelo de regresso :
10. Regresso linear mltipla
126 Jos Luis Duarte Ribeiro & Carla ten Caten/PPGEP-UFRGS
Usando a notao:
C 00 C 01 ... C 0k
C C11 ... C1k
10
-1 . . .
Eq 203: (X' X) =
. . .
. . .
C k0 C k1 ... C kk
Eq 206: (
S 2 = Y j Y j
2
)
(n k 1) ;j = 1,n
A partir da matriz de varincias e covarincias tambm possvel
encontrar a matriz de correlao, uma vez que tm-se:
TESTES DE HIPTESE Para construir os testes de hiptese relativos a regresso mltipla, vamos
supor que os resduos j sigam o modelo normal com mdia 0 e
varincia S2 .
H dois tipos de teste que podem ser feitos: testes individuais sobre a
significncia de cada parmetro bj e um teste global para o modelo.
Eq 209: ( 2
b j N j , bj )
De modo que para testar as hipteses
H0: j = 0
H1: j 0
Eq 210: tj = bj / Sbj
Eq 211: t j > t / 2 , n k 1
Eq 212: (Y j Y ) = (Y j Y j ) + (Y j Y )
elevando ao quadrado e somando, obtemos:
(Y j Y ) ( ) ( )
2 2 2
Eq 213: = Y j Y j + Y j Y
uma vez que pode ser demonstrado que o produto cruzado nulo. Dessa
forma temos:
e usamos,
2
n n
Eq 219: SYY = y 2j j
y n
j =1
j =1
k
Eq 220: SQR = SYY bi Siy
i =1
k
Eq 221: SQReg = bi Siy
i =1
Y j
S1 y
.
Eq 223: X ' Y =
.
.
S ky
SQReg
Eq 224: r2 =
SYY
Soluo:
0,06667 0 0
(X ' X )1
= 0 0,002374 0,0009228
0 0,0009228 0,002183
1 0 0
r= 0 1 0,405
0 0,405 1
( 2
)
S 2 = Yi Y (n k 1) = 118,37 12 = 9,86
S b21 = S 2C11 = 9,86(0,002374 ) = 0,0234 ; S b1 = 0,153
Fonte SQ GDL MQ F
PREVISO DE VALORES Assim como o caso da regresso simples, a relao encontrada pode ser
DE Y usada para a previso de um valor mdio ou individual de Y. Seja:
X 10
X
20
.
Eq 225: X 0 =
.
.
X k0
Valor mdio:
Estatstica Industrial
10. Regresso linear mltipla 131
Eq 227: ( )1
Y0 t / 2,n k 1 S 2 X 0, ( X ' X )1 2
Valor individual.:
Eq 228: ( )1
Y0 t / 2,n k 1 S 2 1 + X 0, ( X ' X ) 1 X 0 2
ANLISE DAS Nas sees anteriores foi feita a suposio N(0,2) , ou seja, supe-
SUPOSIES DO se normalidade na distribuio dos resduos e homogeneidade da
MODELO DE varincia residual. A suposio de normalidade dos resduos pode ser
REGRESSO testada por testes grficos (papel de probabilidade) ou analticos (teste
do Chi-quadrado, Kolmogorov-Smirnov, etc.).
Eq 229: [ ]
R j = Y j Y j S 2
onde:
Eq 230: j = b0 + b1 X 1 j + ... + bk X kj
Y
As matrizes XX e XY resultam:
Eq 236: ( )
Y = 9,70 + 7,08 X X + 1,00 X X (
2
)
ou
Esse mtodo geral pode ser usado para ajustar dados que tenham um
formato qualquer. No entanto, se os nveis das variveis regressoras
forem eqidistantes, ento o uso de polinmios ortogonais simplifica
bastante o esforo de clculo. O uso de polinmios ortogonais aparece
descrito em Montgomery & PecK (1991) e Nanni & Ribeiro (1991).
Comentrios em relao (1) Os polinmios so muito teis para fornecer uma aproximao para
aos modelos polinomiais: relaes no lineares complexas e desconhecidas. Esse tipo de aplicao
aparece com freqncia na prtica.
(4) Vale lembrar que sempre pode ser obtido um polinmio de ordem n-
1 que ajusta-se perfeitamente aos dados. Tal modelo no ajudaria em
nada para a compreenso do fenmeno em estudo e nem tampouco seria
um bom estimador.
(5) Extrapolaes com polinmios devem ser feitas com muito cuidado.
Alm do intervalo investigado, os polinmios podem apresentar um
comportamento estranho, girando na direo oposta do esperado.
Exerccios
X1: EVA 4 4 6 6 8 8 4 4 6 6 8 8
X2: Paraf. 8 8 8 8 8 8 12 12 12 12 12 12
Y: Resist. 28,5 26,4 33,0 32,1 35,3 36,7 36,6 34,2 37,9 39,9 42,6 44,2
Exerccio 10.2 Calcule o valor dos resduos R j = Y j Y$j para os dados do exerccio
anterior e a seguir analise esses resduos plotando os grficos:
R j Y$j , R j X 1 , R j X 2 .
Teste de significncia de b1 e b2 ;
Intervalo Produtividade
4 136 137 135 140 136
6 145 146 147 147 148
8 146 144 148 145 145
10 134 131 136 134 133
12 117 119 117 115 116
Nvel de significncia
- alfa
GL 0,250 0,100 0,050 0,025 0,010 0,005
1 1,000 3,078 6,314 12,706 31,821 63,656
2 0,816 1,886 2,920 4,303 6,965 9,925
3 0,765 1,638 2,353 3,182 4,541 5,841
4 0,741 1,533 2,132 2,776 3,747 4,604
5 0,727 1,476 2,015 2,571 3,365 4,032
6 0,718 1,440 1,943 2,447 3,143 3,707
7 0,711 1,415 1,895 2,365 2,998 3,499
8 0,706 1,397 1,860 2,306 2,896 3,355
9 0,703 1,383 1,833 2,262 2,821 3,250
10 0,700 1,372 1,812 2,228 2,764 3,169
11 0,697 1,363 1,796 2,201 2,718 3,106
12 0,695 1,356 1,782 2,179 2,681 3,055
13 0,694 1,350 1,771 2,160 2,650 3,012
14 0,692 1,345 1,761 2,145 2,624 2,977
15 0,691 1,341 1,753 2,131 2,602 2,947
16 0,690 1,337 1,746 2,120 2,583 2,921
17 0,689 1,333 1,740 2,110 2,567 2,898
18 0,688 1,330 1,734 2,101 2,552 2,878
19 0,688 1,328 1,729 2,093 2,539 2,861
20 0,687 1,325 1,725 2,086 2,528 2,845
21 0,686 1,323 1,721 2,080 2,518 2,831
22 0,686 1,321 1,717 2,074 2,508 2,819
23 0,685 1,319 1,714 2,069 2,500 2,807
24 0,685 1,318 1,711 2,064 2,492 2,797
25 0,684 1,316 1,708 2,060 2,485 2,787
26 0,684 1,315 1,706 2,056 2,479 2,779
27 0,684 1,314 1,703 2,052 2,473 2,771
28 0,683 1,313 1,701 2,048 2,467 2,763
29 0,683 1,311 1,699 2,045 2,462 2,756
inf 0,674 1,282 1,645 1,960 2,326 2,576
Distribuio do Qui Quadrado - cauda da direita
Pr (QQ > QQalfa) = alfa
Nvel de
significncia - alfa
GL 0,995 0,990 0,975 0,950 0,900 0,010 0,050 0,025 0,010 0,005
1 0,0000 0,0002 0,0010 0,0039 0,016 6,635 3,841 5,024 6,635 7,879
2 0,010 0,020 0,051 0,103 0,211 9,210 5,991 7,378 9,210 10,597
3 0,072 0,115 0,216 0,352 0,584 11,345 7,815 9,348 11,345 12,838
4 0,207 0,297 0,484 0,711 1,064 13,277 9,488 11,143 13,277 14,860
5 0,412 0,554 0,831 1,145 1,610 15,086 11,070 12,832 15,086 16,750
6 0,676 0,872 1,237 1,635 2,204 16,812 12,592 14,449 16,812 18,548
7 0,989 1,239 1,690 2,167 2,833 18,475 14,067 16,013 18,475 20,278
8 1,344 1,647 2,180 2,733 3,490 20,090 15,507 17,535 20,090 21,955
9 1,735 2,088 2,700 3,325 4,168 21,666 16,919 19,023 21,666 23,589
10 2,156 2,558 3,247 3,940 4,865 23,209 18,307 20,483 23,209 25,188
11 2,603 3,053 3,816 4,575 5,578 24,725 19,675 21,920 24,725 26,757
12 3,074 3,571 4,404 5,226 6,304 26,217 21,026 23,337 26,217 28,300
13 3,565 4,107 5,009 5,892 7,041 27,688 22,362 24,736 27,688 29,819
14 4,075 4,660 5,629 6,571 7,790 29,141 23,685 26,119 29,141 31,319
15 4,601 5,229 6,262 7,261 8,547 30,578 24,996 27,488 30,578 32,801
16 5,142 5,812 6,908 7,962 9,312 32,000 26,296 28,845 32,000 34,267
17 5,697 6,408 7,564 8,672 10,085 33,409 27,587 30,191 33,409 35,718
18 6,265 7,015 8,231 9,390 10,865 34,805 28,869 31,526 34,805 37,156
19 6,844 7,633 8,907 10,117 11,651 36,191 30,144 32,852 36,191 38,582
20 7,434 8,260 9,591 10,851 12,443 37,566 31,410 34,170 37,566 39,997
21 8,034 8,897 10,283 11,591 13,240 38,932 32,671 35,479 38,932 41,401
22 8,643 9,542 10,982 12,338 14,041 40,289 33,924 36,781 40,289 42,796
23 9,260 10,196 11,689 13,091 14,848 41,638 35,172 38,076 41,638 44,181
24 9,886 10,856 12,401 13,848 15,659 42,980 36,415 39,364 42,980 45,558
25 10,520 11,524 13,120 14,611 16,473 44,314 37,652 40,646 44,314 46,928
26 11,160 12,198 13,844 15,379 17,292 45,642 38,885 41,923 45,642 48,290
27 11,808 12,878 14,573 16,151 18,114 46,963 40,113 43,195 46,963 49,645
28 12,461 13,565 15,308 16,928 18,939 48,278 41,337 44,461 48,278 50,994
29 13,121 14,256 16,047 17,708 19,768 49,588 42,557 45,722 49,588 52,335
30 13,787 14,953 16,791 18,493 20,599 50,892 43,773 46,979 50,892 53,672
Distribuio F - cauda da direita
Pr (F > Falfa(n1,n2)) = alfa