UNIVERSIDADE FEDERAL DA BAHIA

GUSTAVO GOMES FERNANDES

ESTATSTICA NA ENGENHARIA OU REAS AFINS

Salvador

2016GUSTAVO GOMES FERNANDES

ESTATSTICA NA ENGENHARIA OU REAS AFINS

Anlise crtica e comparativa apresentada

disciplina ENGD02 Estatstica na
Engenharia, Departamento de Engenharia
Qumica, turma 030300, da Universidade
Federal da Bahia, como avaliao de
aprendizagem.

Orientador: Prof. Dr. Karla Esquerre

Salvador
2016

RESUMO

A estatstica est presente no dia a dia de todos e constitui-se de um

conjunto de tcnicas e mtodos que so usados consciente ou inconscientemente
em vrias situaes, j que quase toda atividade humana envolve a coleta e anlise
de algum tipo de informao. Este documento visa fazer uma anlise crtica e
comparativa acerca do tema: estatstica na engenharia ou reas afins, abordando as
ideias de alguns autores de livros e artigos e para tanto, com a finalidade de uma
viso geral sobre o tema, faz-se necessrio discutir sucintamente o contexto
histrico do surgimento da estatstica, sua a definio e a importncia da
aprendizagem de mtodos de estatstica e probabilidade luz dos avanos
cientficos e sociais que esse conhecimento proporcionou ao longo dos anos e dos
desafios atuais e futuros, especialmente dentro da engenharia.

ESTATSTICA NA ENGENHARIA OU REAS AFINS

Para Matsushita (2010 apud IGNACIO, 2010, p. 4),

o que se entende, modernamente, por Estatstica ou Cincia
Estatstica muito mais do que um conjunto de tcnicas teis para
algumas reas isoladas ou restritas da cincia. Por exemplo, ao
contrrio do que alguns imaginam, a estatstica no um ramo da
matemtica onde se investigam os processos de obteno,
organizao e anlise de dados sobre uma determinada populao.
Tambm no se limita a um conjunto de elementos numricos
relativos a um fato social, nem a tabelas e grficos usados para o
resumo, a organizao e apresentao dos dados de uma pesquisa,
embora este seja um aspecto da estatstica que pode ser facilmente
percebido no cotidiano.

Durante o sculo XX, segundo Salsburg (2009 apud IGNACIO, 2010, p.

1), a introduo de mtodos estatsticos revolucionou a cincia e sofisticaram o
processo de pesquisa particularmente na busca de melhores parmetros de
investigao, inclusive para orientar a tomada de decises nas polticas
socioeconmicas.
Segundo Barbetta, Reis e Bornia (2010, p. 13-14), aps a Revoluo
Industrial os mtodos estatsticos foram incorporados aos processos industriais
como forma de garantir a qualidade dos produtos ressaltando que, quela poca, o
controle do processo era avaliado a partir do estudo de amostras de itens j
produzidos; e dada a importncia desse estudo, atualmente a avaliao da
qualidade j feita ao longo de todo o processo permitindo a identificao de
possveis falhas to logo quanto possvel.
Alm do acompanhamento estatstico da qualidade, as indstrias
costumam fazer experimentos estatisticamente planejados para
encontrar a combinao dos nveis dos fatores do processo que
levem a melhor qualidade possvel. Na outra ponta, as empresas
levantam dados de amostras de consumidores para realizar
pesquisas de marketing direcionadas ou para adequar os produtos
aos clientes. O planejamento dessas amostras e a anlise dos dados
necessitam de tcnicas estatsticas. (BARBETTA, REIS e BORNIA,
2010, p. 14).

Embora, de acordo com Larson e Farber (2010, p.28), elementos da

estatstica j vinham sendo observados desde o sculo XVII, indiscutvel que, de
3

fato, demorou muito tempo at que esse conhecimento fosse aprimorado e

devidamente

sistematizado

ento

viesse

ser

tratado

como

cincia,

estabelecendo seus mtodos seja para a medio dos fenmenos, seja para o
estudo de correlaes ou para sistematizao e anlise de dados; porm no
difcil perceber que logo tornou-se indispensvel principalmente quando se discute
inovao, competitividade e produtividade.
Para Davidian e Louis (2012, traduo nossa) estatstica a cincia da
aprendizagem a partir de dados e da medio, controle e comunicao da incerteza;
provendo assim os elementos essenciais para controlar o curso dos avanos
cientficos e sociais. Esta parece ser uma definio bastante pertinente tendo em
vista que a estatstica no fornece uma resposta ou uma concluso explcita ao
problema analisado, mas fornece informaes acerca dos dados experimentais
relacionados quele problema, permitindo ao pesquisador uma melhor anlise
desses dados, uma melhor compreenso do problema e fornecendo condies para
que este ltimo seja capaz de tirar concluses a respeito desse problema. O
pesquisador, por sua vez, dever ser capaz de tirar concluses vlidas e objetivas
somente se conhecer bem o problema em estudo. O domnio sobre o problema ,
dessa forma, um elemento chave dentro do estudo estatstico e que deve ser levado
em conta antes mesmo da coleta dos dados do estudo.
De modo geral, a estatstica lida com a organizao, descrio, anlise e
interpretao de dados observados, com isso, segundo Costa Neto (1977, p. 1), a
cincia estatstica aplicvel a qualquer ramo do conhecimento que lida com dados
experimentais, de modo que reas como a fsica, a qumica, a engenharia, a
economia, a medicina, a biologia, as cincias sociais e administrativas, etc. tendem
cada vez mais a servir-se dos mtodos estatsticos como ferramenta de trabalho, o
que evidencia a grande importncia de dominar essa ferramenta.
Em se tratando de engenharia, Barbetta, Reis e Bornia (2010, p. 14)
avaliam como estreita a sua relao com a estatstica j que, atualmente, os
prprios

mtodos

de

engenharia

costumam

incorporar

intrinsecamente

procedimentos probabilsticos ou estatsticos defendendo ento que, para que seja

4

possvel entender certos mtodos de engenharia, necessrio que se adquira

conhecimentos de probabilidade e estatstica, tendo em vista que estamos
armados e somos perigosos se comearmos a fazer clculos sem considerar
alguns aspectos gerais criticamente importantes. (TRIOLA, 2006, p. 5, grifo do
autor).
Esses aspectos, segundo Triola (2006), referem-se ao contexto e fonte
dos dados, forma como estes dados foram obtidos e ao que se pode concluir a
partir destes. Para tanto, luz dos aspectos abordados por Triola (2006), surge a
necessidade do planejamento do experimento, que de acordo com Montgomery
(2005, apud Andrade e Ogliari, 2010, p. 44), por delineamento estatstico do
experimento, entendemos o processo de planejamento do experimento, de tal forma
que os dados obtidos possam ser analisados atravs de mtodos estatsticos,
resultando em concluses vlidas e objetivas. Esse planejamento dever servir de
base para a realizao do experimento de forma a possibilitar que a incerteza
associada a esse experimento seja medida, atravs dos mtodos estatsticos, na
tentativa de entender a variabilidade associada aos dados experimentais.

Com o advento dos computadores e a era da informao, problemas

estatsticos explodiram tanto em tamanho quanto em complexidade. (HASTIE,
TIBSHIRANI, FRIEDMAN, 2008, p. xi, traduo nossa).
Essa exploso de problemas estatsticos, como descrevem Hastie,
Tibshirani e Friedman (2008), pode ser analisada como decorrente do fenmeno da
globalizao, caracterizada como um dos processos de intensificao internacional
da integrao econmica, social, cultural e poltica e que est diretamente
relacionada aos crescentes avanos nas tecnologias das comunicaes e aumento
da capacidade de fluxo de dados e do potencial de processamento dos
computadores e dispositivos mveis, exigindo dos pesquisadores novas abordagens
para a avaliao e planejamento de problemas estatsticos de diversas reas do
conhecimento e impulsionando para a inovao em mecanismos de coleta e anlise
de dados e ainda de tomadas de deciso. A Internet das Coisas, ou simplesmente
IoT, do termo em ingls, j vista como um dos elementos fundamentais no sentido
de deixar o mundo no limiar de uma Quarta Revoluo Industrial onde todos os
5

dispositivos devero estar interconectados, trocando dados simultaneamente e

tomando suas prprias decises, que por sua vez, devero ser baseadas em
anlises estatsticas. A inteligncia artificial e o Aprendizado de Mquina, que j se
mostram presentes em diversas aplicaes do cotidiano e, muitas vezes, acabam
passando despercebidas, so tambm elementos definidores para o avano da
tecnologia e que se apropriam fortemente do conhecimento estatstico.
Machine Learning ou Aprendizado de Mquina um mtodo de
anlise de dados que automatiza o desenvolvimento de modelos
analticos. Usando algoritmos que aprendem interativamente a partir
de dados, o aprendizado de mquinas permite que os computadores
encontrem insights ocultos sem serem explicitamente programados
para procurar algo especfico. (SAS, 2016).

De acordo com a SAS (2016), o aprendizado de mquina tem ainda,

atualmente, uma relao muito estreita com o conceito de Big Data, que consiste na
anlise de grandes massas de dados, chave para a competitividade tanto entre
empresas quanto

entre

governos

trazendo, consigo,

novos desafios

aos

profissionais que lidam com dados.

Conceitualmente, Big Data a habilidade de capturar, armazenar e
processar grandes quantidades de dados em busca de correlaes.
A grande diferena entre buscar uma agulha num palheiro e Big
Data, que no primeiro caso procuramos uma agulha, e no segundo
ns no sabemos exatamente o que estamos procurando at
encontrarmos. uma aventura de descobertas atravs do
cruzamento de nmeros e estatsticas, que revelam segredos l
escondidos, como tendncias, modelos de comportamento, etc.
(LOMBARDO, 2013, grifo do autor).

A estatstica serve de base fundamental e se mostra presente em uma

infinidade de problemas atuais e futuros, portanto, fcil perceber a crescente
importncia do conhecimento da estatstica e da probabilidade e a forma como este
conhecimento mudou e continua mudando o mundo em que vivemos contribuindo
para o avano da humanidade, especialmente no que diz respeito a tomadas de
decises, seja num simples jogo de cartas, na avaliao de um produto ou processo,
na gesto de uma empresa, na traduo da informao genmica em novas terapias
ou nos testes de novos medicamentos ou ainda no controle de epidemias. Em todos
esses casos os dados associados esto inerentemente susceptveis a variaes e

os mtodos estatsticos so, nesse sentido, as ferramentas bsicas que permitiro

ao pesquisador uma melhor compreenso acerca dessa variabilidade.

REFERNCIAS BIBLIOGRFICAS

ANDRADE, Dalton F.; OGLIARI, Paulo J. Estatstica para as cincias agrrias e

biolgicas: com noes de experimentao. 2. ed. rev. e ampl. Florianpolis: Ed. Da
UFSC, 2010.
BARBETTA, P. A.; REIS, M. M.; BORNIA, A. C. Estatstica para cursos de
engenharia e informtica. 3. ed. So Paulo: Atlas, 2010.
COSTA NETO, Pedro Luiz de Oliveira. Estatstica. So Paulo: Edgard Blcher,
1977.
DAVIDIAN, M.; LOUIS, T. A. Why Statistics? Science, 6 abr. 2012. Disponvel em:
<http://science.sciencemag.org/content/336/6077/12.full.pdf+html>. Acesso em: 18
jul. 2016.
HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The Elements of Statistical Learning:
Data Mining, Inference, and Prediction. 2. ed. [S.l]: Springer, [2008 ou 2009].
Disponvel
em:
<
https://web.stanford.edu/~hastie/local.ftp/Springer/OLD/ESLII_print4.pdf>.
Acesso
em: 21 jul. 2016.
IGNCIO, Srgio Aparecido. Importncia da Estatstica para o Processo de
Conhecimento e Tomada de Deciso. Nota Tcnica Ipardes, Curitiba, n.6, out.
2010.
Disponvel
em:
<http://www.ipardes.gov.br/biblioteca/docs/NT_06_importancia_estatistica_tomada_d
ecisao.pdf>. Acesso em: 7 jul. 2016.
LARSON, R.; FARBER, B. Estatstica aplicada. Traduo Luciane Ferreira; Pauleti
Vianna. 4. ed. So Paulo: Pearson Prentice Hall, 2010.
LOMBARDO, Marcelo. Big Data para leigos entenda em 5 minutos por que isso
muda a forma como vemos o mundo, [S.l]: Marcelo Lombardo, 26 set. 2013.
Disponvel em: <http://marcelo.omie.com.br/2013/09/big-data-para-leigos-1.html>.
Acesso em: 23 jul. 2016.
SAS, Machine Learning, O que e por que importante? Disponvel em:
<http://www.sas.com/pt_br/insights/analytics/machine-learning.html>. Acesso em: 23
jul. 2016.
TRIOLA, Mario F. Introduo estatstica: atualizao da tecnologia. Traduo e
reviso tcnica Ana Maria Lima de Farias, Vera Regina Lima de Farias e Flores. Rio
de Janeiro: LTC, 2013.