Professional Documents
Culture Documents
SISTEMA:
Qualquer produto, processo ou serviço que é objeto do estudo.
INDICADORES DE DESEMPENHO:
Características de qualidade resultantes da operação do
sistema e que são percebidas como importantes (pelo cliente)
FATORES CONTROLÁVEIS:
São os parâmetros do processo que foram eleitos para serem
estudados a vários níveis em um experimento a fim de verificar
sua influência sobre os Indicadores de Desempenho.
FATORES CONSTANTES:
São os parâmetro do processo que, mesmo significativos, são
mantidos constantes durante o experimento.
VARIABILIDADE x MEDIÇÃO:
Nada na Natureza é igual e se repete de forma absolutamente
idêntica. Quando não há variações entre repetições, é porque a
o Sistema de Medição não tem sensibilidade suficiente para
perceber a diferença.
Variáveis de
Entrada SISTEMA Resposta
63 64 65 66 67 68 69 70 71
5
PROJETO DE EXPERIMENTOS
ni
fi
N
9
PROJETO DE EXPERIMENTOS
10
PROJETO DE EXPERIMENTOS
Distribuição de Probabilidade
Distribuição de Probabilidade
PARÂMETROS x ESTATÍSTICAS:
.
POPULAÇÃO AMOSTRA
Um conjunto muito grande (ou a Um pequeno conjunto de n
totalidade) de N observações de observações efetivamente disponível
onde se imagina que venha a Em geral pequeno n < 30
amostra.
PARÂMETROS ESTATÍSTICA
Média: y Média amostral: y
m � y
N n
Variância:
( y - m)
2 Variância amostral:
s
2 ( y - y)2
s2 � n -1
N
Desvio padrão: Desvio padrão
( y - m) ( y - y)2
2
s � N
amostral: s n -1
14
PROJETO DE EXPERIMENTOS
PARÂMETROS x ESTATÍSTICAS
PARÂMETROS x ESTATÍSTICAS
Graus de Liberdade
A soma dos resíduos ou desvios dos valores amostrais y1,
y2,... em relação à média amostral ÿ devem ser zero.
n
�( y - y ) 0
i 1
i
i 1 n -1 16
PROJETO DE EXPERIMENTOS
PARÂMETROS x ESTATÍSTICAS
Graus de Liberdade
Quando a média m da população é conhecida, a variância
amostral é calculada como a média dos desvios quadrados
dos valores amostrais em relação à média da população.
( yi - m )
2
n
s& �
2
i 1 n
PARÂMETROS x ESTATÍSTICAS
Exemplo:
Para os dados xi = 1 2 3 4 5 6 7
n=7
1 n 1
x �xi ( 1 + 2 + 3 + 4 + 5 + 6 + 7 ) 4
n 11 7
n
�i
( x - x ) 2
( (1 - 4) 2 + (2 - 4) 2 + K + (7 - 4) 2 ) 4, 67
s
2 11
n -1 6
s s 2 4, 67 2,16
18
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal
Observações repetitivas que diferem por causa de um erro
experimental freqüentemente variam em torno de um valor
central em uma distribuição grosseiramente simétrica na
qual pequenos desvios ocorrem mais freqüentemente que
grandes desvios.
Uma distribuição contínua freqüentemente usada para
representar esta situação é a Distribuição Gaussiana ou
Distribuição Normal.
( y - ) 2
- 2
1 2 s
p( y) C e
s
19
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal
Uma vez conhecida a média m e a variância s2, a totalidade
da distribuição está caracterizada.
N(m,s2) Distribuição Normal de média m e variância s2
20
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal
•Aprox. 2/3 da probabilidade está concentrada na região ±s
•Aprox. 95% da probabilidade está concentrada na região ±2s
•Aprox. 100% na região ±3s
21
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal Padronizada
N(0,1)
Desvio normal padronizado ou desvio normal unitário:
y-m
z
s
Pr (-1 < z < +1) = 2/3 aprox.
Pr (-2 < z < +2) = 95% aprox.
Pr (-3 < z < +3) = 100% aprox.
22
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição t de Student
Quando o desvio padrão da população s não é conhecido, o
mesmo é aproximado pelo desvio padrão amostral s, e não
mais é possível calcular z e utilizar a Distribuição Normal.
Ao invés, calcula-se: y-m
t m �y
s
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição t de Student.
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição t de Student.
Suposições necessária para que t = (y-m) / s tenha um
Distribuição t com (n-1) graus de liberdade:
•y é normalmente distribuída em relação a m com variância s2.
•s é distribuída independentemente de y.
•a quantidade s2, com n-1 graus de liberdade, é calculada a partir
de observações normalmente e independentemente distribuídas
tendo variância s2.
25
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal
Por que a Distribuição Normal é tão utilizada?
•Pelas robustez ou insensibilidade de muitos procedimentos
estatísticos largamente utilizados em relação a desvios da
normalidade teórica.
•Pelo efeito de limite central, o qual produz uma tendência
da distribuição dos erros reais de serem “aparentemente
normais” .
26
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
É normalmente verdade que um erro genérico = y – m é
um agregado de um certo número de componentes de erro
(erro analítico, erro de amostragem, erro de processo,
variação nas condições experimentais, variação nos
materiais, etc.)
= a11 + a22 + ... + ann
Sob certas condições geralmente encontradas na realidade
das experimentações, tal distribuição linear de erros tende à
Normalidade à medida que o número de componentes
torna-se grande, independentemente da distribuição original
de cada componente de erro.
27
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
Condições:
•Várias das fontes de erro DEVEM fazer importantes
contribuições para o erro geral.
•Nenhuma fonte de erro pode dominar as demais.
Exemplo:
Suponhamos que cada fonte de erro ou variação pode ser
representada por um dado, e que todas as fontes de erro
tem igual importância na formação do erro geral.
n
1
i
i 1 n 28
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
Se tivermos apenas uma fonte de erro (1 dado) a média é
da distribuição de erros é m = 3,5 e a distribuição obtida é
constante ( p(y) = 1/6, qualquer que seja y)
29
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
Se tivermos 2,3,...10 fontes de erro independentes (10 dados) a
distribuição de erro resultante (média das fontes) gradativamente
se aproxima da distribuição Normal.
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
O exemplo ilustra 2 importantes fatos:
•A distribuição de erro = a11 + a22 + ... + ann a qual é um
agregado linear de componentes de erro tende à forma
normal, mesmo quando a distribuição de cada componente
é marcadamente não Normal.
•A média amostral tende a ser normalmente distribuída,
mesmo quando as observações individuais nas quais ela é
baseada não são. Métodos estatísticos que dependam não
das observações individuais, mas de uma ou mais médias
de observações tendem a ser insensíveis ou robustos em
relação à não-normalidade.
31
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
Consideremos a seguinte POPULAÇÃO:
yi = 3 4 5
m4 s 23
4 1/3 0,10
0,05
0,00
5 1/3 3 4 5
32
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
Consideremos todas as amostras de tamanho 2 com reposição
que podem ser retiradas da população.
(3 ; 3) (3 ; 4) (3 ; 5) (4 ; 3) (4 ; 4) (4 ; 5) (5 ; 3) (5 ; 4) (5 ; 5)
Para as médias amostrais ÿi :
3 3,5 4 3,5 4 4,5 4 4,5 5
A distribuição de probabilidades é
Valor de yi Probabilidade Valor de yi Probabilidade
3 1/9 4,5 2/9
3,5 2/9 5 1/9
33
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
0,35
0,30
E( y ) m 4
0,25
2
s
0,20
0,15
DP( y ) 3 1
0,10
0,05 n 2 3
0,00
3 3,5 4 4,5 5
(3 - 4)2 + (3,5 - 4) 2 + (4 - 4) 2 + K (5 - 4) 2 3
DP( y )
9 9
34
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
y -m
z é N (0;1)
s
n
35
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Normal – Efeito de Limite Central
y -m
z é aproximadamente N (0;1)
s
n
36
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
( 2 -1)
( )
2
-
Distribuição de Qui-quadrado. p( 2 ) C 2 e 2
37
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição F de Fisher-Snedecor.
12
1
22
2
38
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Binomial:
39
PROJETO DE EXPERIMENTOS
DISTRIBUIÇÕES DE PROBABILIDADE
Distribuição Binomial:
�n � k
P [ x k ] � �p ( 1 - p ) , k 0,1,..., n
n-k
�k�
�n � n n!
� � Ck
�k� k !(n - k )!
Média E ( x) np
Variância VAR ( x ) np (1 - p )
40
PROJETO DE EXPERIMENTOS
VARIÁVEIS ALEATÓRIAS
Uma quantidade que não é conhecida com exatidão mas
para a qual conhecemos a distribuição de probabilidade é
chamada de Variável Aleatória.
Ex: Altura dos habitantes adultos do Rio Grande do Sul.
DEPENDÊNCIA ESTATÍSTICA
Consideremos p(y1) a distribuição de altura dos gaúchos
adultos e p(y2) a distribuição de peso.
É fácil verificar que p(y2|y1=1.60m) ≠ p(y2|y1=1.80m)
y1 (altura) e y2 (peso) são variáveis estatisticamente
dependentes.
41
Pr (y1=1.60m,y2=60kg) = Pr (y1=1.60m).Pr (y2=60kg| y1=1.60m).
PROJETO DE EXPERIMENTOS
INDEPENDÊNCIA ESTATÍSTICA
Cov( y , y )
�(y 1 - m1 )( y2 - m2 )
0
1 2
N
43
PROJETO DE EXPERIMENTOS
INDEPENDÊNCIA ESTATÍSTICA
44
PROJETO DE EXPERIMENTOS
INDEPENDÊNCIA ESTATÍSTICA
Quando dados são obtidos em seqüência, é freqüente que
observações obtidas próximas (em tempo ou espaço) sejam
mais parecidas entre si que observações obtidas distantes
(em tempo ou espaço). Para medir essa dependência
utilizam-se os Coeficientes de Auto-correlação de
espaçamento k (espaçamento entre observações)
rk
( y - y )( y - y )
t t+k
( y - y)
t
2
45
PROJETO DE EXPERIMENTOS
AMOSTRAGEM ALEATÓRIA
46
PROJETO DE EXPERIMENTOS
n
Tende à distribuição normal
y
Distante da normalidade
47
PROJETO DE EXPERIMENTOS
Se Y é a diferença , então: E (Y ) m A - m B
V (Y ) s A2 + s B2
48
PROJETO DE EXPERIMENTOS
2 s 2 s 2
A distribuição de s2 tem média s2 e variância 2s4/
49
PROJETO DE EXPERIMENTOS
•A quantidade
( y - m)
s
n
50
PROJETO DE EXPERIMENTOS
51
PROJETO DE EXPERIMENTOS
2. Comparação de 2 Tratamentos
52
PROJETO DE EXPERIMENTOS
53
PROJETO DE EXPERIMENTOS
Dada a variabilidade,
pode-se afirmar que
1.30 de diferenças
nas médias é
evidência forte o
suficiente para
indicar que o método
B é melhor que o A?
55
PROJETO DE EXPERIMENTOS
56
PROJETO DE EXPERIMENTOS
57
PROJETO DE EXPERIMENTOS
58
PROJETO DE EXPERIMENTOS
59
PROJETO DE EXPERIMENTOS
60
PROJETO DE EXPERIMENTOS
61
PROJETO DE EXPERIMENTOS
s 2
( - 0,43 - 0) + ( + 0,43 - 0) + ... + ( - 0,64 - 0)
2 2 2
0,36
10
s s 2 0,60
64
PROJETO DE EXPERIMENTOS
t
( yB - y A ) - ( m B - m A )
1.30 - 0
2.17
s& 0.60
65
PROJETO DE EXPERIMENTOS
66
PROJETO DE EXPERIMENTOS
s2 s2
VAR ( y A ) VAR ( yB )
nA nB
s2 s2 2 �1 1 �
VAR( yB - y A ) + s � + �
nA nB �nA nB � 67
PROJETO DE EXPERIMENTOS
( yB - y A ) - ( m B - m A )
z
�1 1 �
s � + �
�nA nB � 68
PROJETO DE EXPERIMENTOS
1 1 1 1
s + 2.88 + 1.29
n A nB 10 10
1.30 - ( m B - m A )0
z0
1.29
69
PROJETO DE EXPERIMENTOS
70
PROJETO DE EXPERIMENTOS
s A2
A A
( y - y ) 2
8.42
nA - 1
s B2
B B
( y - y ) 2
13.32
nB - 1 71
PROJETO DE EXPERIMENTOS
s2
A A
( y - y ) 2
+ ( y B - y B ) 2
10.87
(n A - 1) + (nB - 1)
� A A
( y - y ) 2
s A ( n A - 1)
2
(
s2 A
n - 1) s 2
A + ( nB - 1) s 2
B
� B B
( y - y ) 2
s B ( nB - 1)
2 (nA - 1) + (nB - 1)
72
PROJETO DE EXPERIMENTOS
�1 1 � �1 1 �
s � + � 10.87. � + � 1.47
�nA nB � �10 10 �
73
PROJETO DE EXPERIMENTOS
1.30 - ( m B - m A )0
t0
1.47
74
PROJETO DE EXPERIMENTOS
75
PROJETO DE EXPERIMENTOS
76