Universidade Federal de Alagoas UFAL

Centro de Tecnologia CTEC

Mestrado 2017-1

Professor: Eduardo Toledo de Lima Junior

Ricardo Vital Barroso

Lista de Exerccios 1

a) Caracterizar a amostra, inclusive graficamente;

Valor mdio da amostra:

29575.60976 (1.1.1)

Desvio padro da amostra:

1506.947326 (1.1.2)

Coeficiente de Variao:

0.05095236711 (1.1.3)

Clculo do nmero de intervalos (Frmula de Sturges):

6 (1.1.4)

Histograma de frequncias relativas:

Estimativa de densidade de probabilidade:

Histograma cumulativo da amostra:

b) Tomando-se os modelos de distribuio Normal, Gumbel e Lognormal, verificar qual
deles representa melhor a amostra, com base no teste de aderncia de Kolmogorov-
Smirnov. Deve-se implementar o teste e adotar nvel de significncia de 5%;

Distribuio Normal

(1.2.1.1)

(1.2.1.2)

Distribuio Gumbel

1174.962010

28897.40328 (1.2.2.2)

(1.2.2.3)

e (1.2.2.4)

Distribuio Lognormal

0.05091934641 (1.2.3.1)

10.29340892 (1.2.3.2)
 (1.2.3.3)

(1.2.3.4)

PDF e CDF

Teste de aderncia (Kolmogorov-Smirnov)

Distribuio Normal:

0.1032994199 (1.2.5.1)
Distribuio Gumbel:

0.1014548430 (1.2.5.2)
Distribuio LogNormal:

0.09314550844 (1.2.5.3)

O valor crtico para o Teste de Kolmogorov-Smirnov, adotando um nvel de significncia de 5%, de uma amostra com 41 observaes da v.a. :

Dn = 0.2076

Sendo assim, todas as distribuies ajustam de maneira satisfatria os dados da amostra. A distribuio que garante melhor ajuste a Distribuio
LogNormal, que apresenta o menor valor no teste de aderncia.
2. Sejam duas variveis aleatrias A e B, com distribuies lognormal e Gamma, respectivamente, definidas como segue.
A ; B:G( = 1, r = 1,25).
Admitindo-se que so estatisticamente independentes, pede-se:

a) Construir e graficar as funes de densidade de probabilidade das 2 v.a.;

(2.1.1)

(2.1.2)
b) Construir e graficar a funo densidade de probabilidade conjunta das v.a.;

(2.2.1)

A B

0.1394709106 (2.3.1)
3. Sejam as combinaes de aes definidas a seguir, com base na NBR-8681:2002.
= F + F + F (combinao ltima normal)
=F +F + F (combinao quase permanente de servio)
Admita-se que os valores caractersticos das aes permanentes F e da ao varivel sejam descritos como variveis aleatrias normais
estatisticamente independentes, dadas na tabela a seguir, e que os coeficientes de ponderao sejam determinsticos, com valores:
= 1,35; = 1,30; = 1,50; = 0,3. Pede-se:

Coeficientes de Ponderao:

Mdia (kN/m):

Desvio Padro (kN/m):

a) Calcular a mdia e a varincia de e ;

33.750 (3.1.1)

18.88856425 (3.1.2)

13.57 (3.1.3)

0.878996 (3.1.4)

b) Calcular a probabilidade de que F assuma valores maiores que 28 kN/m;

0.9070866300 (3.2.1)

c) Calcular a correlao entre F e F .

3.905575 (3.3.1)

0.9584998712 (3.3.2)
Quando a correlao entre duas v.a. igual a 1, diz-se que h uma correlao positiva perfeita entre elas. Quando a correlao nula, significa que no existe
correlao linear entre as v.a.. Com o resultado obtido, vlido afirmar que as v.a. possuem forte correlao.
4. Seja a equao de resistncia presso interna de um tubo de parede fina, conhecida como Equao de Barlow, dada por , na qual a
tenso de escoamento do material, D e t representam o dimetro externo e a espessura do tubo. Assumindo-se que as 3 variveis so aleatrias (descritas na
tabela a seguir), estimar o valor mdio e a varincia de , por expanso em srie de Taylor de primeira ordem.

Truncando a equao resultante da expanso em srie de Taylor na primeira ordem, podemos estimar o valor mdio de por:

14348.82093 (4.1)
E a varincia calculada por:

(4.2)
5. Calcular analiticamente a mdia e o desvio padro de uma distribuio normal equivalente a uma distribuio lognormal, com parmetros e , num
ponto .

Uma distribuio normal equivalente a uma distribuio lognormal num ponto pode ser obtida igualando-se as funes PDF e CDF das distribuies normal e
lognormal. Adota-se a distribuio normal padro.

Atribuindo um valor qualquer a , e x :

Igualando as funes CDF e PDF:

(z) = FLN(x )
x )

Aplica-se a inversa da funo CDF da normal padro em ambos os lados da equao apresentada anteriormente:

z= (FLN(x ))

z=

O desvio padro obtido a partir da relao de igualdade entre as funes PDF:

E a mdia calculada a partir da prpria definio da varivel reduzida z :

6. Fazer um estudo de sensibilidade dos testes de Kolmogorov-Smirnov e Anderson-Darling na verificao de aderncia de modelos do tipo Normal a
diferentes tipos de amostras. Para tanto, deve-se gerar sries hipotticas de nmeros aleatrios Gaussianos, variando-se o tamanho da srie e seu desvio
padro.

Adota-se um nvel de significncia de 5% para ambos os testes.

Teste de Kolmogorov-Smirnov:

Teste de Anderson-Darling:

As sries sero geradas fixando-se a mdia e variando-se o tamanho da srie e seu desvio padro. Quanto maior o desvio padro, maior a disperso entre os pontos
da amostra. Para uma boa distribuio de pontos mais dispersos, necessria uma amostra de tamanho maior. Sendo assim, varia-se o desvio padro em funo
do tamanho da srie:

Amostra 1 (n = 25 ,

3.218875824 (6.1.1)

(6.1.2)

Kolmogorov-Smirnov

0.194075396993273808 (6.1.1.1)

0.2720000000 (6.1.1.2)
Anderson-Darling

1.034367582 (6.1.2.1)

0.7264354864 (6.1.2.2)
Concluses:
O teste de Kolmogorov-Smirnov indica que a distribuio normal ajusta de maneira satisfatria os dados da amostra. J o teste de Anderson-Darling no
aprova a distribuio para o ajuste dos dados.

Amostra 2 (n = 50 ,

3.912023005 (6.2.1)

(6.2.2)

Kolmogorov-Smirnov
 0.0911584307022658136 (6.2.1.1)

0.1923330444 (6.2.1.2)
Anderson-Darling

0.7054275501 (6.2.2.1)

0.7391852416 (6.2.2.2)
Concluses:
Ambos os testes de aderncia utilizados (Kolmogorov-Smirnov e Anderson-Darling) indicam que os valores da amostra so bem ajustados para uma
distribuio normal.

Amostra 3 (n = 75 ,

4.317488114 (6.3.1)

(6.3.2)

Kolmogorov-Smirnov

0.112027394646388501 (6.3.1.1)

0.1570392733 (6.3.1.2)
Anderson-Darling

2.056776676 (6.3.2.1)

0.7433162718 (6.3.2.2)
Concluses:
O teste de Kolmogorov-Smirnov indica que a distribuio normal ajusta de maneira satisfatria os dados da amostra. J o teste de Anderson-Darling no
aprova a distribuio para o ajuste dos dados.

Amostra 4 (n = 100 ,

4.605170186 (6.4.1)

(6.4.2)
 Kolmogorov-Smirnov

0.0696818619966508290 (6.4.1.1)

0.1360000000 (6.4.1.2)
Anderson-Darling

0.4532237141 (6.4.2.1)

0.7453594954 (6.4.2.2)
Concluses:
Ambos os testes de aderncia utilizados (Kolmogorov-Smirnov e Anderson-Darling) indicam que os valores da amostra so bem ajustados para uma
distribuio normal.

Amostra 5 (n = 150 ,

5.010635294 (6.5.1)

(6.5.2)

Kolmogorov-Smirnov

0.0574323267159541073 (6.5.1.1)

0.1110435350 (6.5.1.2)
Anderson-Darling

0.7557504701 (6.5.2.1)

0.7473878579 (6.5.2.2)
Anlise dos resultados:
O teste de Kolmogorov-Smirnov indica que a distribuio normal ajusta de maneira satisfatria os dados da amostra. J o teste de Anderson-Darling no
aprova a distribuio para o ajuste dos dados, embora os resultados tenham sido bem prximos.

Concluso
Analisando os resultados obtidos nos testes de aderncia para as 5 amostras, pode-se afirmar que o teste de aderncia de Anderson-Darling mais rigoroso
quanto qualidade do ajuste. Na realidade, a proposta do teste de Anderson-Darling dar maior peso anlise da qualidade do ajuste nas caudas da distribuio.
Isto faz com que o teste seja muito interessante em determinados casos prticos, uma vez que os famosos testes de Kolmogorov-Smirnov e chi-quadrado no se
preocupam efetivamente com as regies de menor probabilidade de ocorrncia (as caudas da distribuio).