Controle Estatstico de Qualidade

Robert Wayne Samohyl

Captulo 3 As distribuies de probabilidade mais importantes em controle estatstico de qualidade (CEQ): variveis mensurveis

3.1 Introduo
O conceito de distribuio de freqncias e probabilidades de variveis (ou mensurveis ou atributos), e principalmente o formato da distribuio, central para a utilizao de estatstica.

A tendncia central dos dados, a sua disperso e assimetria so caractersticas que definem as distribuies, e facilitam a anlise e a inspirao das propostas para melhorias.
O propsito do captulo 3 formalizar e generalizar as definies dessas caractersticas distribucionais para as variveis mensurveis e utiliz-las nas ferramentas de controle estatstico de qualidade.

3.2 Distribuio normal

Como j foi discutido no captulo 2 sobre as medidas descritivas e os grficos bsicos, os dados que vem da distribuio normal produz um agrupamento de valores observados prximos mdia, e freqncias menores quando nos afastamos da mdia.

Esse formato facilmente visto no histograma.

3.2.1 Distribuies no-normais transformveis em normal

Em alguns casos, ainda raros, dado o tipo de varivel sob investigao, o pesquisador no deve esperar a distribuio normal. O varivel tempo (durao de tempo entre eventos), por exemplo, quase nunca distribuda normalmente. Veja o histograma na prxima transparncia.

Figura 3.1 A distribuio de tempos de parada de mquina esperando manuteno.

500
Freqncia

400 300 200 100 0

1 39 76 114 152 190 227 265 303
5

Minutos de parada da mquina

Transformao logartmica
Para resolver o problema de no normalidade, o pesquisador pode experimentar uma transformao do dado original para um dado distribudo normalmente.
Para dados de tempo, a experincia diz que uma transformao logartmica a melhor sugesto inicial, W = ln(X). Assim, transformando todos os dados da varivel X pelo logaritmo natural e montando o histograma dos dados transformados (ln(X)), veja na figura 3.2, fica convincente que o resultado a distribuio normal.

Figura 3.2 A distribuio de tempos de parada de mquina aps a aplicao da transformao exponencial ln(X)

Freqncia

Minutos transformados
7

3.2.2 Caractersticas matemticas da distribuio normal: a relao entre o desvio padro da varivel e a probabilidade

Desde que uma boa parte do mundo real tende a se representar como a distribuio normal, as figuras a seguir ajudam a compreender melhor a realidade e tambm a convenincia prtica da distribuio normal.

Figura 3.3a - A distribuio normal em termos de um nico desvio padro.

Distribuio normal em desvio padro

68,27%

15,865 %

-6

-5

-4

-3

-2

-1

Figura 3.3b - A distribuio normal em termos de dois desvios padro.

Distribuio normal em desvio padro

95,45%

2,275%

-6

-5

-4

-3

-2

-1

10

Figura 3.3c - A distribuio normal em termos de trs desvios padro.

Distribuio normal em desvio padro

99,73%

0,135%

-6

-5

-4

-3

-2

-1

11

Figura 3.3d - A distribuio normal em termos de seis desvios padro.

Distribuio normal em desvios padro

0,999999998 0,000000001

-7

-6

-5

-4

-3

-2

-1

12

Tabela 3.1 Valores de Zi e a rea acumulada, a probabilidade de Zi ser menor.

Area acumulada Zi a esquerda -6 0,000000001 -5,9 0,000000002 -5,8 0,000000003 -5,7 0,000000006 -5,6 0,000000011 -5,5 0,000000019 -5,4 0,000000033 -5,3 0,000000058 -5,2 0,000000100 -5,1 0,000000170 -5 0,000000287 -4,9 0,000000479 -4,8 0,000000793 -4,7 0,000001301 -4,6 0,000002112 -4,5 0,000003398 -4,4 0,000005413 -4,3 0,000008540 -4,2 0,000013346 -4,1 0,000020658 -4 0,000031671 Area acumulada Zi a esquerda -3,9 0,000048096 -3,8 0,000072348 -3,7 0,000107800 -3,6 0,000159109 -3,5 0,000232629 -3,4 0,000336929 -3,3 0,000483424 -3,2 0,000687138 -3,1 0,000967603 -3,0 0,001349898 -2,9 0,001865813 -2,8 0,002555130 -2,7 0,003466974 -2,6 0,004661188 -2,5 0,006209665 -2,4 0,008197536 -2,3 0,010724110 -2,2 0,013903448 -2,1 0,017864421 -2,0 0,022750132 Area acumulada Zi a esquerda -1,9 0,02871656 -1,8 0,035930319 -1,7 0,044565463 -1,6 0,054799292 -1,5 0,066807201 -1,4 0,080756659 -1,3 0,096800485 -1,2 0,11506967 -1,1 0,135666061 -1 0,158655254 -0,9 0,184060125 -0,8 0,211855399 -0,7 0,241963652 -0,6 0,274253118 -0,5 0,308537539 -0,4 0,344578258 -0,3 0,382088578 -0,2 0,420740291 -0,1 0,460172163 Area acumulada Zi a esquerda 0 0,5 0,1 0,539827837 0,2 0,579259709 0,3 0,617911422 0,4 0,655421742 0,5 0,691462461 0,6 0,725746882 0,7 0,758036348 0,8 0,788144601 0,9 0,815939875 1 0,841344746 1,1 0,864333939 1,2 0,88493033 1,3 0,903199515 1,4 0,919243341 1,5 0,933192799 1,6 0,945200708 1,7 0,955434537 1,8 0,964069681 1,9 0,97128344 Area Area acumulada acumulada Zi a esquerda Zi a esquerda 2 0,97725 4 0,999968329 2,1 0,982136 4,1 0,999979342 2,2 0,986097 4,2 0,999986654 2,3 0,989276 4,3 0,99999146 2,4 0,991802 4,4 0,999994587 2,5 0,99379 4,5 0,999996602 2,6 0,995339 4,6 0,999997888 2,7 0,996533 4,7 0,999998699 2,8 0,997445 4,8 0,999999207 2,9 0,998134 4,9 0,999999521 3 0,99865 5 0,999999713 3,1 0,999032 5,1 0,999999830 3,2 0,999313 5,2 0,999999900 3,3 0,999517 5,3 0,999999942 3,4 0,999663 5,4 0,999999967 3,5 0,999767 5,5 0,999999981 3,6 0,999841 5,6 0,999999989 3,7 0,999892 5,7 0,999999994 3,8 0,999928 5,8 0,999999997 3,9 0,999952 5,9 0,999999998 6 0,999999999

13

3.2.3 Distribuio normal padronizada (Z)

Quando a distribuio normal padronizada com a mdia igual a zero e desvio padro unitrio, como nas figuras 3.3, as percentagens de rea embaixo da curva podem ser avaliadas e tabeladas para qualquer nmero ou frao de desvios padro como foi feito na tabela 3.1. Nesse sentido, qualquer nmero Xi em medidas originais como centmetros, litros, reais ou dlares pode ser transformado em varivel padronizada Zi

14

Zi exemplo

Voltando para tabela 2.2, a mdia das demoras para resolver os problemas dos clientes 182,89 minutos e, para ilustrar a transformao para Zi, vamos escolher o oitavo nmero da lista, 325,89 minutos. O desvio a partir da mdia 325,89 182,89 = 143 minutos.
Ento, para converter a medida original minutos em nmero de desvios padro de distncia da mdia, s dividir pelo valor do desvio padro (94,99). Assim, podemos escrever

Xi X 143 Zi desvio padro 94 ,99

= 1,5
15

Anlise
Como foi exemplificado nas figuras 3.3, a rea embaixo da curva a direita de Zi (1,50) a probabilidade P(Zi) de encontrar valores maiores que Xi (325). A probabilidade foi encontrada na tabela 3.1 e quase 7% (1 0,933). Muito provavelmente o gerente tentando investigar esse valor individual para alguma causa especial no vai encontrar nada. Se forem consideradas as duas caudas, a probabilidade 14% de encontrar valores pelo menos 1,50 desvios padro da mdia em circunstncias perfeitamente normais com a mdia do processo estvel e a variabilidade embora grande, mas tambm estvel.
O problema nesse processo com a disperso dos dados em geral. Talvez seja necessrio treinar o pessoal e organizar melhor todo o processo de atendimento ao cliente.
16

3.2.4 Exemplo na universidade: prmio para os melhores alunos

Uma grande universidade no sul do Brasil tem 18.000 alunos, uma populao grande. Imediatamente depois de cada semestre, o reitor gostaria apresentar um prmio aos melhores alunos com mdias finais mais altas, mas o problema como reconhecer rapidamente esses alunos sem pesquisar todos os 18.000. reconhecido que a administrao da universidade lenta e leva mais ou menos um ms para processar as mdias finais da populao de todas as disciplinas e alunos.

17

P(Z) = 1%

Zi = 2,33

J sabemos que o valor estimado da amostra para a mdia das avaliaes 7,0 e que o valor estimado do desvio padro 1,0. Colocando tudo junto, temos ento:

2,33 =

(X i - mdia) desvio padro

(X i - 7,0) 1,0

18

3.2.4 Exemplo na universidade: prmio para os melhores alunos

0,45

0,4

0,35

0,3

0,25

0,2

rea na cauda a direita de 9,33 1,0%, os alunos premiveis.

0,15

0,1

0,05

0 4 5 6 7 8 9

9,33

10

Xi conceitos finais

-1

1 .

2,33

Zi desvios padro da mdia 9,33 = mdia + 2,33*desvio padro 9,33 = 7,0 + 2,33*1,0

19

Figura 3.5 Distribuio normal e distribuio t, comparao de caudas.

distribuio normal

distribuio t

0,5

1,5

2,5

3,5

4,5

Distncia em desvios padro

20

3.4 Algumas consideraes sobre as distribuies F e 2 (Chi quadrado)

2 Zi2
i 1

2 2 F(gl2 ,gl1 ) gl2

2 1

gl1

21

3.5 Exerccio
6. Um engenheiro rejeita todo produto que est fora dos limites de especificao. Nesse momento, a linha est produzindo uma taxa de 10% de rejeito simetricamente acima e abaixo dos limites de especificao. No entanto, ele descontente com a alta taxa de rejeio e quer uma taxa ao mximo de 2%. Ele v duas alternativas: ou diminuir o desvio padro do processo ou aumentar os limites de especificao. Qual a alternativa mais econmica no curto prazo? Outra questo importante se o engenheiro optar para diminuir o desvio padro do processo, qual a relao entre o desvio padro novo que menor e o desvio padro velho que obviamente maior? Elaborar sua resposta usando a distribuio normal padronizada.
22

Resposta: Em primeiro lugar, a alterao dos limites de especificao sempre mais fcil que a alterao do desvio padro do processo, embora a base conceitual do limite de especificao tenha mais a ver com a engenharia da pea e no consideraes comerciais. Utilizando a distribuio normal padronizada, queremos comparar a diferena entre o desvio padro do processo antes das melhorias e depois das melhorias, em outras palavras, quanto foi diminudo o tamanho do desvio padro. Vamos comparar as caudas da distribuio normal padronizada antes e depois das melhorias. Antes, a cauda igual a 5% e depois igual a 1%. A distncia entre o limite de especificao e a mdia em unidades originais fica constante. Antes das melhorias, a distncia 1,64 desvios padro velhos e depois das melhorias 2,33 desvios padro novos. Em outra forma, 1,64 desvios padro velhos = 2,33 desvios padro novos. A relao entre desvios padro novos e velhos 1,64/2,33 = 0,7. Portanto, o desvio padro vai ter que diminuir em aproximadamente 30% para diminuir a taxa de rejeio de 10% para 2%.
23

3.6 Referncias

Box, George E. P.; Cox, D. R. (1964). "An analysis of transformations". Journal of the Royal Statistical Society, Series B 26: 211246. http://www.jstor.org/stable/2984418.

24