Beruflich Dokumente
Kultur Dokumente
ESTATSTICA
ESTATSTICA &
&
PROBABILIDADE
PROBABILIDADE
Turma Eng. Mecnica 3 Perodo
Noturno
BEM VINDOS!!!!
ESTATSTICA E
PROBABILIDADE
ENGENHARIA MECNICA
Apresentao
MRCIO CORDEIRO
Engenharia Mecnica Universidade Federal de
Uberlndia
MBA Gesto Empresarial Fundao Getlio Vargas
Especializao em Engenharia e Manuteno PUC
Minas
15 anos de experincia em Engenharia Industrial
Curso
Fundamentos tericos
Exemplos Prticos
Exerccios para fixao dos conceitos
NORMAS E REGRAS DA
FACULDADE
EMENTA
CALENDRIO
Aplicaes da Estatstica
reas de Aplicao da Estatstica
Medicina: (Diagnstico, Prognstico, Ensaios Clnicos);
Gentica e Epidemiologia;
Agricultura (Experimentao Agrcola, testes de novas sementes);
Indstria e Negcio (Controle de Qualidade, Previso de Demanda,
Gerenciamento Eficiente, Mercado e Finanas);
Economia (Tcnicas Economtricas e Sries Temporais);
Pesquisa (Artes, Arqueologia, Cincias Agrrias, Cincias Exatas, Cincias
Sociais, Literatura, Meio Ambiente, Mercado, Petrleo);
Direito (Evidncia estatstica, teste de DNA, investigao criminal);
Conceitos
Dados: um conjunto do observaes coletadas.
Dados quantitativos: (peso, medida, tamanho, idade,etc.)
Dados qualitativos:(sexo, cor, estado civil,etc.)
Populao: combinao completa de todos os elementos
(notas, pessoas,medidas,etc.) a serem estudados.
Espao Amostral: o conjunto de todos os resultados
possveis de um experimento.
Amostra: subconjunto ou parte da populao/experimento
retirado para anlise.
Conceitos
Senso: o conjunto de dados de toda uma populao.
Dados Discretos: quando o nmero de valores possveis um
nmero finito ou uma quantidade mensurvel. (ex.:Quantidade
de acidentes de transito no ltimo feriado de carnaval).
Dados contnuos: infinitos valores possveis que correspondem a
uma escala contnua que cobre um intervalo.(ex.: quantidade de
leite produzido por uma vaca em um intervalo de 0 a 20 litros,
pode assumir qualquer valor: 0,1L, 2,45L, 12,3L 14,57L,etc)
Conceitos
Existem 3 tipos de mentiras: mentira,
mentiras horrveis e estatstica Estadista Benjamin Dissaeli
Amostras tendenciosas: no representam
fielmente a populao.
Amostra voluntria: aquela qual os
respondentes decidem por eles mesmos, se
sero ou no includos.
Conceitos
EXPERIMENTOS
Estudo observacional: observar, medir ou coletar
caractersticas especficas sem modificar o sujeito
do objeto em estudo.(ex.: pesquisa de opinio)
Estudo experimental: aplicado algum tratamento e
observado um efeito sobre o sujeito. (ex.:teste de
vacina contra AIDS)
Conceitos
AMOSTRAS
Replicao: repetio de um
experimento e grupos suficientemente
grandes.
Mtodos de Amostragem:
Fim Aula
Conceitos de Estatstica
CALENDRIO
BIBLIOGRAFIA#1
BIBLIOGRAFIA#2
2 Introduo Estatstica
Descritiva
Amostra
Medidas de Centro
Medidas de disperso
Problema
#1
#9
#7
#10
#4
#8
#3
#13
#11
#12
#2
#5
#14
#6
#16
#15
#17
#18
#19
#20
Medidas de Centro
Mdia ou Esperana:
Se as n observaes de uma amostra forem
denotadas por x1, x2,...,xn, ento a mdia da
n
amostra ser:
x1 x2 ... xn
x
n
Ponto Mdio:
xmx. xmn.
pm
2
x
i 1
Medidas de Centro
Moda: Representa o valor que aparece com
maior frequncia na amostra
Medidas de Disperso
Varincia: Se as n observaes de uma amostra forem
denotadas por x1, x2,...,xn, ento a mdia da amostra ser:
n
2 V ( x)
2
(
x
x
)
i
xi 1
n 1
2
(
x
x
)
i
xi 1
n 1
Exerccio Resolvido
Um artigo no Journal of Structural Engineering (Vol.15,1989) descreve
um experimento para testar a resistncia resultante em tubos
circulares em calotas soldadas nas extremidades. Os primeiros
resultados (em kN) foram:
96,96,102,102,104,108,126,126,128,128,140,156,160,164 e 170.
Calcular:
a)Mdia
b)Moda
c)Mediana
d)Desvio Padro e Varincia
Exerccio Resolvido
Fim Aula
Introduo Estatstica Descritiva
3 Distribuies de
Frequncia
Conceitos:
Distribuio de
Frequncias
Amplitude da Classe:
k n
nmero declasses
k
Distribuio de
Frequncias
Conceitos continuao:
Distribuio de
Frequncias
Conceitos continuao:
Distribuio de
Frequncias
Exemplo:
Fronteiras de classe
21
30
31
30.5
40
41
50
51
50.5
40.5
45.5
60
61
60.5
70
71
70.5
Fronteiras de classe
80
f .x 2718
35,8
76
f
1
2
Varincia
n 1
f .x
(x . f )
2
i
11,42
1
(2718) 2
106999
130,59
76
1
76
EXERCCIO RESOLVIDO
(Distribuio de Freqncias)
Os seguintes dados so medidas de intensidade solar direta (Watts/m 2), em dias diferentes, em
uma localizao no sul da espanha:
562,869,708,,775,775,704,809,856,655,806,878,809,918,558,768,870,818,940,946,661,820
,898,935,952,957,693,835,905,939,955,960,498,653,730 e 753
Pede-se:
a)Calcular a amplitude da amostra
b)Calcular o nmero de classes
c)Calcular a amplitude das classes
d)Montar a distribuio das freqncias
e)Calcular a Mdia
f)Calcular a varincia e desvio padro
g)Montar o grfico de distribuio de freqncias
h) Calcular a freqncia relativa e freqncia absoluta
i) Grfico de freqncia relativa e freqncia acumulada
j) Grfico de Ramo e Folha
Resoluo:
a) Clculo da Amplitude da amostra:
A maior valor maior valor 960 498 462
Resoluo:
e) Clculo da Mdia:
x
f .x
f
i
28024,5
800,7
35
Varincia
n 1
2
f .x
(x . f )
2
i
1
(2824,5) 2
22959707
15102,64
35
35 1
Resoluo:
h) Clculo Freqncia Relativa e Freqncia Acumulada:
Freqncia Relativa: FAc FR
Freqncia Acumulada: FAc FRi
i
Resoluo:
j) Grfico de Ramo e Folha:
Exerccios de Fixao
#1 O tempo de ignio frio de um motor de carro est sendo investigado
por um fabricante de motores gasolina. Os seguintes tempos (em
segundos) foram obtidos em um veculo de teste:1,75; 1,92; 2,62; 2,35;
3,09; 3,15; 2,53 e 1,91. Pede-se:
a) calcular a moda, mediana, mdia e o desvio padro.
#2 As nove medidas que seguem abaixo so temperaturas de fornalha,
registradas em bateladas sucessivas de um processo de fabricao de
semicondutores (em graus F): 953; 950; 948; 955; 951; 949; 957; 954 e
955. Calcular:
Mdia, varincia e desvio padro
Mediana
Exerccios de Fixao
#3 Um fabricante de molas est interessado em implementar
um sistema de controle de qualidade para monitorar seu
processo de produo. Como parte deste sistema de
qualidade, foi decidido registrar o nmero de molas fora de
conformidade, em cada batelada de produo, de tamanho
igual a 50. Durante a produo, 40 bateladas de dados
foram coletadas, sendo reportada aqui:
Pede-se:
a)
Montar a distribuio de freqncias para esta amostra
b) Montar o grfico de distribuio de freqncias;
c)
Montar o grfico de ramo e folhas;
c)
Calcular a mdia, a varincia e o desvio padro
Exerccios de Fixao
#4 Os seguintes dados so medidas de viscosidade para um produto
qumico observado de hora em hora (leia ento para baixo e da
esquerda para a direita). Pede-se:
a)
b)
c)
Exerccios de Fixao
#5 Considere as duas amostras abaixo:
Fim Aula
Distribuies de Frequncia
4- COEFICIENTE DE
CORRELAO E REGRESSO
LINEAR
#1
#2
#6
#3
#5
#7
#4
#8
#9
Problema
Modelos Empricos
Na engenharia comum os engenheiros utilizar
de modelos empricos para a formulao de
problemas;
comum encontrar problemas ou situes onde
duas ou mais variveis de interesse no
possuem um modelo matemtico conhecido.
Neste caso faz-se necessrio construir um
modelo relacionando as variveis entre si, este
tipo de modelo chamado de modelo emprico.
Diagrama de Disperso
E (Y x) (Y x) A Bx
Y A Bx
L e ( yi A Bxi ) 2
i 1
2
i
i 1
n
L
2 ( yi A Bxi ) 0
B A, B
i 1
Valores observados
Valores observados
xi
i 1
yi
i 1
x By
x y
i 1
xi yi
n
( yi ) 2
i 1
i 1
x
i 1
y Bx
i 1
i 1
Regresso Linear em Y:
i 1
2
y
i
x y
i
i 1
x y
i 1
n
n
x
i 1
2
i
i 1
( xi ) 2
i 1
Coeficiente de Correlao
Mede a associao linear entre a curva de regresso e os valores de x e y
Esta varivel verifica se a correlao entre x e y satisfatoria ou no.
Valores de prximos de 0 significa que os valores de x e y no possuem boa
correlao, enquanto que valores de prximos de 1 indicam que os valores de
x e y esto perfeitamente correlacionados.
n
rxy
x y
i
i 1
i 1
x y
i
i 1
xi
i 1
.
n
n
-1 1
i 1
i 1
y
i 1
Voltando ao Problema...
A 43.67833
B 1.67667
y A Bx
Como:
Tem-se: y 43.67833 1.67667 x
Calculando o coeficiente de
correlao...
n
rxy
x y
i
i 1
x y
i 1
xi
n
xi2 i 1 .
n
i 1
i 1
y
i 1
rxy 0,83
2
i
y
i 1
40,5.325,2
9
2
2
9
9
1362,8
Exerccio
Resolvido
Em um teste de eficincia de um motor trmicos verificou-se que existe
uma relao entre a temperatura de queima e a eficincia do motor
conforme dados abaixo:
Resoluo:
a)Equao de correlao
x y
i
i 1
i 1
i 1
xi yi
n
n
x
i 1
2
i
( xi ) 2
i 1
y
i 1
1427 x 2,23
6
0,00086
2
1427
343205
6
533,65
n
n
x
i 1
2,23
1427
0,00086
0,16718
6
6
n
n
como :
y A Bx
y 0,16718 0,00086 x
Resoluo:
b) Coeficiente de correlao
n
rxy
x y
i
i 1
x y
i 1
i 1
i
n
i 1
xi
i 1
i
n
i 1
yi
n
i 1
1427 x 2,23
6
0,7307
2
2
6
6
533,65
Exerccios de Fixao
1) A quantidade de fibras de vapor usadas por ms em uma planta qumica est
relacionada temperatura (F) mdia ambiente para aquele ms. O consumo
do ano passado e a temperatura so mostrados na tabela seguinte:
Pede-se:
a) Considerando que um modelo de regresso linear simples seja apropriado,
ajuste o modelo de regresso relacionando o consumo de vapor (y) com a
temperatura mdia (x), ou seja y=A+Bx.
b) Calcule o coeficiente de correlao linear.
c) Qual ser a estimativa de consumo esperado de vapor, quando a
temperatura mdia for 55 F?
Exerccios de Fixao
1) O estabelecimento de propriedade de materiais um importante problema na
identificao de um substituto adequado para materiais biodegradveis na
indstria de embalagens para refeies rpidas ( fast food). Considere os
seguintes dados sobre densidade de um produto (g/cm3) e a condutividade
trmica k (W/m.k), publicados na revista Materials Research and Innovation
(1999,pp.2-8).
Pede-se:
a) Montar a equao de regresso linear relacionando a densidade do produto (x)
condutividade trmica (y), ou seja y=A+Bx.
b) Calcule o coeficiente de correlao e responda se a curva possui uma boa
associao linear com os dados x e y.
c) Encontre a condutividade trmica mdia , dado que a densidade do produto
0,2350?
Fim Aula
Coeficiente de Correlao
e Regresso Linear
Conceitos bsicos
Experimento aleatrio: todo experimento
que, mesmo quando repetido vrias vezes da
mesma
maneira,
apresenta
resultados
diferentes.
Espao amostral: o conjunto de todos os
resultados possveis de um experimento
aleatrio.
S R {x / x 0}
Se so conhecidos os limites inferior e superior , 10 e 11 mm, respectivamente,
ento:
S R {10 x 11}
Se o objetivo da anlise for apenas onsiderar o fato de a pea ter espessura
alte, mdia ou baixa, ento o espao amostral ser:
S {sim, no}
S {k , c}
Lancamento de 2 moedas simultaneamente:
4 possibilidades possveis
S {k c, c k , c c, k k}
Lanamento de um dado:
6 resultados possveis
S {1,2,3,4,5,6}
Lanamento de 2 dados simultaneamente:
36 resultados possveis
S {1 2,1 3,1 4,1 5,1 6;2 3,2 4,2 5,2 6,3 4,3 5,3 6,4 5,4 6,
6 1,6 2,6 3,6 4,6 5,6 6,5 1,5 2,5 3,5 4,5 5,5 6,4 1,4 2,4 3,
4 4,3 1,3 2,3 3,2 1,2 2,1 1}
2o Lanamento:
3o Lanamento:
Eventos
Evento: um subconjunto do espao amostral de
um experimento aleatrio.
Eventos mutuamente excludentes: dados dois
eventos E1 e E2 tal que:
E1 E2
so chamados de mutuamente excludentes.
Definies:
Evento: qualquer conjunto de resultados
ou consequncia de um experimento.
Evento simples: um resultado ou um
evento que no pode ser mais decomposto
em componentes mais simples.
Espao amostral: so todos os eventos
simples possveis.
Diagramas de Venn
b)
a)
A B
c)
A
d)
A B
B
C
A B C
Diagramas de Venn
e)
f)
Ac
A B C
g)
d)
Eventos A e B mutuamente
excludentes
A B A B
A B
B
C
( A B C )c
Diagramas de Venn
j)
i)
( A B)c
( A B)c
Exerccio #1
B
C
C
)
b)
c) A B
d) ( A B) C
c
(
A
B
)
C
e)
Exerccio #2
C
)
b)
( A B) ( A B c )
c)
( A B) C
d)
( A B)c C
e)
Probabilidade
A probabilidade base para a construo dos
mtodos de indeferncia estatstica.
a
A probabilidade usada para quantificar
possibilidade ou chance de ocorrncia de um
resultado de um experimento aleatrio.
Os valores da probabilidade se expressam entre 0
e 1 inclusive.
Notao de Probabilidade
P : representa a probabilidade;
A, B, C, etc.: representam os eventos
especficos;
P(A): representa a probabilidade de
ocorrncia do evento A;
Exemplo
P(A)=0,1+0,3=0,4
P(B)=0,3+0,5+0,1=0,9
P(C)=0,1
P(Ac)=0,6
P(Bc)=0,1
P(Cc)=0,9
A B {b}
P ( A B ) 0,3
A B {a, b, c, d }
P( A B ) 0,1 0,3 0,5 0,1 1
Exerccio
P(A)
P(Ac)
P(B)
P( A B)
P( A B)
Regras da Probabilidade
Aproximao da probabilidade pela frequncia relativa:
Observe um procedimento e conte o nmero de vezes em que o evento A ocorreu. Com base
neses resultados, P(A) estimada como:
P ( A)
Exemplos
Ache a probabilidade de que, quando um casal tem trs filhos, exatamente
dois deles sejam meninos. Suponha que o sexo de um no seja influenciado
pelo sexo de qualquer outro.
P(2 meninos em 3 nascimentos) = 3/8 = 0,375
menino menino menino
menino menino menina
menino menina menino
menina menino menino
menina menina menino
menina menino menina
menino menina menina
menina menina menina
Regras da Probabilidade
Aproximao da probabilidade pela frequncia relativa:
Ao tentarmos determinar a probabilidade de um tachinha cair de ponta para cima, devemos repetir
o procedimento de jogar a tachinha para cima vrias vezes de depois achar a razo entre o nmero
de vezes que a tachinha caiu de ponta para cima em relao ao nmero total de jogadas.
P (2)
1
6
Probabilidades subjetivas:
Ao tentar estimar a probabilidade de chuva amanh, os metereologistas usam seus conhecimentos
especficos de previso do tempo calcular uma estimativa de probabilidade.
Regras da Probabilidade
A probabilidade de um evento impossivel 0;
P ( ) 0
A probabilidade de um evento cuja ocorrncia certa 1;
Para qualquer evento E, a probabilidade de E est entre 0 e 1,
inclusive. Isto : 0 P(E) 1;
O complementar de um evento E Ec, que consiste em todos os
resultados em que A no ocorre.
P( E c ) 1 P( E )
P ( A B ) P ( A) P ( B ) P ( A B )
Se A e B so mutuamente excludentes ento:
P ( A B ) P( A) P ( B)
Eventos A e B mutuamente
excludentes
A B A B
A B
Ei E j
P( E1 E2 E3 ... En P( E1 ) P( E2 ) P( E3 ) .... P ( En )
Eventos A e B mutuamente
excludentes
A B C A B C
A B C
Exerccios
1 Se P(A) =0,3, P(B)=0,2 e P(AB)=0,1, determine as seguintes probabilidades:
a) P(Ac)
b) P(AUB)
Exerccios
3 Cabos de fio de cobre, provenientes de um fabricante, so analisados
em relao resistncia e condutividade. Os resultados de 100 cabos
so dados a seguir:
Exerccios
4 A anlise de eixos para um compressor est resumida de acordo com
as especificaes abaixo:
Probabilidade Condicional
A probabilidade condicional de um evento B,
dado um evento A, denotada por P(B/A)
P( B / A) P( A B) / P( A)
para :
P( A) 0
Exemplo de aplicao
Dada a amostra abaixo:
Pede-se:
a) Qual a probabilidade de defeito em uma pea dada falha na
superfcie?
P ( D / F ) P ( D F ) / P ( F ) (10 / 400) /( 40 / 400) 10 / 40
Defeito:
Sim:10/40
SIM: 40/400
NO: 360/400
Sim:18/360
No:30/40
No:342/360
Exerccio de fixao #1
Exerccio de fixao #2
P ( A B) P( B / A) P( A) P ( A / B) P( B)
P ( B / A) P( B A) / P( A)
A B
P( B) P( B E1 ) P( B E2 ) ... P( B En )
P( B / E1 ) P( E1 ) P ( B / E2 ) P( E2 ) ... P( B / En ) P ( En )
Exerccio de Fixao #1
Na fabricao de semicondutores, suponha as
seguintes probabilidades para a falha no produto
sujeito a nveis de contaminao na fabricao:
Exerccio de Fixao #1
(resoluo)
Seja H o evento em que um chip esteja exposto a nveis
altos de contaminao,
M o evento em que um chip esteja exposto a nveis mdios
de contaminao,
B evento em que um chip esteja exposto a nveis baixos de
contaminao e,
F o evento de falha de um chip, ento:
P( F ) P( F / H ) P( H ) P( F / M ) P( M ) P( F / B) P( B)
0,10(0,20) 0,01(0,30) 0,001(0,50) 0,0235
Exerccio de Fixao #1
(resoluo via diagrama de
rvore)
contaminao:
0,20
0,50
0,30
alta
mdia
0,10(0,20)
baixa
0,999(0,50)
Independncia
2 eventos:
Dois eventos so independentes se qualquer das
seguintes afirmaes for verdadeira:
P ( A / B ) P ( A)
P ( B / A) P ( B )
P ( A B ) P ( A).P ( B )
n eventos:
E2
E3
En
P(E1)
P(E2)
P(E3)
P(En)
Eventos em paralelo:
P ( E ) 1 (1 P ( E1 ) x(1 P ( E2 ) x....x(1 P ( En )
P(E1)
E2
P(E2)
En
P(En)
Exemplos
Exemplo #1- O seguinte circuito opera somente se houver uma rota de
dispositivos funcionais da esquerda para a direita. A probabilidade de cada
dispositivo funcionar mostrada no diagrama abaixo. Suponha que os
dispositivos falhem independentemente. Qual a probabilidade de o circuito
operar?
0,8
0,9
Resoluo:
O cirucito est em srie, portanto:
Sejam E1 e E2 os eventos em que os dispositivos operem:
E1
E2
0,8
0,9
E1
0,95
E2
0,95
Resoluo:
O cirucito est em srie, portanto:
Sejam E1 e E2 os eventos em que os dispositivos
operem:
Teorema de Bayes
Se E1, E2, ...., En forem eventos mutuamente
excludentes e exaustivos e B for qualquer evento,
ento:
P( B / E1 ).P( E1 )
P( E1 / B)
P ( B / E1 ).P ( E1 ) P( B / E2 ).P( E2 ) .... P( B / En ).P( En )
para
P( B) 0
Fim Aula
INTRODUO TEORIA
DAS PROBABILIDADES