distribuicao prob

65
Distribuições de Distribuições de Probabilidade Probabilidade 1 ESTATÍSTICA PARA ENGENHARIA CAPÍTULO 5 CAPÍTULO 5 DISTRIBUIÇÕES DE DISTRIBUIÇÕES DE PROBABILIDADE PROBABILIDADE

Upload: eduardo-tonicioli

Post on 18-Feb-2016

239 views

Category:

Documents


0 download

DESCRIPTION

Distribuicao Prob

TRANSCRIPT

Page 1: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

1ESTATÍSTICA PARA ENGENHARIA

CAPÍTULO 5 CAPÍTULO 5

DISTRIBUIÇÕES DE DISTRIBUIÇÕES DEPROBABILIDADEPROBABILIDADE

Page 2: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

2ESTATÍSTICA PARA ENGENHARIA

Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência.

Há dois tipos de distribuição de probabilidade:

1. Distribuições Contínuas: Quando a variável que está sendo medida é expressa em uma escala contínua, como no caso de uma característica dimensional.

2. Distribuições Discretas: Quando a variável que está sendo medida só pode assumir certos valores, como por exemplo os valores inteiros: 0, 1, 2, etc.

IntroduçãoIntrodução

Page 3: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

3ESTATÍSTICA PARA ENGENHARIA

No caso de distribuições discretas, a probabilidade de que a variável X assuma um valor específico xo é dada por: P(X = xo ) = P( xo )No caso de variáveis contínuas, as probabilidades são especificadas em termos de intervalos, pois a probabilidade associada a um número específico é zero.

b

adxxfbXaP )(

IntroduçãoIntrodução

Page 4: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

4ESTATÍSTICA PARA ENGENHARIA

Distribuições Discretas Mais ImportantesDistribuições Discretas Mais Importantes

Distribuição de Bernoulli

Distribuição Binomial

Distribuição Hipergeométrica

Distribuição de Poisson

Page 5: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

5ESTATÍSTICA PARA ENGENHARIA

Distribuição de BernoulliDistribuição de BernoulliOs experimentos mais simples em que observamos a presença ou não de alguma característica são conhecidos como ensaios de Bernoulli. Alguns exemplos: Lançar uma moeda e observar se ocorre cara ou Lançar uma moeda e observar se ocorre cara ou

coroa;coroa; Lançar um dado e observar se ocorre seis ou não;Lançar um dado e observar se ocorre seis ou não; Numa linha de produção, observar se um item, Numa linha de produção, observar se um item,

tomado ao acaso, é defeituoso ou não defeituoso;tomado ao acaso, é defeituoso ou não defeituoso; Verificar se um servidor de intranet está ativo ou Verificar se um servidor de intranet está ativo ou

não ativo.não ativo.

Page 6: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

6ESTATÍSTICA PARA ENGENHARIA

Distribuição de BernoulliDistribuição de BernoulliDenominamos sucesso e fracasso os dois eventos possíveis em cada caso.

O ensaio de Bernoulli é caracterizado por uma variável aleatória X, definida por X=1, se sucesso; X=0, se fracasso.A função de probabilidade de X (Distribuição de Bernoulli) é dada por

Onde p= P{Sucesso}

x p(x)0 1-p1 p

Total 1

Page 7: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

7ESTATÍSTICA PARA ENGENHARIA

Distribuição BinomialDistribuição BinomialA distribuição binomial é adequada para descrever situações em que os resultados de uma variável aleatória podem ser agrupados em apenas duas classes ou categorias. As categorias devem ser mutuamente excludentes, de forma que não haja dúvidas na classificação do resultado da variável nas categorias e coletivamente exaustivas, de forma que não seja possível nenhum outro resultado diferente das categorias. Por exemplo, um produto manufaturado pode ser classificado como perfeito ou defeituoso, a resposta de um questionário pode ser verdadeira ou falsa, as chamadas telefônicas podem ser locais ou interurbanas.

Page 8: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

8ESTATÍSTICA PARA ENGENHARIA

Distribuição BinomialDistribuição BinomialMesmo variáveis contínuas podem ser divididas em duas categorias, como por exemplo, a velocidade de um automóvel pode ser classificada como dentro ou fora do limite legal.

Geralmente, denomina-se as duas categorias como sucesso ou falha. Como as duas categorias são mutuamente excludentes e coletivamente exaustivas:

Conseqüentemente, sabendo-se que, por exemplo, a probabilidade de sucesso é P(sucesso) = 0,6, a probabilidade de falha é P(falha) = 1-0,6 = 0,4.

1)()( falhaPsucessoP

Page 9: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

9ESTATÍSTICA PARA ENGENHARIA

Distribuição BinomialDistribuição Binomial

Condições de aplicação: são feitas são feitas n repetições do experimento, onde n repetições do experimento, onde n

é uma constante;é uma constante; há apenas dois resultados possíveis em cada há apenas dois resultados possíveis em cada

repetição, denominados sucesso e falharepetição, denominados sucesso e falha a probabilidade de sucesso a probabilidade de sucesso (p) e de falha e de falha (1- p)

permanecem constante em todas as repetições;permanecem constante em todas as repetições; as repetições são independentes, ou seja, o as repetições são independentes, ou seja, o

resultado de uma repetição não é influenciado resultado de uma repetição não é influenciado por outros resultados.por outros resultados.

Page 10: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

10ESTATÍSTICA PARA ENGENHARIA

Seja um processo composto de uma seqüência de n observações independentes com probabilidade de sucesso constante igual a p, a distribuição do número de sucessos seguirá o modelo Binomial: x = 0,1,....,n

onde representa o número de combinações de n objetos tomados x de cada vez, calculado como:

P x p pxn x n x( ) ( ) 1

xn

)!(!

!

xnxnn

x

Distribuição BinomialDistribuição Binomial

Page 11: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

11ESTATÍSTICA PARA ENGENHARIA

Os parâmetros da distribuição Binomial são n e p. A média e a variância são calculadas como: = np 2 = np(1 - p)

A distribuição Binomial é usada com freqüência no controle de qualidade quando a amostragem é feita sobre uma população infinita ou muito grande.

Nas aplicações de controle da qualidade, x em geral representa o número de defeituosos observados em uma amostra de n itens.

Distribuição BinomialDistribuição Binomial

Page 12: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

12ESTATÍSTICA PARA ENGENHARIA

15)!115(!1

!1511

5

3402301001510011001 1151151 ,, x ,),( x, x )P(

Por exemplo, se p = 0,10 e n = 15, a probabilidade de obter x itens não conformes é calculada usando a equação da Binomial. Por exemplo, para x=1

Distribuição BinomialDistribuição Binomial

Page 13: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

13ESTATÍSTICA PARA ENGENHARIA

Distribuições binomiais com p=0,5 são simétricas, mas são assimétricas quando p=0,5. A assimetria aumenta à medida que p aproximasse de zero (assimetria positiva) ou de um (assimetria negativa)

Distribuição BinomialDistribuição Binomial

Page 14: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

14ESTATÍSTICA PARA ENGENHARIA

Considere o problema básico de inspeção por amostragem, em que observamos uma amostra de n itens de um lote com N itens, sendo r defeituosos. Avaliamos o número X de itens defeituosos na amostra. A variável aleatória X aparenta ser binomial, mas só é realmente binomial se:

A seleção da amostra for aleatória (para garantir a mesma A seleção da amostra for aleatória (para garantir a mesma probabilidade p de sair item defeituoso em todos os probabilidade p de sair item defeituoso em todos os ensaios);ensaios);

Com reposição (para garantir independência entre Com reposição (para garantir independência entre ensaios).ensaios).

Distribuição HipergeométricaDistribuição Hipergeométrica

Page 15: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

15ESTATÍSTICA PARA ENGENHARIA

A segunda condição não costuma ser satisfeita na prática. Se a amostragem for aleatória, mas sem reposição, a distribuição de X é conhecida como hipergeométrica de parâmetros N, n e r.

A função de probabilidade de X é expressa por:

x = 0,1,....,min(r,n)

nN

xnrN

xr

xP )(

Distribuição HipergeométricaDistribuição Hipergeométrica

Page 16: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

16ESTATÍSTICA PARA ENGENHARIA

Distribuição HipergeométricaDistribuição Hipergeométrica

A média e a variância são calculadas como:

pn

1)1(2

N

nNppn

Page 17: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

17ESTATÍSTICA PARA ENGENHARIA

Distribuição de PoissonDistribuição de Poisson

A distribuição de Poisson é adequada para descrever situações onde existe uma probabilidade de ocorrência em um campo ou intervalo contínuo, geralmente tempo ou área. Por exemplo, o no de acidentes por mês, no de defeitos por metro quadrado, no de clientes atendidos por hora. Nota-se que a variável aleatória é discreta (número de ocorrência), no entanto a unidade de medida é contínua (tempo, área). Além disso, as falhas não são contáveis, pois não é possível contar o número de acidentes que não ocorreram, nem tampouco o número de defeitos que não ocorreram.

Page 18: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

18ESTATÍSTICA PARA ENGENHARIA

Distribuição de PoissonDistribuição de PoissonCondições de aplicação:

o número de ocorrências durante qualquer o número de ocorrências durante qualquer intervalo depende somente da extensão do intervalo depende somente da extensão do intervalo;intervalo;

as ocorrências ocorrem independentemente, ou as ocorrências ocorrem independentemente, ou seja, um excesso ou falta de ocorrências em seja, um excesso ou falta de ocorrências em algum intervalo não exerce efeito sobre o algum intervalo não exerce efeito sobre o número de ocorrências em outro intervalo;número de ocorrências em outro intervalo;

a possibilidade de duas ou mais ocorrências a possibilidade de duas ou mais ocorrências acontecerem em um pequeno intervalo é muito acontecerem em um pequeno intervalo é muito pequena quando comparada à de uma única pequena quando comparada à de uma única ocorrência.ocorrência.

Page 19: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

19ESTATÍSTICA PARA ENGENHARIA

Distribuição de PoissonDistribuição de Poisson

A distribuição de Poissson fica completamente caracterizada por um único parâmetro que representa a taxa média de ocorrência por unidade de medida.

A equação para calcular a probabilidade de x ocorrências é dada por:

x = 0, 1, ...,nA média e a variância da distribuição de Poisson são: = ² = ²

!)(

xexP

x

Page 20: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

20ESTATÍSTICA PARA ENGENHARIA

A aplicação típica da distribuição de Poisson no controle da qualidade é como um modelo para o número de defeitos (não-conformidades) que ocorre por unidade de produto (por m2, por volume ou por tempo, etc.).

Distribuição de PoissonDistribuição de Poisson

Page 21: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

21ESTATÍSTICA PARA ENGENHARIA

O número de defeitos de pintura segue uma distribuição de Poisson com = 2.Então, a probabilidade que uma peça apresente mais de 4 defeitos de pintura virá dada por:

Distribuição de PoissonDistribuição de Poisson

%5,5055,0945,01!42141

4

0

42

x

eXP

Page 22: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

22ESTATÍSTICA PARA ENGENHARIA

Distribuições contínuas mais Distribuições contínuas mais ImportantesImportantes

Distribuição Exponencial

Distribuição Weibull

Distribuição Normal

Page 23: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

23ESTATÍSTICA PARA ENGENHARIA

Distribuição ExponencialDistribuição Exponencial

Na distribuição de Poisson, a variável aleatória é definida como o número de ocorrências em determinado período, sendo a média das ocorrências no período definida como .

Na distribuição Exponencial a variável aleatória é definida como o tempo entre duas ocorrências, sendo a média de tempo entre ocorrências de 1/.

Por exemplo, se a média de atendimentos no caixa bancário é de = 6/min, então o tempo médio entre atendimentos é 1/ = 1/6 de minuto ou 10 segundos.

Page 24: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

24ESTATÍSTICA PARA ENGENHARIA

Distribuição ExponencialDistribuição ExponencialCondição de aplicação:a) o número de ocorrências deve seguir uma distribuição de Poisson.

Se nós considerarmos a distribuição de Poisson como o modelo para o número de ocorrências de um evento no intervalo de [0,t] teremos:

E nesse caso pode ser demonstrado que a distribuição dos intervalos entre ocorrências irá seguir o modelo Exponencial com parâmetro .

!)()(

xtexP

xt

Page 25: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

25ESTATÍSTICA PARA ENGENHARIA

Distribuição ExponencialDistribuição ExponencialO modelo da distribuição Exponencial é o seguinte:

onde > 0 é uma constante.A média e o desvio padrão da distribuição exponencial são calculados usando:

0;)( t etf t

1

1

Page 26: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

26ESTATÍSTICA PARA ENGENHARIA

A distribuição Exponencial acumulada vem dada por:

A distribuição Exponencial é largamente utilizada no campo da confiabilidade, como um modelo para a distribuição dos tempos até a falha de componentes eletrônicos.Nessas aplicações o parâmetro representa a taxa de falha para o componente, e 1/ é o tempo médio até a falha.

01}{)(0

t edxetTPtF tt t

Distribuição ExponencialDistribuição Exponencial

Page 27: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

27ESTATÍSTICA PARA ENGENHARIA

Distribuição ExponencialDistribuição Exponencial

Por exemplo, suponha que uma máquina falhe em média uma vez a cada dois anos =1/2=0,5. Calcule a probabilidade da máquina falhar durante o próximo ano.

A probabilidade de falhar no próximo ano é de 0,393 e de não falhar no próximo ano é de 1-0,393=0,607. Ou seja, se forem vendidos 100 máquinas 39,3% irão falhar no período de um ano. Conhecendo-se os tempos até a falha de um produto é possível definir os períodos de garantia.

0,3930,607-1eTPtF x 15,01}1{)(

Page 28: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

28ESTATÍSTICA PARA ENGENHARIA

A distribuição de Weibull é muito flexível e pode assumir uma variedade de formas.

Ela tem sido usada extensivamente para modelar tempos de processo ou tempos até a falha de componentes elétricos, componentes mecânicos, elementos estruturais e sistemas complexos.

Distribuição de WeibullDistribuição de Weibull

Page 29: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

29ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições NormalA distribuição Normal é a mais importante das distribuições estatísticas, tanto na teoria como na prática: Representa a distribuição de freqüência de muitos Representa a distribuição de freqüência de muitos

fenômenos naturais;fenômenos naturais; Serve como aproximação da distribuição Binomial, Serve como aproximação da distribuição Binomial,

quando quando nn é grande; é grande; As médias e as proporções de grandes amostras As médias e as proporções de grandes amostras

seguem a distribuição Normal (Teorema do Limite seguem a distribuição Normal (Teorema do Limite Central).Central).

Page 30: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

30ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições NormalA distribuição Normal é em forma de sino, unimodal, simétrica em relação à sua média e tende cada vez mais ao eixo horizontal à medida que se afasta da média.Ou seja, teoricamente os valores da variável aleatória podem variar de - a +.A área abaixo da curva Normal representa 100% de probabilidade associada a uma variável. A probabilidade de uma variável aleatória tomar um valor entre dois pontos quaisquer é igual à área compreendida entre esses dois pontos.

Page 31: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

31ESTATÍSTICA PARA ENGENHARIA

A área total abaixo da curva é considerada como 100%. Isto é, a área total abaixo da curva é 1.

área=1

área= 0,5 área= 0,5

Distribuições NormalDistribuições Normal

Page 32: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

32ESTATÍSTICA PARA ENGENHARIA

Percentuais da distribuição Normal:

99,73%

95,44%

68,26%

2 7 . 6 2 7 . 8 2 8 2 8 . 2 2 8 . 4 2 8 . 6 2 8 . 8 2 9 2 9 . 2

-1 +1

-2 +2

-3 +3

Page 33: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

33ESTATÍSTICA PARA ENGENHARIA

A distribuição Normal fica completamente caracterizada por dois parâmetros: a média e o desvio-padrão. Ou seja, diferentes médias e desvio-padrões originam curvas normais distintas, como se pode visualizar nos exemplos contidos na tabela abaixo onde há amostras provenientes de distribuições com média e desvios-padrões distintos.

Distribuições NormalDistribuições Normal

Page 34: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

34ESTATÍSTICA PARA ENGENHARIA

a) da distribuição A para B muda a tendência central, mas a variabilidade é constante;b) da distribuição A para C muda a variabilidade, mas a tendência central é constante;c) da distribuição B para C muda a tendência central e a variabilidade.

A

C

B

x

f(x)

Distribuições NormalDistribuições Normal

Page 35: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

35ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições NormalUma conseqüência importante do fato de uma distribuição Normal ser completamente caracterizada por sua média e desvio-padrão é que a área sob a curva entre um ponto qualquer e a média é função somente do número de desvios-padrões que o ponto está distante da média.

Como existem uma infinidade de distribuições normais (uma para cada média e desvio-padrão), transformamos a unidade estudada seja ela qual for (peso, espessura, tempo, etc.) na unidade Z, que indica o número de desvios-padrão a contar da média.

Page 36: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

36ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições Normal

Dessa forma, o cálculo de probabilidades (área sob a curva) pode ser realizado através de uma distribuição Normal padronizada, onde o parâmetro é a variável reduzida Z.

A distribuição Normal pode ser representada por uma equação matemática dada por:

2

21

21)(

x

exf

Page 37: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

37ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições Normal

A distribuição Normal acumulada é obtida calculando a probabilidade de X ser menor que um dado valor x:

A solução está apresentada em tabelas da distribuição Normal padronizada onde se entra com a variável reduzida Z (número de desvios-padrões distantes da média) e encontra-se F(Z) ou vice-versa.

Tabelado )(

ZFxZPxXP

xdxxfxFxXP )()()(

Page 38: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

38ESTATÍSTICA PARA ENGENHARIA

Distribuição NormalDistribuição Normal

A variável reduzida mede a magnitude do desvio em relação à média, em unidades de desvio padrão.

Z = 1,5 significa uma observação está desviada 1,5 desvios padrão para cima da média.

A variável reduzida é muito útil para comparar distribuições e detectar dados atípicos.

Dados são considerados atípicos quando Z > 3.

Z X XS

Page 39: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

39ESTATÍSTICA PARA ENGENHARIA

Para sabermos o valor da probabilidade, utilizamos a tabela da distribuição Normal. Essa tabela nos fornece a área acumulada até o valor de Z

Á rea= 0, 84

1, 0

0, 84

0, 0

Z=1Z=1

Page 40: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

40ESTATÍSTICA PARA ENGENHARIA

As áreas correspondentes as probabilidades da distribuição normal padrão estão tabeladas.

1 .01 .11 .21 .31 .4

0 .8 4 130 .8 6 430 .8 8 490 .9 0 320 .9 1 92

0 .8 4 3 80 .8 6 6 50 .8 8 6 90 .9 0 4 90 .9 2 0 7

0.84 6 10.86 8 60.88 8 80.90 6 60.92 2 2

0.84 8 50.87 0 80.89 0 70.90 8 20.92 3 6

0.8 50 80.8 72 90.8 92 50.9 09 90.9 25 1

0 .8 53 10 .8 74 90 .8 94 40 .9 11 50 .9 26 5

0 .8 55 4

0 .8 96 20 .9 13 10 .9 27 8

0 .8 77 00 .8 5 770 .8 7 900 .8 9 800 .9 1 470 .9 2 92

0 .8 5 990 .8 8 100 .8 9 970 .9 1 620 .9 3 06

0 .8 6 210 .8 8 300 .9 0 150 .9 1 770 .9 3 19

0 .0 0 0 .0 1 0 .0 2 0 .03 0.04 0.05 0.0 6 0 .0 7 0 .0 8 0 .0 9

P ro b a b ilid a d e d e o co rrê n c ia d e va lo re s a b a ixo d e Z

Z

Distribuições NormalDistribuições Normal

Page 41: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

41ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições NormalO cálculo da variável reduzida Z faz uma transformação dos valores reais em valores codificados. Essa transformação é feita descontando-se a média para eliminar o efeito de localização (tendência central) e dividindo-se pelo desvio-padrão para eliminar o efeito de escala (variabilidade).Uma vez calculada a variável reduzida Z, consulta-se a tabela Normal padronizada para identificar a probabilidade acumulada à esquerda de Z, ou seja, a probabilidade de ocorrerem valores menores ou iguais a um certo valor de Z consultado.

Page 42: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

42ESTATÍSTICA PARA ENGENHARIA

Distribuição NormalDistribuição Normal Exemplo 1: Suponha que o peso de um rolo de arame seja normalmente distribuído com média 100 e desvio-padrão 10. Então o peso está em torno de 100 a uma distância as vezes maior, as vezes menor que 10.

Queremos saber qual a probabilidade que um rolo, pego ao acaso da produção, possuir peso menor ou igual a 110: P( x <110) = P( Z < 1) = 0,8413

x

Z = 11 0

1 0 01 1 0

Z

Page 43: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

43ESTATÍSTICA PARA ENGENHARIA

Distribuição NormalDistribuição NormalSe quiséssemos saber a probabilidade do peso do rolo ser

maior que 111,6, iniciamos calculando o valor de Z:

Encontramos o valor de probabilidade 0,8770. P( Z > 1,16) = 1 - P(Z < 1,16) = 1 - 0,8770 = 0,123

16,110

1006,111

Z

Page 44: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

44ESTATÍSTICA PARA ENGENHARIA

Distribuição NormalDistribuição Normal

Da mesma forma, se quiséssemos a probabilidade do peso estar entre 120 e 130, teríamos que fazer o seguinte raciocínio:P(120 < X < 130) = P(X <130) – P(X < 120) = P(Z< 3) – P(Z< 2) = 0,9987 – 0,9772 = 0,0215 ou seja, 2,15% de chance de um rolo pesar entre 120 e 130

Page 45: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

45ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições NormalExemplo 1: A resistência à tração do papel usado em sacolas de super-mercado é uma característica de qualidade importante. Sabe-se que essa resistência segue um modelo Normal com média 40 psi e desvio padrão 2 psi. Se a especificação estabelece que a resistência deve ser maior que 35 psi, qual a probabilidade que uma sacola produzida com este material satisfaça a especificação?

Page 46: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

46ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições Normal 35135 XPXP

5,22

403535

ZPZPXP

Page 47: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

47ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições NormalExemplo 2: O diâmetro do eixo principal de um disco rígido segue a distribuição Normal com média 25,08 in e desvio padrão 0,05 in. Se as especificações para esse eixo são 25,00 0,15 in, determine o percentual de unidades produzidas em conformidades com as especificações.

85,2415,2515,2585,24 xPxPxP

05,0

08,2585,2405,0

08,2515,25 ZPZP

9192,00000,09192,060,440,1 ZPZP

Page 48: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

48ESTATÍSTICA PARA ENGENHARIA

ou seja, 91,92% dentro das especificações(área cinza) e 8,08% fora das especificações.

L E I L E Sx

= 0 , 0 5

2 4 , 8 5 2 5 , 0 8 2 5 , 1 5

Distribuições NormalDistribuições Normal

Page 49: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

49ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições NormalExemplo 3: No exemplo anterior tem-se cerca de 8% de unidades não-conformes, e essas unidades são invariavelmente do tipo “eixo muito largo”. Recalcule o percentual de unidades conformes se o processo estivesse centrado em 25,00.

05,0

00,2585,2405,0

00,2515,25 ZPZP

9973,000135,09987,00,30,3 ZPZP

Page 50: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

50ESTATÍSTICA PARA ENGENHARIA

Distribuições NormalDistribuições Normal

Exemplo 4: Suponha que Encontre um valor limite x, tal que P{ X > x} = 0,05.

).9 ;85(NX

05,09851}{1}{

xZPxXPxXP

95,09

85

xZP

Page 51: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

51ESTATÍSTICA PARA ENGENHARIA

Propriedades da Distribuição NormalPropriedades da Distribuição NormalA distribuição Normal tem muitas propriedades úteis. Uma dessas propriedades é que qualquer combinação linear de variáveis normalmente distribuídas também seguirá o modelo Normal, ou seja:Se X1, X2,........., Xn têm distribuição normal e são independentes,A variável Y que é uma combinação linear de X:Y = a1X1 + a2X2 +.....+ akXk

Page 52: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

52ESTATÍSTICA PARA ENGENHARIA

Também seguirá o modelo normal, com média

e variância

onde a1,......, an são constantes.

nnaa .......11

2221

21

2 ........ nnY aa

Propriedades da Distribuição NormalPropriedades da Distribuição Normal

Page 53: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

53ESTATÍSTICA PARA ENGENHARIA

Teorema do Limite CentralTeorema do Limite CentralO Teorema do Limite Central indica que a soma (e por conseguinte a média) de n variáveis independentes seguirá o modelo Normal, independentemente da distribuição das variáveis individuais.A aproximação melhora na medida em que n aumenta. Se as distribuições individuais não são muito diferentes da Normal, basta n = 4 ou 5 para se obter uma boa aproximação. Se as distribuições individuais forem radicalmente diferentes da Normal, então será necessário n = 20 ou mais.

Page 54: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

54ESTATÍSTICA PARA ENGENHARIA

Teorema do Limite CentralTeorema do Limite Central

Na figura abaixo pode ser visto um desenho esquemático do teorema do limite central.

n

n

Page 55: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

55ESTATÍSTICA PARA ENGENHARIA

Exemplo 5: A distribuição de probabilidade da variável resultante do lançamento de um dado segue a distribuição uniforme, ou seja, qualquer valor (1,2,3,4,5,6) tem a mesma probabilidade (1/6) de ocorrer.

No entanto, se ao invés de lançar um dado, sejam lançados dois dados e calculada a média, a média dos dois dados seguirá uma distribuição aproximadamente Normal.

Teorema do Limite CentralTeorema do Limite Central

Page 56: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

56ESTATÍSTICA PARA ENGENHARIA

10 dado 20 dado Soma Média 10 dado 20 dado Soma Média

1 1 2 1,0 5 2 7 3,51 2 3 1,5 3 4 7 3,52 1 3 1,5 4 3 7 3,51 3 4 2,0 2 6 8 4,03 1 4 2,0 6 2 8 4,02 2 4 2,0 3 5 8 4,01 4 5 2,5 5 3 8 4,04 1 5 2,5 4 4 8 4,03 2 5 2,5 3 6 9 4,52 3 5 2,5 6 3 9 4,51 5 6 3,0 4 5 9 4,55 1 6 3,0 5 4 9 4,52 4 6 3,0 4 6 10 5,04 2 6 3,0 6 4 10 5,03 3 6 3,0 5 5 10 5,01 6 7 3,5 5 6 11 5,56 1 7 3,5 6 5 11 5,52 5 7 3,5 6 6 12 6,0

Page 57: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

57ESTATÍSTICA PARA ENGENHARIA

Teorema do Limite CentralTeorema do Limite CentralTabela de freqüência da média dos dois dados

Média dedois dados Freqüência

1,0 11,5 22,0 32,5 43,0 53,5 64,0 54,5 45,0 35,5 26,0 1

Page 58: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

58ESTATÍSTICA PARA ENGENHARIA

Teorema do Limite CentralTeorema do Limite Central

1,01,0 1,51,5 3,53,52,52,52,02,0 3,03,0 6,06,04,04,0 4,54,5 5,05,0 5,55,5

1/361/36

2/362/36

3/363/36

xx

f(x)f(x)

4/364/36

5/365/36

6/366/36

Histograma da média dos dois dados

Page 59: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

59ESTATÍSTICA PARA ENGENHARIA

Teorema do Limite CentralTeorema do Limite Central

Conforme pode ser visto no histograma anterior, o histograma da média dos dois dados resulta aproximadamente Normal. Além disso, observa-se que a aproximação da distribuição Normal melhora na medida que se fizesse a média do lançamento de mais dados.

Page 60: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

60ESTATÍSTICA PARA ENGENHARIA

Teorema do Limite CentralTeorema do Limite Central

O teorema do limite central é básico para a maioria das aplicações do controle estatístico da qualidade.

O CEP trabalha com a média das amostras, pois independente da distribuição dos valores individuais, a média desses valores irá seguir aproximadamente a distribuição Normal.

A partir do teorema do limite central, sabe-se que a distribuição amostral das médias apresenta os seguintes parâmetros:

x n x

Page 61: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

61ESTATÍSTICA PARA ENGENHARIA

Teorema do Limite CentralTeorema do Limite Central

Os limites da distribuição dos valores individuais são chamados de limites naturais e os limites da distribuição de probabilidade das médias são chamados de limites de controle.

LCI LCSLNI LNSx

x

f(x)

x

Page 62: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

62ESTATÍSTICA PARA ENGENHARIA

25 35 24 43 35 22 49 5634 26 35 52 40 35 35 2561 42 58 56 45 40 38 4533 53 22 35 23 25 36 39

Exemplo 1Exemplo 1

Um pesquisador deseja saber média da idade dos alunos de pós-graduação. Supondo que a população dos alunos seja:

19,383239...25

Nxi

11,11

3219,3839...19,3825)( 222

N

xi

Page 63: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

63ESTATÍSTICA PARA ENGENHARIA

Supondo que não fosse possível analisar a população inteira, e os dados fossem coletados por amostras de tamanho n=4

55,5411,11 75,4

nxx

1 2 3 4 5 6 7 825 35 24 43 35 22 49 5634 26 35 52 40 35 35 2561 42 58 56 45 40 38 4533 53 22 35 23 25 36 39

Média (x) 38,25 39 34,75 46,5 35,75 30,5 39,5 41,25Desvio (S) 15,69 11,40 16,52 9,40 9,43 8,43 6,45 12,92

18388

25412538 ,,...,kx

x i

75,4

1818,3825,41...18,3825,38

22

2

k

xxi

x

Page 64: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

64ESTATÍSTICA PARA ENGENHARIA

Supondo que não fosse possível analisar a população inteira, e os dados fossem coletados por amostras de tamanho n=8

18,384

37,40...62,38

kx

x i

49,3

1418,3837,40...18,3862,38

222

k

xxix

38,19 18,38 x 49,3ˆ x 93,3811,11

nx

Page 65: Distribuicao Prob

Dist

ribui

ções

de

Dist

ribui

ções

de

Prob

abilid

ade

Prob

abilid

ade

65ESTATÍSTICA PARA ENGENHARIA

Teorema do Limite CentralTeorema do Limite Central

A média das médias amostrais é igual a média dos valores individuais e o desvio-padrão das médias é menor do que o desvio-padrão dos valores individuais na razão de .

LCI LCSLNI LNSx

x

f(x)

x

n/1