Upload
brusantos27
View
229
Download
0
Embed Size (px)
Citation preview
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
1/64
Fundamentos de Estatstica Aplicada
Prof. Valner Brusamarello
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
2/64
Variveis aleatrias contnuas
Em medidas, os dados podem ser influenciados porpequenas variaes de temperatura, presso,vibrao, entre outras variveis no
controladas.
Uma e a tirada da rodu o a ual ossui umamedida muito precisa sempre possui disperso em
torno da mesma. comum modelar a faixa de valores possveis
.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
3/64
F n n i i
variabilidade
Exemplo 1: O consumo de um carro no epen en es a s nc a reg s ra a apenas. epen ede fatores como tipo de estrada, condies do carro,
po e gaso na, e c. Exemplo 2: Um engenheiro est projetando um
conector de nilon para aplicao automotiva. A
parede deste conector est condicionada a fora deremoo do conector. O primeiro prottipo foi feitoe as seguintes foras de remoo so medidas: 12,6;
12,9; 13,4; 12,3 ;13,6; 13,5; 12,6; 13,1 N.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
4/64
Funes densidade de probabilidade
Serve para descrever a distribuio de probabilidades de uma
varivel aleatria contnua x. A probabilidade de x estar entre a e b determinada pela
integral de f(x) de a a b. Ex.: Considere a funo densidade
( ) 0f x
P(5
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
5/64
Fun es densidade de robabilidade
Histograma uma aproximao da funo densidadeprobabilidade. O mesmo geralmente representado por umgrfico de barras.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
6/64
Funo de distribuio cumulativa
( ) ( ) ( )F x P X x f u du
= =
F(x) uma funo contnua
F x re resenta a robabilidade
acumulada. Observe ue os valores variam entre 0 e
1
A fun o densidade robabilidade de umavarivel aleatria contnua pode serdeterminada a partir da diferenciao da
( )( )
dF xf x
dx=
funo distribuio cumulativa.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
7/64
aleatria contnua
Se X uma varivel aleatria contnua com uma funo densidadepro a i i a e x a m ia ou o va or espera o e e a vari nciadefinida pelas equaes abaixo.
esv o pa r o a ra z qua ra a a m a.
( ) ( )
x
E X xf x dx
= =
( ) ( ) ( )22 2 2( )V X x f x dx x f x dx
+ +
= = =
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
8/64
varivel aleatria discreta
A mdia da amostra utiliza pesos iguais 1/ncomo mu p ca or e ca a va or me o. A mdia ou o valor esperado de X denotados 1 2
...n
x x x xn n n
= + + +
o ponto de equilbrio quando um peso
i ual for colocado no local de cada medida ao( ) ( )
x
E X xf x= = x
longo da linha numrica. Similarmente se f(x)
for a funo densidade de uma carga de umaviga longa e delgada, E(X) o ponto no quala viga se equilibra. E(X) o centro de
.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
9/64
o ula o e uma amostra n
Mdia da amostra: valor mdio das observaes de
xi
Amostra: conjunto de observaes sobre ao ula o. n
x i== 1
Populao: Conjunto muito grande de observaes. No exem lo anterior as 8 medidas constituem uma
Mdia da amostra
amostra da populao. A populao deveria ser a
medida de todos os conectores. x
i
A mdia da amostra uma boa estimativa da mdiada populao Ni== 1
Mdia da populao
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
10/64
Mdia e varincia de uma varivel
aleatria discreta
( ) ( ) ( )2 2 22
1 2
1 1 1...
1 1 1 n
s x x x x x x
n n n
= + + +
Para dados amostrais X1,X2, ..., Xn, a varincia um sumrio da
disperso ou espalhamento dos dados.
usa pesos iguais de 1/(n-1) como multiplicador de cada desvioquadrado2
s( )
2
ix x
desvios calculados a partir da mdia da populao. A varincia V X denotada or:
E o desvio adro:x
V X x x = =
( )2 2 2( )V X x f x = = x
1/ 2[ ( )]V X=
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
11/64
o ula o e uma amostra
A variabilidade ou dis erso npode ser descrita pela varincia
12
= =
xxi
i
ou o esv o pa r o a amos ra.Em se tratando da o ula o, a
1n
varincia e o desvio padro so ( )22 1
n
i
i
x =
re erenc a os com N
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
12/64
Graus de liberdade
o e que o v sor a var nc a a amos ra o aman o a amos ramenos 1 (n-1), enquanto para a varincia da populao, o tamanho da
o ulao n. Se soubssemos o valor verdadeiro da mdia populacional , ento
poderamos encontrar a varincia da amostra como a mdia dos quadradosos esv os as o serva es a amostra em torno e .
Na prtica, o valor de quase nunca conhecido, e dessa forma, a soma.
entanto as observaes Xi tendem a estar mais prximas do seu valor
mdio X, do que a mdia populacional . Para compensar isso, usamos n-1 como divisor ao invs de n. Se
usssemos n como divisor na varincia da amostra, obteramos uma, ,
que 2 da populao.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
13/64
Outra maneira de pensar acerca disso considerar avar nc a s , a amostra como estan o asea a em n-graus de liberdade.
termo graus e er a e resu ta o ato e que ndesvios X1 -X,X2X, ..., XnX sempre somam zero e, -
quantidades determina automaticamente aquele.
Dessa forma, somente n-1 nos n desvios Xi X, esto.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
14/64
Re resenta o da mdia e desvios
de forma grfica
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
15/64
Teorema central do limite faz com que a forma seja um sino simtrico. Ponto central mximo re resenta a mdia Em uma medida, quando os desvios so decorrentes de variveis
independentes e podem ser igualmente positivos em relao mdia.
Exemplo: o desvio no comprimento de uma pea dependente devariaes na temperatura, vibraes, variaes de ngulos de corte,, ,
velocidade, entre outras.
Variveis aleatrias com diferentes mdias e varincias odem sermodeladas pelas funes densidade de probabilidade normal com escolhasapropriadas do centro e da largura da curva.
E(x)= etermina o centro a uno ensi a e pro a i i a e e V(x)=
a sua variabilidade;
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
16/64
Di ri i N rm l
Uma varivel aleatria X com funo densidade deprobabilidade
( )2
221
( )2
x
F x e
=x < < para
Tem uma distribuio normal, com parmetros , em que: < <
0>
E X =2( )V X =
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
17/64
Da simetria de f(x):
( ) ( ) 0.5P X P X > = < =
A funo densidade de probabilidade diminui a medidaque x se afasta de .
Pelo fato de mais de 0.9973 da probabilidade de umadistribuio normal estar dentro do intervalo de (-3,+3), 6 freqentemente referida como a largura de
uma distribuio normal. Uma varivel aleatria com =0 e 2=1 chamada de
varivel aleatria normal padro. Uma varivel aleatrianorma pa r o eno a a por .
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
18/64
Exemplo: Utilize a tabela de probabilidades cumulativas para uma
var ve a ea r a pa r o para encon rar . .
A fun o de distribui o cumulativa de uma varivel aleatria normalpadro denotada por
( ) ( )z P Z z =
P(Z -4.6) no pode ser encontrada diretamente utilizando a tabela,no entanto a ltima entrada na tabela ode ser utilizada ara encontrarque P(Z -3.99)=0.000003. Logo P(Z -4.6) aproximadamentezero.
. .probabilidade pode ser escrita como P(Z z) = 0.95. Pela tabelaobserva-se que o valor mais prximo 0.95053 correspondente a
.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
19/64
Tabela de probabilidades cumulativas para uma
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
20/64
Tabela de probabilidades cumulativas
para uma varivel aleatria padro
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
21/64
Di ri i N rm l
Todos os exemplos precedentes mostram como calcular as probabilidades para variveis.
pequena transformao para utilizar a tabela.
Se X for uma varivel aleatria normal com E(X)= e V(X)=2
, ento a varivel
XZ
=
ser uma varivel aleatria normal com E(Z)=0 e V(Z)=1 assim a tabela poder serutilizada.
uma mdia de 10 mA e uma varincia de 4 mA2. Qual a probabilidade da medidaexceder 13 mA? Faa X denotar a corrente em mA, ento P(x>13)=?
= = = =- , , - , .Qual a probabilidade da medida da corrente estar entre 9 e 11 mA?P(9
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
22/64
Mtodos utilizados para tomar decises ou tirar concluses a cerca da
popu ao Exemplo: Um engenheiro est analisando a resistncia a tenso de um
com onente usado em um chassi de automvel. Uma vez ue avariabilidade da resistncia a trao est naturalmente presente emcomponentes individuais, devido a diferenas nas matrias primas,
interessado na resistncia mdia a trao, e para tal far uma estimativabaseado em uma amostra da populaoopu a o: cons s e na o a a e as o serva es em que es amos
interessados
Amostra: um subconjunto de observaes selecionadas a partir de umapopulao. As variveis aleatrias (X1, X2,...Xn) so uma amostra aleatria de
um deles tiver a mesma distribuio de probabilidades.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
23/64
e or es ma va
Quando um valor numrico reportado, geralmentenecess r o ar a guma a a ncer eza a es ma o.medida da incerteza geralmente empregada o desvio
sendo utilizado). A incerteza adro de um estimador o seu desvio
padro dado por
Se a incerteza adro envolver armetros desconhecidos
( )V
=
que possam ser estimados ento a substituio daquelesvalores em produzir uma incerteza padro estimada.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
24/64
e a a spers o
Suponha que estejamos amostrando a partir de uma
distribui o normal com mdia e varincia 2.Sabemos que: nx
1iXn
==
observaes de um conjunto de dados. Amostra: con unto de observa es sobre
N
a populao.
Populao: Conjunto muito grande de xi
i
== 1o serva es.
A mdia da amostra uma boa
N
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
25/64
Medidas de dis erso
A variabilidade ou disperso pode serdescrita pela varincia ou o desvio
adro da amostra. n Em se tratando da populao, a
12 = =xx
i
i
var nc a e o esv o pa r o s o
referenciados com
1n
( )2
2 1
n
i
i
x =
=
N
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
26/64
Desvio padro da mdia
Considere um caso genrico com as variveis aleatrias X1, X2,...Xp econstantes C , C ,...C Se Y for uma combina o linear dessas variveis.temos:
Y= C1X1+C2X2+... +CpXn Podemos determinar o valor esperado de Y: e sua varincia:
1 1 2 2( ) ( ) ( ) ... ( )p pE Y C E X C E X C E X= + + +
2 2 2
1 1 2 22
( ) ( ) ( ) ... ( ) 2 cov( , )p p i j i ji j
V Y C V X C V X C V X C C X X < == + + + +
n a, se 1, 2,... p orem n epen entes ent o
2 2 21 1 2 2( ) ( ) ( ) ... ( )p pV Y C V X C V X C V X = + + +
ssa uma conc us o mpor an e, po s po emos concen rarmos nacombinao linear particular que representa a mdia de p variveisaleatrias, com mdia e varincia idnticas, pois, se X1, X2,...X foremindependentes ento:
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
27/64
Se a mdia com ara i=1 2 ...1 2 ... pX X XX + + += ( )E X =
ento .
Se X X ... X so inde endentes com V X =2 ara
p
( )E X =
. p i=1,2,...p ento
O desvio adro da mdia menor ue da o ula o. Este o
2
( )V Xp
=
valor utilizado como incerteza padro!X
=
Quando o estimador seguir uma distribuio normal,
odemos ficar razoavelmente confiantes de ue o valorverdadeiro do parmetro encontra-se no intervalo daincerteza adro estimada.
S
X
p
=
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
28/64
Standard Error
Quando reportamos a mdia de N medidas, a incerteza que devemosassociar com esta mdia o desvio padro da mdia.
O desvio padro da mdia menor que o desvio padro por um fatorn . sso re e e o a o e que n s esperamos que a ncer eza o va or
da mdia seja menor quando utilizamos um grande nmero de medidas
N.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
29/64
Distribui es amostrais , -informao contida em uma amostra aleatria proveniente daquela populao.
Considere o exemplo do volume mdio de uma lata de 300 ml. Um engenheiro considera uma.engenheiro decidir provavelmente que a mdia da populao =300 ml, muio embora a mdiaamostral tenha sido 298 ml, porque ele sabe que a mdia amostral uma estimativa razovel de e que a mdia amostral de 298 muito provvel de ocorrer, mesmo se a mdia verdadeira dapopulao seja de =300 ml. De fato, se a mdia verdadeira for de 300 ml, ento os testes de 25
latas feitos rapidamente, talvez a cada 5 minutos, produziro valores de que variaro acima eabaixo de =300 ml
m a amostra uma estat st ca, sto , uma var ve a eat r a que epen e os resu ta osobtidos em cada amostra particular. Uma vez que uma estatstica uma varivel aleatria, ela temuma distribuio de probabilidades
X
X
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
30/64
Distribuies amostrais .
Esta amostra retirada de uma populao normal com mdia e varincia 2. A mdia da amostra:
Tem uma distribuio normal com mdia e varincia:1 2 ... nX X XX
n
+ + +=
Se estivermos amostrando de uma o ula o ue tenha uma distribui o desconhecida de...
+ + +
= =2 2 2 2
2 ...X
+ += =
probabilidades, a distribuio amostral da mdia da amostra ser aproximadamentenormal com mdia e varincia 2/n.
n nn
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
31/64
Teorema central do limite
Se X1, X2,...Xn for uma amostra aleatria de tamanho n retirada de umapopu a o inita ou in inita, com m ia e vari ncia , e se or amdia da amostra, ento a forma limite da distribuio deX
quando n tende a infinito, a distribuio normal padro.Z
n
=
A aproximao normal para depende do tamanho n da amostra.
X
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
32/64
Teorema central do limite
Uma companhia eletrnica fabrica resistores que possuem uma resistncia mdia de. .
a probabilidade de uma amostra de n=25 resistores ter uma resistncia mdia menorque 95 .
A distribuio amostral da mdia da amostra normal com mdia e desvio padro:
10
a ron zan o o pon o , emos:
E assim:
X=
25X
n= = =
95 100 95X=
,2
95 2 5 0 0062P X P Z < = < =
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
33/64
Teorema central do limite
Suponha que uma varivel aleatria X tenha uma distribuio contnuauni orme:( )
,2
0,
xf x
caso contrrio
=
Encontre a distribuio amostral da mdia de uma amostra aleatria detamanho n=40. A mdia e a varincia de X so
2
5= 212 3
= =
teorema centra o imite in ica que a istri ui o eaproximadamente normal com mdia e varincia
2
5X =
( )
2
3 40 120X
n
= = =
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
34/64
Bibliografia
Estatstica aplicada e probabilidade para engenheiros, Douglas
Mont omer , Geor e Run er, LTC 2 Ed. Design and analysis of experiments 2Ed. Douglas Montgomory.
John Wiley and Sons.
BALBINOT A., BRUSAMARELLO V. J., Instrumentao eFundamentos de Medidas V 1 e V2 , 2006 e 2007.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
35/64
Re resso Linear
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
36/64
Coletando dados Estudo observacional: Os dados so observados a medida ue esto dis onveis.
Ex.: Desempenho de componentes de plsticos. Observao de:temperatura, encolhimento, resistncia, etc. Utilizao de dados para a construo de um modelo emprico.
Ex.: Verificar histrica de pastilhas semicondutoras, onde variveis amostraisso registradas e podem ser avaliadas ao longo do tempo.
Freqentemente estes estudos envolvem um volume grande de dados egran e om n o e conce tos estat st cos.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
37/64
Coletando dados Ex erimento lane ado: O en enheiro rovoca variaes ro ositais em
variveis controladas. Observa a sada e ento toma a deciso sobre as principaisvariveis responsveis pelas mudanas.
Ex.: Um conector tem no prottipo inicial uma parede p. A fim de verificarse a ora e remo o o mesmo tem mu ana s gn cat va, a pare eaumentada para p1.
Experimentos planejados tendem a ser mais confiveis so recomendados em.
Existem tcnicas de anlise estatsticas poderosas, assim como ferramentascomputacionais disponveis para avaliar resultados e hipteses sobrevariabilidade de sistemas. Desde testes sim les at estudos de variabilidadesmultivariveis.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
38/64
Modelos Mecanicista: Construdo a partir do mecanismo fsico bsico
que relaciona as variveis. Ex.: Pode-se ajustar modelo influncias externas:
EI=
Onde representa as fontes de variabilidadeno modeladas.
Emprico: Modelo construdo pela observao de um
fenmeno e pelas influncias de variveis no mesmo. Ex.:
EI = +
Modelo de resistncia a trao, relacionando comprimento ealtura da matriz.
N Obs
Resist.
Trao
Comp.
Arame Alt. Molde
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
39/64
1 9,95 2 50
2 24,45 8 110
Exemplo: Modelo de resistncia trao
relacionando altura do molde e comprimento
3 31,75 11 120
4 35 10 550
5 25,02 8 295
do arame:,
7 14,38 2 375
8 9,6 2 52
9 24,35 9 100
( ) ( )0 1 2Resistncia a trao= .comp altura + + +
Denominado10 27,5 8 300
11 17,08 4 412
12 37 11 400
modelo deregresso
,
14 11,66 2 36015 21,65 4 205
16 17,89 4 400
17 69 20 600
18 10,3 1 585
19 34,93 10 540
,
21 44,88 15 290
22 54,12 16 510
23 56,63 17 590
24 22,13 6 100
25 21,15 5 400
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
40/64
Anlise de regresso N daobservao
Nvel de
hidrocarboneto
Pureza
%
Tcnica estatstica para investigar relao
entre duas ou mais variveis.
1 0,99 90,01
2 1,02 89,05
3 1,15 91,43
Problema: Tabela onde uma das variveis a% da pureza de oxignio produzido em umprocesso qumico de destilao e a outra
, ,
5 1,46 96,73
6 1,36 94,45
7 0,87 87,59
vari ve a percentagem e i rocar onetos
presentes no condensador principal daunidade de destilao.
8 1,23 91,77
9 1,55 99,42
10 1,4 93,65
ran ezas: x - ve e rocar one o y -% Pureza do oxignio
, ,
12 1,15 92,52
13 0,98 90,56
14 1,01 89,5415 1,11 89,85
16 1,2 90,39
17 1,26 93,25
, ,
19 1,43 94,98
20 0,95 87,33
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
41/64
Diagrama de dispersoDisperso x ajuste
102
en nc a: near
Nenhuma curva
passa por todos
98
100 .
Pergunta: Possodescrever o
94
96
rezaO
2
uma reta?
Se afirmativo,qual a reta que
90Pumelhor descreve
a relao?
86
0,75 0,95 1,15 1,35 1,55 1,75
Nvel hidrocarboneto
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
42/64
Re resso linear sim les Os pontos repousam em torno de uma reta aleatoriamente,
considerando a mdia de y em relao a x. Pode-se ter, portanto um valor esperado:
| 0 1y x
0 e 1 coeficientes da regresso.
x = + +
Modelo linear probabilstico:
termo aleatrio com mdia igual a zero2
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
43/64
Regresso linear simples Para cada valor de x existe uma distribui o do valor verdadeiro
de y. O valor de e 2 determinam se o ponto cai longe ou perto
da reta. Considerando n pares (x1,y1), (x2,y2), ...,(xn,yn) existe
uma reta candidata. -
quadrados. Estima-se 0 e
1 de modo a minimizar a soma dosquadrados dos desvios verticais
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
44/64
Mnimos uadrados0 1i i i= , , ,...,
2
2
n n
0 11 1
i i i
i i= =
^ ^
^ ^
0 1
0 110 ,
2 0i ii y x == = 0 1
1 1i i
i in x y
= =+ =
^ ^
0 1
^ ^
0 111
,
2 0n
i i i
i
Ly x x
=
= =
^ ^2
0 11 1 1
n n n
i i i i
i i i
x x y x = = =
+ =
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
45/64
Mnimos uadrados Simplificando:
0 1
n n
y x =
1 1
i ini i
i i
y x
y xn
= =1 2
n
in x
==
12
1
i
i
i
xn
=
=
1 n
iy y= 1 n
ix xn =
= =
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
46/64
Re resso Linear sim les 0 1i i iy x e= + + 1,2,3,...,i n=
resduoi i ie y y=
o a es ao enom na or
2n
( )2 12
ini
xx i iS x x x
n
= = = n n
i in y x
1 1
1
i ii i i i
i
Sxy y x x y x
n
= =
=
= =
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
47/64
Exem lo anterior: ureza O220n=
20
1
1843,21ii
y=
= 92,16y=2020
20
1
23,92ii
x=
=
1,2x=21
29,29ii
x=
= 2
1
170044,53ii
y=
=1
2214,66i ii
x y=
=
220
12 0,68i
i
xx i
xS x
=
= =
20 20
201 1 10,18
i ii i
i i
y xSxy y x = == =
1i=
10,18
14 97xyS
= = = ( )0 1
92,16 14,97 1,20 74, 20y x = = =0,68xxS
Resultado do ajuste
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
48/64
Resultado do ajuste
74, 20 14,97y x= +
Disperso x ajuste
98
100
102
%
90
92
94
Purez
aO2
86
88
0,75 0,95 1,15 1,35 1,55 1,75
Nvel hidrocarboneto
Propriedades de varincia
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
49/64
uadrados
um estimador no tendencioso da inclinaoverdadeira 1
Os resduos so utilizados no clculo dai i ie y y= estimativa de 2
A soma dos quadrados dos resduos ou a soma dosquadrados dos erros
2
n
1
E i i
i=
Propriedades de variana
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
50/64
uadrados
Uma frmula conveniente para o clculo de sQE pode
Valor esperado encontra a su stituin o o mo e o ajusta o
Fazendo ainda algumas simplificaes chegamos em:0 1i iy x = +para a soma
dos quadrados
dos erros
n
( ) ( ) 2
2EE sQ n =
11
E i xy
i
sQ y ny S =
=
n n
s ma or n o
tendencioso de
2
( )22 2
1 1T i i
i i
sQ y ny y y= =
= = 2 E
sQ=
1E T xysQ sQ S
= 2n
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
51/64
No exem lo anterior10,18Sxy= 1 ,=
220
( )2
20 2012 2 2 1843,21170044,53 173,37
i
i
T i i
y
sQ y ny y = = = = =
1 1i i= =
12 14,97 10,18 173,37 1,17
2 2 20 2
T xyE sQ SsQ
n n
= = = =
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
52/64
coeficientes
Por fim pode-se chegar ao erro padro
2
estimado da inclinao
1se
Sxx
=
E ao erro padro do estimado da
interseco:
22 1
xse
=
n xx
Grfico de resduos
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
53/64
2
3
indcios sobre a regresso.
-1
0
1
87 89 91 93 95 97 99R
esduos
-3
-2
Pureza de O2 -es uos
3
0
1
sduos
-3
-2
-1, , , , ,R
Nvel de h idrocarboneto
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
54/64
Abusos e limitaes Fre entemente mal em re ada Forte associao entre duas variveis no implica que existe relao causal entre
as mesmas
Ex.: O nmero de ce onhas aumentou si nificativamente a s a 2 uerramundial. Observou-se que o mesmo aconteceu com nascimento de bebs.Concluso: O aumento de cegonhas provocou o aumento de bebs!!!???
Planejamento de experimentos a nica maneira de determinar relaes causais Ajustes no devem ser extrapolados (apenas dentro da faixa considerada) Testes de significncia so normalmente executados
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
55/64
Abusos e limitaes ,
hiperespao. A continuao deste assunto regresso linear
mltipla e trata de regresso multivariveis. E se a relao no for linear? Cuidado! Lembre-se do estudo do
seu processo. Voc deve ter conhecimento sobre as variveis dasquais est tratando
Transformao para uma
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
56/64
intrinsicamente lineares
1
x
= =1
Y Y z = + + = + +
1
x
=x
*1
= =( )0 1
*
exp
1
x + +
Y
=
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
57/64
Bibliografia A rea de ro eto de ex erimentos e todas as suas a lica es e articularidades
muito importante em um trabalho cientfico. Busque mais informaesquando chegar o momento de verificar os seus arquivos de dados. Talvez voc
tenha mais do que pensa ou ainda faltam muitos dados para conse uir provar oque voc busca! Assunto Geral: Projetos de Experimentos
, ,
George Runger, LTC 2 Ed. Design and analysis of experiments 2Ed. Douglas Montgomory. John Wiley and
ons.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
58/64
Exerc cios
velocidade de misturador na quantidade
de impurezas de um processo de
20 8,4
fabricao de tintas.
Faa o grfico de disperso dos dados (x-24 11,8
26 10,4rpm x y-impurezas).
Determine a reta de ajuste.28 13,3
30 14,8
Calcule os resduos para cada pontoutilizado no ajuste
,
34 14,7
Calcule o erro residual quadrtico 2 ,38 16,5
40 18 9
42 18,5
Preo de venda /1000 Taxas anuais/1000
25,9 4,9176
29 5 5 0208
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
59/64
29,5 5,0208
Exerccios Um arti o em Technometrics de S.C.
27,9 4,5429
25,9 4,5573
29,9 5,0597Narula e J. F. Wellington Vol. 19,1977) apresenta dados de preos de
29,9 3,891
30,9 5,898
28,9 5,6039
. Faa um ajuste de curva por mnimos
quadrados.
, ,
31,5 5,3003
31 6,2712
Encontre o preo mdio de venda,dado que a taxa paga x=7,50.
, ,
30 5,05
36,9 8,2464
a cu e o va or a us a o e ycorrespondendo a x=5,8980 eencontre o resduo correspondente.
, ,
40,5 7,7841
43,9 9,0384
37 5 5 989437,9 7,5422
44,5 8,7951
37,9 6,0831
38,9 8,3607
36,9 8,1445,8 9,1416
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
60/64
Exerccios A quantidade de libras de vapor usadas por ms por umaplanta qumica est relacionada temperatura (F) mdiaam iente para aque e m s. O consumo o ano passa o e atemperatura so mostrados na seguinte tabela:
Considerando um modelo de re resso linear sim les fa a oajuste de curva para o consumo de vapor (y) por temperaturamdia (x).
a temp. for 55 F? Que mudana no uso mdio de vapor ser esperada quando a
temp. m ia variar 1 F? Suponha que a temp. mdia mensal seja de 47 F. Calcule o
valor a ustado de e o resduo corres ondente.
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
61/64
exerccios.
jan 21 185,79
fev 24 214 47mar 32 288,03
abr 47 424,84
mai 50 454,58
jun 59 539,03
u ,
ago 74 675,06
,out 50 452,93
nov 41 369,95
dez 30 273,98
exerccios
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
62/64
Os dados relativos ao peso e presso sanguneasistlica de 26 homens selecionadosaleatoriamente na faixa etria de 25 a 30 anos, somostrados na tabela seguinte. Considere que opeso e a presso sangu nea estejam istri u osnormal e conjuntamente.
Encontre a reta e regresso inear
indivduo peso Presso S.
1 165 130
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
63/64
exerccios
2 167 133
3 180 150
4 155 128
5 212 151
6 175 146
7 190 150
8 210 140
9 200 148
10 149 125
11 158 133
12 169 135
13 170 150
14 172 153
15 159 128
17 174 149
18 183 158
19 215 150
20 195 163
21 180 156
22 143 124
24 235 165
25 192 160
26 187 159
8/10/2019 Probabilidade e Estatstica Aplicada Na Engenharia
64/64
Bibliografia ogra a Estatstica aplicada e probabilidade para engenheiros, Douglas
, , . Design and analysis of experiments 2Ed. Douglas Montgomory.
ohn Wile and Sons.
BALBINOT A., BRUSAMARELLO V. J., Instrumentao eFundamentos de Medidas V 1 e V2 , 2006 e 2007.