Professional Documents
Culture Documents
Fabricação
Número de peças produzidas e número de peças defeituosas
Construção
Número de falhas em uma obra e a satisfação média dos
construtores
Dias de atraso de entrega x número de dias chuvosos
Financeiro
Média de tempo de atraso de pagamento e número de erros de
fatura
Vendas
% de imóveis vendidos na data de entrega da obra x satisfação
média dos clientes nos últimos 10 empreendimentos.
Exemplo - Peso x altura
Peso Altura Peso x Altura
(kg) (m)
80 1,80 1,95
1,9
85 1,83 1,85
50 1,65 1,8
Altura
70 1,90 1,75
1,7
55 1,60
1,65
77 1,80 1,6
85 1,78 1,55
40 50 60 70 80 90 100
93 1,86
Peso
65 1,70
60 1,65
Exemplo – Peso x Altura
Estratificando...
Altura Altura Homens
Peso (kg) homens Mulheres Peso x Altura (por sexo)
(m) (m)
Mulheres
80 1,80 --- 110
85 1,83 --- 90
50 --- 1,65 70
Pesos
70 --- 1,90 50
55 --- 1,60 30
77 1,80 --- 10
85 --- 1,78 1,5 1,6 1,7 1,8 1,9 2
93 1,86 ---
Alturas
65 1,70 ---
60 --- 1,65
Dicas
Eixo ´x´
Variável que é alterada por uma modificação no
processo (variável independente)
Geralmente uma possível causa de um problema
Eixo ´y´
Variável que pode mudar de acordo com a
mudança da variável em ´x´ (variável
dependente)
Geralmente um indicador de qualidade ou efeito
gerado por uma causa.
Analisando Diagramas de
Dispersão
Os aspectos abaixo são relevantes na
análise dos Diagramas:
DIREÇÃO (crescente, decrescente)
FORMA (linear, não-linear, aglomerados)
PONTOS DISCREPANTES
Interpretando
Padrões de Dispersão
Grau de Relacionamento
Escala?...
Problemas da Análise Gráfica
i =1
n
S xy = ∑ ( xi − x )( yi − y ) S xy = n∑ xi . yi − (∑ xi )(∑ yi )
i =1
Sxy
r = -1 ≤ r ≤ 1
S xx . S yy
Coeficiente de Correção Linear
ou Coeficiente de Pearson
n∑ ( xi ⋅ yi ) − (∑ xi )(∑ yi )
r=
n∑ x − (∑ xi ) ⋅ n∑ y − (∑ yi )
2 2 2 2
i i
−1 ≤ r ≤ 1
Interpretando o
Coeficiente de Correlação Linear
‘r’ sempre será um valor entre
-1 ≤ r ≤ 1
¾ Quanto mais próximo de –1: maior correlação
negativa
¾ Quanto mais próximo de 1: maior correlação
positiva
¾ Quanto mais próximo de 0: menor a correlação
linear
Interpretação do Valor de r
valor de r
-1 0 +1
n∑ ( xi ⋅ yi ) − (∑ xi )(∑ yi )
r= ∴
n∑ x − (∑ xi ) ⋅ n∑ y − (∑ yi )
2 2 2 2
i i
8(151.879) − (516,5)(2.176)
r= =
8(34.525,75) − (516,5) 2 8(728.520) − (2.176) 2
91.128
= = 0,897
9433,75 ⋅1.093.184
Reta de Regressão Linear
ŷ = α + β x β: coeficiente
angular
n ( ∑ xi yi ) − ( ∑ xi )( ∑ yi ) α: ponto onde a
β=
n ( ∑ x ) − ( ∑ xi )
2 2
reta intercepta
eixo y
i
α=
( ∑ i ) ( ∑ i ) − ( ∑ xi )( ∑ xi yi )
y x 2
n ( ∑ x ) − ( ∑ xi )
2 2
i
α= ∑ y −β∑x
i i
n
Exemplo
85,5
X Y 85,0
84,5
Índice de Octanagem
1 80,5
84,0
2 81,6 83,5
3 82,1 83,0
4 83,7 82,5
82,0
5 83,9 81,5
6 85,0 81,0
80,5
80,0
0 1 2 3 4 5 6 7
Quantidade de Aditivo (%)
Exemplo
yˆ = 79,7 + 0,886 x
85,5
85,0
84,5
Índice de Octanagem
84,0
83,5
83,0
82,5
82,0
81,5
81,0
80,5
80,0
0 1 2 3 4 5 6 7
Quantidade de Aditivo (%)