Scribd Logo
Upload

Welcome to Scribd!

  • Estatistica Aplicada e Probabilidade Par

    Uploaded by

    arThor
    6 views464 pages

    Original Title

    Estatistica_Aplicada_e_Probabilidade_par

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    6 views464 pages

    Estatistica Aplicada e Probabilidade Par

    Uploaded by

    arThor

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 464
    ESTATISTICA APLICADA E PROBABILIDADE PARA ENGENHEIROS fone tae ape) George C. sunita Estatistica Aplicada e Probabilidade para Engenheiros Quarta Edigdo Douglas C. Montgomery Arizona State | George C. Runger Arizona State University Traducio ¢ Revisdo Técnica Prof Verdnica Calado, D. Se. Professora Adjunta — Departamento de Engenharia Quimica Escola de Quimica/UFRI UNIFEMM - Centro Universitario de Sete Legoas BIBLIOTECA Dr, José Barbosa de UNIFEMM - BIBLIOTECA Les6et ot @ | LTC CAPITULO 1 O Papel da Estatistica em Engenharia 1 Sumario CAPITULO 4 Varidveis Aleatérias Continuas ¢ Distribuigées de Probabilidades 67 1-1 OQ Métedode Engenharia e 0 Peasamento Fsiaiistico 1 Coletando Dados em Engenharia 3 1.2.1 Principios Bésicos 3 122 Eusudo Rotrospectivo 3 1.2.3. Exudode Onservacao 3 12.4 — Experimentes Pianejados 3 125 Observando Prozessosao Longo do Tempo 5 ‘Mouelos Mecanicistase Empiricos 7 1-4 Probabilidade e Modelos de Probabilidade 9 CAPITULO 2 Probabilidade 10 2-1 Expacos Amostrais e Eventos 10 [1 Experimentes Aleatirias 10 1.2 Espagos Amostris. 11 13. Exentos 13 ba Teen wsde Comtagem 15 2-2 Imetprotagdex Ue Probsbilidade 19 22.1 Inirodugi 19 Axioinas da Prohabilidade 21 Regrasde Adigfin 23 Probabilidade Condicional 25 Regras da Multiplicagao ¢ da Probabilidade Total 28 QSL RevradaMoltiplicugio 28 252 Rograda Probabilidade Total 29 Independencia 31 Teorema de Bayes Variaveis Aleatorias 4 CAPITULO 3 Varidveis Aleatérias Discretas ¢ Distribuiedes de Probabilidades 42 Varidiveis Aleatécias Discretas 42 Distcibuigdes de Probabilidades & Probabilidade 3 Fungées de Distribuigzo Cumulativa 45 Média © Variineia de uma Veriivel Aleatéria Discret 46 Distribuigio Uniforme Diseeta 49 Distibuicio Binomial 50 Distribuigdes Geométrica ¢ Binomial Negativa 54 37.1 DistribuiggoGeométrica 54 37.2 Distriouigdo Binomial Negativa $5 Distribuigdo Hipergeometrica 37 -9_Distibuigzo de Poisson 60 ALL Varigvels Aleai6rias Continuas. 67 4-2 Distribuigoes de Probubilidades e Fungdes Densidades de Probasilidade 68 43° Fungiesde Distribuigo Cumulativa 69 44 Média e Vatidncia de uma Varidvel Aleatéia Continus 71 45 Distribuiso Continua Uniforme 46 Distribuigde Normal 73 47 — Aproximagio da Normal para as Distibuigoes Binomial e de Poisson 79 48 Distribuisdo Exponer 49 Distribuigdes de Erl 4-10 Distribuigso de Weibull 87 AL CAPITULO 5 Distribuicdes de Probabilidades Conjuntas 93 ‘Duas ou Mais Variaveis Aleatorias Diseretas 93 Distribuigdes de Probabilidades Conjuntas 93 Distribuigdes de Probuhilidades Marginais 94 Distibuigces de Protabilidades Condiionais. 94 Independencia. 95 YVarkiveis Alestrie Diserotns Mukiplas 96 Distriuicces de Probalidates Multinomis 97 Duas ou Mais Variaveis Aleatérias Continuas 100 5-21 Distribuigdes de Probabilidades Conjuntas (00, Disribuigies de Probabilideces Marginais 101 Distibuigdes ¢e Probubilidades Concicionais. 1U2 Independencia 103 Varidveis AleaGrias Continass Méltiplas 104 Covatifnciae Comelagiio 107 Distribuigdio Normal Bivarinds 110 Fungies Lineares de Vuridveis Aleatsrias 112 ‘Vairias Fungbes de Variivels Alest6rias 115 CAPITULO 6 Amostragem Aleatria e Desc de Dados 119 Resumos Numéricos 119 Diagramas de Ramo e Fothas Distribuigdes de Freaiiéncias His Diagramas de Caixa 129 Grilicos Seytienciais Temporais 131 Grificosde Probabilidade 134 122 xiv Sunsvio CAPITULO 7 Distribuigdes Amostrais ¢ Estimagao Pontual de Pardmetros 140 1 Tntroducio 140 -2_Distribuicoes Amostraise Teorema do Limite Central 141 73 Conceitos Gerais de Estimaeao Pomtual 144 31 Estimadores Nio-tendencioos. 144 YVariineia de um Estimador Porta 145 Eqr-padii. Reportndo una Estinativa Pontual 143 Erru Quadsitieo Méelo de um Fstimailor 146 7.4 Métodosde Fxtimacio Pontual | 7-41 Método dos Momentos 147 7-42 Mélodo da Mésima Verossimiluanga, 148 7-43. Estimayio Bayeseana de Parametros. 151 CAPITULO 8 Intervalos Estatisticos para uma Unica Amostra 157 Introdugio 157 Intervale de Confinnga para a Média de wma Distribuiggio Normal. Viridneia Conhecida 158 Bll Desenvolvimento do Intervslo de Confiarca ¢ Seas Proprieliules Bisoas 158 Esealha do Tamanho da Amostra 159 Limites Unilaeriais de Confianea 160) Meo Geral pata Dedusir un Tnervalo de Confiangs 160 Interval de Confianga para ye, Amostrs Grande 160 8.3 Imtervalo de Confianca para a Média de uma Distebuiegio Normal, Varidncia Desconhecida 162 8.1 Distribuicao £163 32 Intervalo de Confanga spars pw 163 8-4 Iniervalo de Confianga para 2 Variancia e para 0 Desvio-padrio de uma Populsedo Normal 156 8-5 Intervalo de Contianca para a Proporgio de uma Populugio, Amosira Grande 168 8-6 Roteiro para a Construgao de Intervatos de Confianga 170 8-7 Intervalos de Tolerdncia ¢ de Previsao 170 87.1 Intervalo de Previsie para uma Obseragio Futura 170 1.2 Intervalo de Tolesinca para una Di Normal 71 ibuigfo CAPITULO 9 Testes de Hipéteses para uma Unica Amostra 177 9-1 Testes de Hipotexes 177 Estaivicas 177 Testes de Hipsiteres Estatiticas 178 Hipsteces Unilaterise Bilaterais 181 ‘Valores P nos Testes de Hipdteses. 182 Conexio ents Testes de Hypoiesese Intervalos de Confianga 183 Procecimento Geral para Testes de Hipoteves 185 Testes pra a Média de unva Distribuigao Normal, Vaniincia Conhevids. 185 9.2.1 Testesde Hipéteses para a Média 185: 022 Erm Tipo e Excofka da Tamanb dh Amestea 187 92.3 Teste para Amostras Grandes 189 93 Testes para a Média de uma Distribuigio Normal, Nariineia Deseoaheci¢a 190 93,1 Tastes de Hinsteses para a Média 190 93.2 Valor? paraum Teste 191 9.3.3 Exo Tipo Ile Escola do Tamanho &s Amostra 192 9-4 Testes pura a Varidncia e para o Desvio-padrao de uma Distribuigdo Normal 194 Ut.) Testes de Hinoteses para a Veritncia 94 9-42 Faro Tipo Hl Escolha do Tamanho da Amesira 95 9-5. Testes pura a Proporgio de uma Pepulugio 196 OS. Testes part uri Proporgde. Amora Grande 107 9.52. Bro Tipo Me Fscoha do Tamanho da Amestra, 198 9-6 Tabelacom um Resumo dos Procedimentos de Tnferéncia para uma Unica Amestra 199 7 Testando a Adequaciio de um Ajusie 199 9-8 Testes para a Tabela de Contingéneia 202 CAPITULO 10 Inferéncia Estatistica para Duas Amostras 208 10-1 Iotrodugio 208 10-2 Inferéncia na Diferenga de Médias de Duas DistribuigSes Normais, Varidncias Conhecidas 209 Testes de Hipoteses para 2 Diferenes de Médias, Variineiss Conheeidas 709 {Emo Tipo He Escola do Famanho da Amostra 210) 10.23 Inervale de Confienga para a Difarenge de Madox, Varidneias Comhecicas 211 10.3 cia na Diferenca de Médias de Duas Distrituigdes Normais. Variancias Desconhecidas 213 HW-31 Testes de Hipsteses para 2 Diterenga de Médias, Varidincias Descontecidas 213 W032 Eno Tipo Ie Fscolfa do Tamanio dat Amostta 210 10.33. Intervalo de Confisngs para ® Piverengs de Médis. Veridneins Deseonecidas 217 10.4 ‘Teste /Emparelhado 220 10-5 Inferéncia para as Varidncias de Duas Distribuicdes Nonnzis 224 5.1 Distabuiggu F 224 “Testes de Hipoteses para 3 Razao de Duss Variancias. 2: 10-5.3 Biro Tipp Te Escolha do Tamanho da Amostrs 226 10-84 Inewale de Confianea para 2 Razio de D Varizmeias. 226 10.6 Inferéxcia pars as Proporgtes de Dus Populagbes |0-6.1 Testes paraa Diferenga nas Proporgdes de uma Phpulacio. Amosiras Grandes 227 10-62. Eno Tipw Ile Excell do Tamanho da Amostex (046.3 Intervalo de Confianga para a Diferenga de Propargiies de Popaagies 729 10-7 Tahela com um Resumo e Roteiros dos Procedimentos dde Inferéneia para Duas Amostas 230 CAPITULO 11 Regressiio Linear Simples e Correlagdo 235 Modelos Empiricns 238 Regressiio Linear Simples 237 Propriedades dos Estimadores de Minimos Quacrudos 243 ‘Testes de Hipéteres na Re 11.1 Uso dos Testes 11-42 Abordagem de Andlise ue Vartineia nara Testar Signiicanciada Regresao 244 Inervlos de Confianca 246 sossiio Linear Simples 243 T-S.L- Intervelos de Confianga para a Inelinaga0 ea Iniersegao 236 11-52 Inervalo de Confianga para a Resposst Média 247 Provistio de Novas Observagées 248 Cileulo da Adequagio do Modelo de Regresto 249) TET. Anilise Residual 249 11-72. Coeficiente de Determinacio (R?) 251 U8 Comelucao 2 119 Transformagies. 256 VE9.L - Regresko Logisica 258 CAPITULO 12. Regressdio Linear Miiltipla 265 12-1 Modelo de Regressao Linear Miltipla 265 { Tniewlugio 265 2 Estimaeio de Minimos Quadrados des Parimeires 267 12:1.3 Abordigen Maticial para Regressio Linea Mitipls 269 12:44 Propridaes dos Estimadores de Mininos Quadrados 271 12.2 Testes de Hipsteses para a Regressio Linear Maltipla 278 ID2.1 Teste para Signiicineta da Regressio 278 “Testes panto» Coelisienes Indiv dus de egress ¢ Subconjunton de Coefcintes. 279 123 Tntervalos de Confiangs para a Regresslo Linew Maltipla 283 LIA Inlervatos de Confincs pir os Coeficientes Incividosin de Repeesss0 283 12:32, Intrlos de Contianga para a Resposta Melia 283 124 Previsio de Novas Observagdes. 284 12-3. Veriicarao da Adequacao do Modelo 286 5 1252 ‘Andlise Residual 286 Obserayies Intiuentos 287 Aspects da Modelagem par Regress Modelos Pobinomiais de Regress Muiipla 290 0 290) 12-62. Regressores Categoricos ¢ Varisvels, Inicativas 291 1263. Selgin ds Variavels e Construgao de Modelos 292 12644 Multicoliaearideds 207 CAPITULO 13 Planejamento ¢ Andlise de Experimentos com um Unico Fator: A Anilise de Variéncia 306 13-1 Plangjande Experimenios de Engenharia 306 13.2. Experimento Completamente Aleatorizado com um Unico Fator 307 1321 Exemplo:Ratenca 2 Testo 307 Aniline de Varancia 308 13-23 Compiragses Muliplas em Sexulda i ANOVA, 312 24 Anilixe Residual e VersicacSo dy Modelo. 313 1425. Daterminindo oTamashode Amosta 314 13-3 Modelo cam Efeitos Ateatsrios. 319 3 32 Fatores Fixos contra Aleatorios 319 ANOVA 2 Componentes de Varineia 319 Plaaejamento com Blecos Completos Sleatorizados [344.1 Planejamento ¢ Ansise Fstaistien 321 1342. Comparagies Maliplas. 324 [44.3 _Andlise Residual c Verificagio dp Modelo. 325 CAPITULO 14 Planejamento de Experimentos Mel 142 143 M4 WS 14-6 14-7 148 com Varios Fatores 330 Introduggo. 330 Experimentes Fatoriais 332 Experimentos Fatoriais com Dois Fatores 334 ILL Andlise Estatisicn do Medel cle Efeitoy Fixos 335 143.2. Verificacio da Adequagio de Modelo 338 | 143.3 Uma Otservagio por hula. 3 Experimentos Fatoriais em Geral 340 Planejamentos Fatoriais 2! 342 14.3.1 Planejamemo 2° 343 1452. Phancjamento 2 para k= 3 Fatores 346 I1LS.3 Réplica Unica do Planajamento 2 350 1454 Adicio de Pontos Centrais a un Planejamenio 2 352 Blocagem e Superposicio no Planejamento 2 356 Replicagio Fraciondria do Planejamento 2° 359 [47.1 Ume Meia-fragio do Planejamento 2. 360) [L672 Fragoes Manowes: Q Fatorial Frasiondrio 2° 363 Métodos e Pianejumentos de Superticie de Resposta 370 CAPITULO 15. Estatistica Nao-paramétrica 381 134 154 6 Introdugo 381 Teste dos Sinais. 382 2.1 Deserigio do Teste 382 2. Teste dos Sinas para Amostas Emparsihadas 383 Fr Tipe Il para o Teste dos Sinais 384 de Wileoxon do Posto Sinalizado 386 Descrigio do Teste 386 » pare Amosteas Grandes 387 Empurehhadas 387 1534 Comparigao como Teste ¢ 388 Teste de Wilcoxon da Soma des Posios. 388 2.4 Compangie com o Teste #385 3.1 Is. 153.2 154.1 Descrigio doTeste 388 15-12 Apmonimagio pars Amosteas Grandes. 380 1544.3 Comparagdo como Teste 1 389 Matocios Nao-paraméricos ma Andlise de Vasidincia 390 1551 Testede Kruskal-Wallis. 390 155.2 Trarsformagio de Posto 381 Testes de Seqilencias 392 CAPITULO 16 Controle Estatistico da Qualidade 305 Melhoria¢ Estativiea da Qualidaie 365 Controle Fvatistico da Qualidade 396 Controle Esiatistico de Processo 396 Introduce 20s Grificos de Controle 396 14.1 Principios Bisices 396 16-2 Projetodeum Gnifico de Controle 399 164.3 Subgrupos Recionais 400 lots Analise de Padoes tos Grétives de Comole 400 Griticos de Conwole para FeR ous 402 xvi Sumirio 16-6 Grificos de Controle para Medidas Individuais 407 lo-7 Capacidade de Processo 410 16-8. Graficos de Controle pars Avvibutes 413 [Gh Grilico ? (Grafiew de Controle para Proporgies) 13 1682. Gril U (Grdfice de Controle pars Defes por Unidade) 414 16-9 Desempenhe dos Graficos de Controle 416 16-10 Grifieas Ponderados n0 Tempa 418 16-10,1 Graticn de Controle pura Soma Curnulativa 418 [6-102 Gritica de Controie para a Méuis Mével Ponderada Exponeaciaimente 42 lo-11 Outras Ferramentas para 2 Solugdo de Problemas de CEP 425 16-12 Implementande CEP. 426 APENDICES 435 APENDICE A. Tabelas ¢ Graficos Estatisticos 437 Se Tubela] — Resumo de Distribuigites de Probabilidades Comuns 438 Tabela IT Probabilidades Cumulativas Binomisis 439 Tabela IL] Distribuicio Cumulativa da Normal Padrio 442 TabelaTV Pontos Pereentais xi,.da Distribuigio Qui-guadrado 44 TabeleV Pontos Percenmuais ¢,, da Distribuigio e445 Tabcla VI Pontos Percentuais /,.,,. da Distibuigao F146 Gréfico VI Carvas Caracteristicas Operacionais 451 Tabels VIII Valores Criticos para 0 Teste dos Sinais 460 Tabelu IX Valores Criticos para o Tevte de Wilcoxon do Posto Sinalizalo 460 Tubelu X_—Valores Criticus para o Teste de Wilcoxon da Soma dos Postos 461 Tabelu XI Fatores para a Construsio de Grificos de Controle para Varkiveis. 46 Tabela XI Fatores para Intervalos de Tolerdncia 463, APENDICE B. Respostas para os Exercicios Selecionados 465 APENDICE C. Bibliografia 478 GLOSSARIO 480 INDICE 491 O Papel da Estatistica em Engenharia RESUMO DO CAPITULO $4 © METODO DF PNGENHARIA E 0 PENSAMENTO: TATISTICO ANDO DADOS EM ENGENHARIA ‘pis Bisicos ude Retrospective OSIETIVOS DE APRENDIZAGEM 1.2.3. Batinlo de Observacio. 1-24. Experimentos Plarciados 1.2.8 Observando Processos av Lango do Tempo 163. MODELOS MECANICISTAS E EMPIRICOS 1-4 PROBABILIDADE £ MODELOS Dk: PROBABILIDADE Segoe de um euidacdoso estudlo deste capfiulo. vor’ deve sor capa. de: L caro papel que a estutfstica pode desempenhtar no processo Ue resolugio dé problemas de engenharia 2 Decutir como a vatiabilidade afew os dados coletades ¢ usados para tomar decisoes de engenharia % Explicar a diferenga entre estudos enumerativos ¢ analiticos 4 Descutir os métodos diferentes que engenheiros usum para eoletar dads 5 ficaras vantagens que os experimentos plangjados Sm em comparagto a outros métodos de colets de datios de engenharia & Explicar us diferengas entre movlelos mecanicistas e modelos empirieos Dericcney wold ce modelos de prohahilidade sZo usados em engenharia ¢ em ci 1-1 O METODO DE ENGENHARIA E O PENSAMENTO ESTATISTICO ‘smengenheiro é alguém que resolve problemas de interesse da ade, pela aplicacao eficiente de prine‘pios cieniificos. Os -eir9s o realizam seja pelo refinamento de um produto on srocesso jf enistente, ja pela claboragio do projeto de um nove soduto ou process que atenda as necessidades dos consumi- Sores. O método deengenharia ou cientifico és abordagem para ormular ¢ resolver esses problemas. Ax etapas no metodo de aria sao dadas a seguir: 1. Desenvolver uma descrigi0 clara e concisa do problema, 2. Identificar, pelo menos tentar identilicar, os fatores impor tantes que afetam esse problema ou que possam desempe har um papel em sua solugao. 3. Proporum modelo para o problema, usando conhecimen: to cxentifico ou de engenfuaria do fenomeno sendo estuda- do. Estabelecer qualquer Timitagao ou suposiggo do mo- elo. 4. Conkdurir eaperimentes apropriades ¢ cotetar dados pars testar cu validar 0 modelo-tentativa ou conclusies feitas nas elapas 2 ¢ 3 &. Refinas 0 moxdelo, com base nos dados observados. 6. Manipularo modelo de modo a ajudaro desenvolvimento dla solugiia do problema 7. Conduzir um experimento apropriado para confirmar que 4 Soluco proposta para o problema ¢ efetiva e eficiente. 8. Tirar conclusbes ou farerrecomendagdes baseadas na so- lugdo do problema. As etapas no métoda de engenharia so mosiradas na Fig, 1-1 Note que © méodo de engenharia coracteriza uma forte relacdo reeiproca entreo problema,os fatores que podem inlluenciar sua solugio. um modelo do fendmeno e a experiGncia para verificar ‘a udeyuacdo do rrodelo e da soluedo proposta pera o problema, ‘As elapas 2-4 na Fig, 1-1 sfo envolvidas em um quadrado. indi- ando que virios ciclos ou iteragdes dessas etapas podem ser requeridys pura obter a solugao final, Conseqdentemente, enge~ eiros t@m de saber como planejar,eficientemente, os esperi- mentos, coletar cados, analis-Ibs e interpretéclos € entender ‘como 0s dados observados estao relacionados com @ modelo que cles propuseram para 0 problema sob estulo. ‘Ocampo de estatistica lide com colets, apresentagtio, and- tise © uso dos dados pata tomar decisGes, resolver problemas € plangjar produose provessos. Devido a muites aspects da pr tiga de eng al, ahariaenvolveremo trabalho com dados, obviamente im conheeimento de estatistica & importante para qualquer cio. Especifieamente, tenis estatistioas podem ser uma ajuda poderosa no planejamento de novos produtos e xistemis, slhorande os projeios existentes e planejano, desenvolvendo ‘e methorando os processos de produc. Métados estaisticos so usados para nos ajuda’ a entend thilidade. Por variabilidade. queremos dizer que sucessivas observagdes de um sistema ou fendmeno nao produzen ex mente o mesmo resultado, Todos nés encontramos vaziabilid deem nosso dia-dia © 0 pensamento estatistico pode nos dar ‘uma maneira itil para incorporar essa vatiabilidade em nossos processos de tomads de decisio. Por exemplo, considere o de sempenho de consumo de gasolina de sev carro, Voce sem gun 11-0 metodo de exgerhasia, Cconsegue o mesmo cesempenho de consumo em cada tangue de combusitvel? Naturelmente nao — na verdade, algumes vezes © desempenho varia consideravelmente, Essa variabilidade obser- vada no eunsum de gasolina depende de muitos fatores, ais como tipe deestrada mus usd estrada). as mudangas ra condigéo do vefeuTlo a0 lo po (que poderiam incluir Fatores, como desgaste do preu, com. pressio do motor ou de: de octa condicdes clim: es representam fontes potenciais de variabilidade no sistema, A Estatistica nos fomece uma estrutura paraddescrever essa va riabilidade e para aprender sobre quas fontes potenciais de varia- bilidade so mais importantes ou quais tém 6 maior impacto no desempenho de consumo de gasolina. Encontramos também variabilidade em problemas de eng nharia, Por exemplo, suponha que um engenheiro esteja proj tando um conector ve ndilon para ser usailo em uma aplicagio automotiva, Oengemheico estabclece como especificagin do pro- Jevo uma espessura de pared de 3/32 polegada, mas esta, de al a1 do ele dessa doeisao na Forya de Temogdo do coneclor. Se a forga de remogdo for muito baixa. © Conector pode fathas se ele for instalado 10 motor. Oi unida- des do prowtipo so producidas © suas forges de remogio so medidas, resultando nes seguintes dados (em libeas-pé): 12,6: 12,95 13,42 12.3: 13.6: 13.5; 12,6: 13,1, Comoanteeipamos, nom todos os protétipos téma mesma Forga de remogio. Pelo fato de medidas da forga de remogii exibinem variabilidade, sons deramos a forga de remogio como sendo uma ria, Uma maneira conveniente de pensar sobme urra varidve! alea~ {6ria, digamos X. que representa uma medida, & usar © modelo aay sntemente (cidade ou auto do tem- ste da vélvula),a marva e/ou admero jor da gasolina usadla, ou mesmo, possivelmente. 2s perimentadas recentemente. Fsses fito~ Xapte em que p.¢ uma constante e & € uma perturbagdo aleatcria. A constunte permanece a mesima em ead medida, porém peque~ has mudancas no ambiente, no equipamento de teste, difereneas ras proprias pogas individuais. ete, podem mudsr 0 valor de ‘Se nao houvesse perturbacoes. e seria sempre igual a zero ¢ X seria igual a. constante 42. No entanto, isso nunca acontece no mundo real, de modo que us medidas reais de X exibem variabi- lidade, Frequentemente necessitamos descrever, quaatificar € Finalmente reuu cir a varlabilidade. B Pe 15 Forza ceremocao Figura 1-2 Diagram de poates dos dados de foe de rem a espessura dt parede for 3132 polegada grande A Tig, 1-2 apresenta um dlagrama de pontos desses dds. O diagrama de pontos & um grafico muito dul para exibir um, pequeno conjunto de dats, iste &, cerca de 20 cbservagtes. Esse Fico nos permitina ver facilmente duas caracteristicasdos da- dos: a localizagio, ov © meio, & a dispersio ou variabilidade. Quando o némero de observagies 8x0 i gira 2-2 Verve cov md aeta a arstonmag de nals sas produtosde engenitaria, Dada uma abstracao matemnatica que seja vvalidada com meuidas de nosso sistema, podemos usaro mode: Jo para entender, descrever e quantiticar zproximadamente @s- pectos importantes do sistema fisico e prever a respostadosisi a & alimentagio de dados (inpusis) ‘Atraveés de todo este text, discutiremos oxlelos que permit variagGes nas saidas (owsputs) de um sistema, muite embers as vatidveis que controlames ale estejam variaudo peopesita mente durante nosio estado. A Figura 2 2 apresenta grafieamente © modelo que incorpora uma alimentacio incontrolada (ruido) ‘que combina com uma alimentagio controlada pars produzir a saida de nosso sisiema, Por causa de alimentagdo incontrolada, ‘osmesmns cenirios para a alimentagio controlada nie resaltam sada idGnticas cada ver que.o sistema 6 medid, Experimento Aledtirio ‘Umexperimentoque pode fomecer diferentes resultades, mut to embora seja repetido toda ver da mesma tmaneira, € cha ado de um experimente aleatGrio. Para‘o exemplo da medigao de corrente em um fio ée cobre, nosso modelo para o sistema deve, simplesmente, ser a lei de (Ohm. Por causit das alimentagdes nao-controlveis, sao espent- das variagdes nas medidas das comentes. A lei de Ohm pode ser uma uproximagio adequada. Entretanto, se as variagbes forem rand:s, relativas ao uso intencienado do equipamente seb ¢>- tudo, podemus nevessiter estender nosso modelo para incluir a variagio, Veja Figura 23, ‘Come uum ovtro exemplo; no projeto de umsistema de come tais como uma rede de computadores ou uns rede de telefonia, a eapacidade de informagzo disponivel para servigns individuais usando a rede & ama consicleracio importante de pro- jot». Para a (elefonia, Hinhas extemas suficientes necessitam ser ‘compradas de uma companhis telefénica, de modo a encontrar ‘osrequerimentos de um neg6cio. Supondo que cada lin vworegom Figur 2-3 Um exam dotthado do sist etic desvins da models rropaniioaae 11 Vigra 2-4 Varagin cana intemipyses nosstnns vem ser compradas? Se poueas linbas forem compradas, chama- das podem ser atrasadas ou perdidas. A compra de excessivas has aumenta 9 casto, Cada vez mais, o desenvolvimento de projetoe de produto é requerid para encontrar as necessidades dosconsumidores a sem custo comperitiva No projeto do sistema de telefonia, um modelo € necessirio para o niimery de chamadase para a duragaodelas. Nao € suFici- ente saber que, em média, chamadas ocorrem a cada cinco mi- nutos e que elas dusam cinco minutos. Se chamadas chegassem precisamentea cada intervalo de cinco minutos e durassem exa- tamente cinco minutos, eatao uma linha telefOaica seria sulici- ente, No entanto, a mais leve variacdo no nimero de channadas ‘ou na durago resuitana em algumas chamadas sendo bioquea das por outras. Ve}e Figura 2-4. Um sistema projetado sem con. siderar variagao seré pesarosamente inadequado para uso priti- co, Nosso mavdelo pats o ntinero et duragao das chamaas ne- cessita incluir & variago como um componente int andlise de modelos ncluindo a variago € importante para 0 pro- jotodo sistema de 2-1.2 Espagos Amostrais Para modelare snalisar um experimento aleat6rio, temos de en- {ender 0 conjunto de resultados possiveis de um experimento. Nesta introducan a probabilidade. fazemos uso dos conceitos baasicos de conjuntos e operagdes com conjuntos. Considera-se (que © leltor esteja familiarizado com esses tSpicos, Exparo Amostral ‘O conjunto de todos os resultados possfveisde um experimen- to aleatério € chamado de espaco amostral do experimento. O espago amostral € denotedo por S. Umeespaco amostral € usualmente definido baseado nos objeti- Peca Plistica Meldada ‘Consider am experiment em que voce seleriona ima peca plastics ‘noldad, tcl come um conector.c racd> sua espessa, Os valores pos ‘ies da espessura dependem da neolugo de instrumeato de mediea0 cctambém dos limites superior c inferior ds espessura, Entretanio, pod Ser convenient detinie © espago ainostral como simplesmente & linha seal positive R porque um valor negative para a espessurs no pale ocorrer aie >0} a 2 ce Se € sabido que taden os conectores tery enire 10 « 11 milfratros de espesste. 0 expago amostral podria sor S- Qhlosas ny Se o objetivo da andlive for considerar apenas 0 fato de ume pea panicular ter espsssura baixa, media ow alta. endio 0 espago amostal pode ser considerade como conjunta de és rests S= {baixa, media, ata} Se o objetive da analise for eonsiderse agems o fato de uma pea Panicular obuiecer cu nio 3s esperificagses de fabricaco, ention es prago amostral pode ser simplificado no conjunto de dois resultados $= (sim nao} fobedevent ou mio. que indlea se as pe # dil distinguir entre dois tipos de espagos amostrais, Espacos Amostrais Diseretos ¢ Continnos Um espago amostral é discreto se cle consiste cm um con- {junto finito ou infinito contivel de resultados. Um espago ‘amostral é continuo se ele contém um intervalo (tanto Finite como infinito) de miimeros reais. escola de 5 = R' € umexemploem umes. ago amostral continuo, enguanto S = {sim nde} um espag amostral discret. Como mencionado, # melhor escolliz de um ‘espaco amostral depende dos ebjetivos do estude. Como gues- es especificas ocorrerdo mais adiante no livro. espagos amostrais apropriados serio discutides. EXEMPLO 2-2 Especifcaydex de Fabricagin Se dois coneciones forem selecionados e medides, 2 extenso da linha real postiva & sera consideraroespagoamosteal come seadou quadranie positive do plano s mR Se objetivo da sndlise for considerar apenas 0 fato de peas obe- decerem ou ndo &s especificugdes Ue fabricagio, cad pega pode ov ndo ‘obedecer. Abseviames sim au sao por se. Se 0 par ordenado sn ind. ‘ear quo primeiro conestor obedese ¢ 0 segund nso, 0 espago anos tral poder ser representado por quatro results > fas. mas, an} Scestivermos interessados coments no nlimem de pegas conformes 1a amostsa,podemos sumatizar o espago amostal como Como um outro exemple, eonsidere um experimenio em que a es pessura sf media até que conector nio mais encontre as especif- cagdes. O espaco amostrll pode ser represeniado por = inn st 880, setsn © assion po diante) © esse € um exemple de um espago antostral cisereto que € intiniwo somtivel Emexperimentos sleatérios que envolvam a selec de itens a partir deunia tatelads, indicaremos se um item selecionadoserdé ‘ou ndoreposto antes do proximo item ser selecionado, Por exen- plo, seums batelada consistirem ts tens a, bc} € nosso expe- imeato for selccionar dois itens sem reposigiovo espago amos: tral pods ser representado come Suou = tab, a¢, ba, be: ca, eb) Essa deserigdo do espzgo amostral mantém a ordem dos itens selecionados, de modo que os resultados ab e ba szo elementos, separados no espaco amostral, Um espaca amostral com menos detalhe descreve somente os dois itens selecionados {ab}. +1}. Esse espago amostral sio os possiveis subconjan itens, Algumias vezes, os resultados onenados so necessérios, porém em outros casos.o espagoamnostral mais sim- ples e desordenado ¢ suficiente Se itens forent repostos artes do préximo ser selecionado, a amostragem ¢ dita ser com reposicao. Entao, os resultados pos siveis sto Soon = {ett ab, ac, Ba, Bb, be, ca, cb, eo} ‘A descrigdo desordenada do espago amostal {fad}, {aad}: fa, Ch, Dd}, (, €}, (se)}- Amostragem sem reposig ccomum para aplicagSes industriais, ‘Alumas vezes no & necessirio especificar 0 exato item se- lecionado. mas somente uma propriedade do item. Porexemplo, suponha que existam 5 itens defeituosos ¢ 95 itens bons em uma batelada, Para estudar a qualidade da batelada. dois itens sao selecionados sem reposigao. Seja } um item bom e d um item defeinuoso, Deve ser suticiente descrever o espago amostral (or denado), em termos da qualidade de cada item selecionado, como S = tbh, bd. db, dey “Term xede sercauteloso com essa descrigio do espago anostal porque existern muito raspares de tersem que ambos so bons iB secarioynny Gesinioogs, Bais dic ees de vom a con sidemday quando probabilidadesforer caleuladas mais adhane neste capalo. Alm disco esse resume do eapago omoetn ser conveniente quando probabiidades condicionais forem usadas tials adianié reste capfolo, También, se houvesse somente umn ites defeitoso na batelada. haveria menos resutados possvels 5 (0b, bd, db), uma vez que dd seria impossivel, Por questdes de amostragem, aalgumas vezes‘a parte mais importante da solaglo 6umma deseri- (io spropriada do espago amostral Espacos amostrais podem também ser descritus graficamen- te com diagramas em forma de arvore. Quando um espago amosiral puder ser construfdo em virias etapas ou estégios, po- demos representar cad:iuma das, maneiras de completar a pri ieira eiapa, como um samo de uma drvore. Cada uma das ma- niciras de eompletar a segunda etapa pode ser representada por rns ramos, comiegando das extremidades dos ramos originais & assim por diate. EXEMPLO 2-3 0 00 um sistoma digital de comanicngio seri classifica i canforme io de um tempo especificado pelo projeto dy sistema, Se trés mensavers forem clasificadas, use um dia grams em Forma de drvore para representaro espago amostral de resl- tados possiveis. ‘Cada mensagem pode ser ecebida em tempo ou atrasida, Os res- lados possfvcis pars 8s memagens podem se: mysttades aravés Jos ita amos no dlagrama em forma de drvore mostrado ne Figura 5 Cadarmensag a soja mei de Morsagem ! ossagem 2 Morsaae Figura 2 Diagrams em fora de rvore pra tes mensazens EXEMPLO| ‘Um fabricante de autoréveis prove veiculos equipados com opeionats selecionaudos, Cada veiculo ¢ ordenade: ‘Com uma das trésescothes de um sistema estéreo ‘Com uma das quatro cores ‘Com ou sem tansnissio autortica Com ou sen ar evadicionado Se oespago amostral comsistr no conjunto de todos 0s tipas pos seis de velculos, qual ser3o ndmero de resultados no espage amosiral? © expago amostral comém 48 resultades. O diagrama em forma de ér- ‘ore, paras diferentes tipos de veiculos, §siostiado ms Figura 2-5 EXEMPLO 2.5, Configuracies do Arcomeuel CConsidere umaextensio da lesa do fabricsntede veieukes decxem. lo previo, em que uma ontra opzande veieule & a eo inerior. Hi qu tip eveorhas de cor imerior: veemnelna, pret, azul ov marrem, No en. ‘Com umexterior vermetno, somente ur interior preto ov vermelhe pode ser esi, ‘Com um exterior branco. qualquer cor interior pune ser escola, Comumexierior azul, somente om interior preto, vernelho ou azul pode ser eseohivo, (Com um exterior masrom, somente um interior escolhito. narrom pode ser Tones — Probabildade 13, 1Né Figura 2.6, exisem 12 tipos de veiculos com cads cor exterior Poréato nimera deescolhas de cores incriores deperale da cor exter ‘or. Como mestrado na Figura 2-7. 0 lagrama em forma de éevore pole ser esiendido para mostrar que hi 120 tps diferentes de veiculos no espa amor 241.3. Eventos Fregitentemente estamos interessaulos, a partir de um experimento aleatério, em ume colegio de resultados relacionados. Resulia- slog relacionados podem ser descritos por subsonjuntos do espa- ‘coamostral e operagies de conjunto podem ser aplicadas. Exeno Um evento ¢ um subconjunto do espago amostral de um ex- perimeato aleatorio. = FoR AT. 2408+ % ‘pode yicdos mur 2-7 Digerama em forma de rors pars diferentes ipod vieulos som Figura 2-5 Diagramaem forma de dvore para cferentes tips de yeiculos com 4X resultados no espa amoral 14 capaatez Poems camhén estarinteressadoserdeserever novos even toy a partir de combinagdes de eventes exisientes. Pelo fato de eventos serem subconjuntos, podemos usar operagies bisicws de ceonjunios. tais como unives, intersegies e complementos, para formar outros eventos de interesse. Algumas das opersc cas de conjunlos so resumidhs 2 seguir, em wermos de eventos: ex bisi- + Auniao de dois eventos 0 evento que consiste em todos ‘os resultados qucestdo contids enn cada um dos dois even: ws, Dewocuns 4 unizo por By UE. = A inverseddio de dois eventos Eo event que consiste em todos ¢s resultados que estio contidos nos dois eventos, Simultancamente, Denotamos a intersego por E, 9 F + O complement de vm evento om um espago amostral & fo conjunto dow resultados no espago amostesl que no es- {20 no evento, Denotames o complemento do evento F por B.A notagdo EB 6 também usada em outra literatura pars denotar o complement, EXEMPLO 2-6 Considsre 0 espago amosteal § = (38.28.02) no Exemplo 2-2 Su roma que o suhcunjunto de eesltsdos para es quai. no minim, ura pec € conforme seis denotao vom E.. Ent, FE ts.sn. ns (© evento em que amas as pegas Sto nao contormes, denotado come F,.conigin sonienie @tnico resultado, Es ~ {ji}, Outees exemplos de ventas sie #, — 2.0 conjunte nulo, E, = S, 0 espace amostral. Se E,~ fn. ns. mn. BUR SEO = fonmy BY = (np EXEMPLO 2. Medias dacspessarade um conectr pista devem ser modelatascom ‘oespago amosiral ¥ = & . conjunto de mimeros als postivos. Sei B= (WS021} e B= Gl 15} ENB mish ee 12) 8, UB) ~ 410 Espace amos een auseisa £6 8 aN Pigura 28 Diagramas de Venn, ‘Tambim. B= Gh Sou l= a € MIZE cS I EXEMPLO 2.8 Plistico de Policarbonaro Amosiras do pléstico ée policarbonato Sie anatisadas com relagdo 3 resisneia a arrnhdes e achogue. Os resultados de $0 amostrasestio resumidos a seguir resisténeia a choque alia bala resisténicia a airandes alta 40 4 baina 1 5 Seja d 0 evento em que uma amostn tem alta resisténcis a choque € sein B o evento em gue a amostra tem ale resivéncia a aman. De temine o nme d amosiras em ABA’ eA UB. ‘Qeverto 4 7B consisteem 4Damostas paraas guais asresisteacis amanhoese a choguesdo alias, O e.eutn A’ consis nas Sannsuas em que farsisionciazchosue chaise, Qevento.’ U Boonsists ms 4S amostas'em ‘hogs. rsisénein a arranges 0 amb si sas ‘que a resicténcia Diggramas sao frequentemente usados para retratar rekagdes centre conjumtos, Sendo esses diagrarmas wunibém usados para des ccrever relagdes entre eventos. Podemos usar os diagramas de ‘Venn para representar um espago amostral e eventos em um es- ‘pagoamostral, Por exemplo, na Figura 2 8(2), 0 espago amos- tral do experimento aleat6o é representudo comp ponios no re Lingulo S. Os eventos Ae B so os subconjunios dos pantos nas .gides indicadas, As Figuras, 2-8(b) a 2-8(4) ilustram eventos ‘conjuntos adicionais. A Figura 2-9 iusira dois eventos com ne- ‘ahum resultad em comunt, Exentos Mutuemente Excludentes Dois eventos, denotados por#; ¢ £,, tal que E,NB=2, So chamados de mutuamente exeludentes. OG) 2 vento matuamesteexcletes Resultados adicionais envolvendo eventos so resumidas a seguir. A definigdo do complemento de um evento implica que GY =F A lei distributiva para operates com conjunts implies que AUB)NC-ANC)UBIC) ANAUC=AUONBUO A lei de DeMorgan implica que (AUBS=A'NB ec (any -a'uR Da mesma forma, lembre-se de que ANB=BNA © AUB 2-Lef Técnicas de Contagem Em muites dos exemplos no Capitulo 2, € féil determinar 0 numero de resultados em cada evento. Bm exemplos mais com plieadlos, a determinagao de resultados que compreendem 0 es- ago amostral (ou um evento) se torn cifiil, Lm ver disso, a comagem dos némencs de resultados no espago amostal e os ‘tion eventos sto usados para analisar os experimentos aleat6- fios 1) refesidos como tenicas de contagem. Algumas regras simples podem ser ustdas para simplificar os calles. No Exemplo 2-4, um fabvicante de auloméveis forne cules equipados com opcionais selecionados. Cada pediddo de compra de um vofeulo pode ser Com ou sem transmissao automation Com ou sem ar condicionado ‘Com uma de trés escolhas de sistema estéreo Com uma de quatre cores exteriores O diagrama em forma de arvore da Fizura 2 {go amostral de todos os fipas possiveis ue v do espacoamostral é igual ao mimero de ramos no dltimo nivel da drvore, sendo eniao igual a2 X 2x3 X 4 =48. Isso leva a0 seguinte resultado wil | Regret da Multiplicacdo (pera téenicas de eomtagem) — | Se uma operagio puder ser deserita como uma seqtiéncia de Ketapas ¢ se 0 niimero de maneiras de compleiar 2 etapa I form, € se ondmero de maneiras de completar a etapa 2 for n, para cada mancira de completar actapa 1 ¢ se o mimero de maneiras de completar a etapa 3 for m, pura cada maneira de completar a etapa 2 ¢ assim por diante, 6 nimero total de maneiras de completar a operagio ser ny XX Xm Prmbshildade 1S EXEMPLO 2-9 No piojeto de uma pretegio para urna caixa de mrchas, poderos usar ‘quatto tipos diferentes dle amarradoces ers der € localizagdes ce parafuses, Da regra de maltiplicaca projetos diferentes sio possiveis Permutagdes Um out cilculo dil €0 ndmero de sequncias ordenades dos ‘elementos ce-um conjunte. Considere uma conjunto de elemen- tos, tal come $ = {bc}. Une permutagdo dos elementos & tama setigneia ordoaada dos clementon. Por exemnplo. abe, ach, bac, cha, rab cha so todas permutagdes dos elementos de S ‘O ndimero de permutagdes de 1 clementosdiferentes €n!, sendo nX (n~1)X(n— x2X1 GI) Re Esse resultado ¢ devorrente ds regra da multplicacio. Uma per- rmutagio pode ser corstrufls colocando-se o elemento ne primeira posigdo da segiacia de n elementos, seleionando enti ele- mento para a segunda posigdo dos — | elementos restates, colocando 0 elemento ra terceira posigio dos n — 2 elementos restates e assim pordiamte, Permutactes como esis so referi- dhs algumas ve7es eomo permutagies lineares Em algunas situagoes, estamos interessados no mimero de njos de somente alguns Gos elementos de um conjunto. O seguinte resultado € devorrente tambéin Us regra da multipli= ceagii. Penmidagies de Subconjuntos (O nimero de permutagbes de sudconjuntos de relemeatos se- lecionados de um conjunto de n elementos diferentes ¢ Pr=nX(n— WK 2K (+ Y=— ¢ EXEMPLO 2-10 Place de Circuito bmpresse Uni placs de eiteutio inpressi tem oto locelizagtieseferentes em gue urs componente pode ser coloeads, Se quate somponentes di orem colocation ns placa. quantos pnjetos diferentes sia possivels? ‘Cada projeto consiste em selesionar ume localizagio das nia loca Jizagdes pasa. primeiro componente, uma locaizagin das sete reste fespant o segundo componente, uma locslizagéo des seis restates para ‘ terceito componente e uma localiragio das cinco cestantes pars quarto componente. Portanto, 1680 preston diferentes so prssivers Algumas vezes esiamos interessados em contar o mimero de seqii@acias ordenadas para objetos que no so todos diferentes seguinte resultado é um eflculo ddl e geral Permutacdes de Objetos Similares Onémero de permotaghes den = m+n, +... +n, objetos dos quais n, Sio de um tipo, n, sio de um segundo tipo, ...€ 16 Capitulo? 1, $30 de r-ésimo tipo é at gl mgl ng! a.) EXEMPLO 2-11 Programogde de wna Oficine de Usinagem (Considere uma operaca de usinagem cm que des eifcios, com cltime ros idéntios.e dois encaixes de mesmo tamasho necessiamser feito nt uma pega metilcn. Sejap urna operagio de perferugio ee umaoperagio kde eneaixe. Na detemiragio de wma programagio pare uma affcina de usiaagem, devemes estar interessidos no rimero de possfues squsneas Uiferentes das quatro operaghes O ndinesn de segiénciss possiveis pera as duas operaedes de perfuragdoe paras duas operagdes de eneaine so: 4! As seis seuiiéncias io factlmente resumidas: ppee. pepe, peepeppe. pep. cen EXEMPLO 2-12 Ciigo de Bervas {Uma pega & marsada pela impress dle quia nbs espesses. 8 Fe rnhes médias ¢ dias inhas fina, Se cada ordenapdo das nove links presenta umna marca diferente, quanias marcas diferentes podesn ser ‘getadas pelo uso desse esquera? Da Equagio 2-3, 0 ruimero de mareas pos se = 1260 Combinag: ‘Um outro problema de contagem de interesse ¢ 0 niimero de ‘subconjuntos de r elementos gue pode ser selevionado a partir de um conjunto den clemeatos. Aqui, aondem aio € importan- te, Esses problemas sio chamadlos ce combinagdes. Cada sub- conjuntode r elementos pode ser indicado pela lis ‘ments no conjunto e marear cada elemento com um para inelui-lo no subconjunto, Coaseqiientemente, cada permi- taciode r¥'s em ~ r varios indica um subconjunto diferente & ‘© mimero desses subconjuntos € obtido da Eaquaczo 2-3, Por exemplo, se ocanjunto é $ = fa, b,c, d},0 subeonjunto {a,c} pode ser indicado como mdos ele "se for a oboe a Combinacies (© miimero de combinagdes, subconjuntos de tamanho r, que pode ser selecionado de um conjunto de n elementos, ¢ deno- tado como (1) ou Ce Cea 4) EXEMPLO. 3 ‘Um componente pode scr colovado em cite loeslizagdes diferentes em tuma placa de circuitn impresse. Se cinco compenestes idénticos forem teolocados na placa, uantes projeos dilerentes serio possiveis? Cads prj & um saconjunta das vite localiagées que dover © exemplo seguinte usa a regra da multiplicagio em combin «gio com a Equagao 2-4 para responder a uana questo mais di EXEMPLO. 4 Amestragem sem Reposigae {Um silo de SO tens fabricads contém 18s itens deletunsos €-17 tens 1o-defeituosos. Uma amosir de seis tens € selecionada dos 50 itens. (Os itensselecionadon dose repostos, Ou sj, ena itom pale soments serselecionidouma tinies veze samosra Gumsuteonjunto dos $0 tens, (Quantasamostas diferentes existem, de tamanho seis. que contém esa tumente dois itens defcitvasos? Um subconjunto contends exatamente dois ites defeituosas pode sor fanmade escoltendo prineire os do's iteasdefvitunses dos tes ens afeituesos. Usando 2 Bquacdo 2-4, essa capa pode ser completa de El ()-a rnao.axegunda etn €selecionar os guar iensresanies dos 47 ens aecitves mo slo. A segunda etapa pode ser completa de (")-2 3 mancinas diferentes ~ 178,365 maneizas biterentes Por conseguinte, da regra da mltiplieagS0, or muiero de sudeonjuatos de tamanbo sci que contEm exstamente das ters defeituenos € 31783 35.085 Como um cielo advional, «sees total de subconjantos die remies de tamanbo sos 6 (50) 501 0) 31 yswa0c700 6) east ‘Quando probabilidad ¢ciscatida neste capitulo, a probabilidade de tam eventa ¢ determina como a raxSoentte onimens de revultaden 00 ‘evento € 0 aimero de resultados no espago amentral (para resultados ualmente provaveis). Corsequentemente. 2 probablldade de ama monica confer exatamense dois eas defetuesos 6 19s 5.890.700, Noe que esse exemplo ilusira uma distribuicdo comum estudads no Capitulo 3 disrituicio bipergeamétriea). on EXERCICIOS PARA A SECAO 2-1 Fomecatuma descri¢do razoivel do espe aruosiral para cada um dos ‘experimentns slesirios nos Exerofios 2-1 9 2-18, Poder haver mais, ‘dea interpretagio aceitvel de cada experimento. Dessreva qualquer supenigio gue voe? faga, 2-1, Cauda umn dis 8s peas wsinadas & classficada como acima ou apaixo da expeeiticagio padrao para a poy 2-2, Cada um dos quatro hits transmitidos éclassifieado come eomenro 2.3. Na inspocio Final de suprimentos eletetaices de poténcta, 1s th: 1s de nao contormidades peem ocorrer funcional, menor ou cosine ‘. Supimentes de pténeis gue Sejam defetuosos sergio chssificsdos aturamente de acurd cunt 0 tipo de niv-sontormidade. 2-4, Nafabyicacdo de ttas cassetes digas, umn test clewsinicog usado para registrar o mimer dle fs defeiruosos 2m um caret! de 380 ps 25, NafabricapSo de fitscassetes digit. cada des 2trifasé classi fieads como cuntendo ou nde eantendo um ou mais bts defeituosos, 6. Um arpesimestro, que mosira ts digitos,€usado para medircor frente em milliamperes, 2-7. Uma escala que mostra duas cases decimais ¢ usada pare medin, fm foueladss, alimentagies de materias em uma planta quimica, 28. As duas questoes soguintes aparecer cm questionirios na inspe: de empregedos. Cada resposta éescolhidaa parti deurra ewala de Snes pontos: | (nunca, 2, 34 5 (sempre). “A coeporagio estisposta souvire avalarjustamente nova ihas™ “Quio freqientes mers colaboradores sio importantes no desempe no glooal da trabalno’ 2.9. A coneeniragio de o7snio em pace por bilho. 2:10, Otempo até qus uma irarsacio de servign seja soliciada de urn Somputedos, com a precisio de milisseguado, 11, Alleitura de pHde urn ‘mo de un unidade, mostra le gue comm x precio de dei 2-12. Os varios ers uma placa de Sido tern sio clasificados como ‘equenes. médios au grandes, Omimero de varias em cada categoria é ‘meddle poruma inspecao Optica de unis amostra 213, Otempo de wma reagio quia 2-14, Um pedido de compra de um automsvel pods especifiear ume ‘Eansmissao auomesticn ou pudrio, comousem arcondicionadoe qual ‘geet umna das guaico cores vermelh azul prea eu branca, Descreva a Sonjente de pedidos possiveis para esse expevimente, rogistrado em milisseguno. 5, Uma pega amostrada. oklada por injeyio, paca ter sido pro 535) Desereva end um dos sguinies eventos a) bia’ ANB AUB 2.30, Um arnostra de dois itens ¢ selecionada sem reposigae a partir de umabatlais, Descreva oespayo amostralordensdo} para cadaunia, das sezuimes batelacas: (a) A batelada contém os tens (4B. 64: (b) A batelada coatém os items (a be ds 8) {e) A batelada contém 4 items defeituenos © 20 ions bons 1d) batelada coniém 1 item defeinose € 20 tens bons. {Uma amosira de dus placas de cirevita impresso &selecionada som reposicde a panir de uma batelada. Desereva 0 espazo amostral fordenado) para cada una das seguintes batclads: (a) A batcladacontém 9 places que séo nio-defeituosas, 8 placascom equenos deteitos e 2 placas com grands detetos 1h) A butclada contém 90 placas que sip ro-defeltupsas, 8 placas.com pequenos defeitos © | placa com grandes defeiten 2-32, Consens daspiginas ed, fomeeitas seperadamente pelosdois Sorvidoresde computadoresem uma hora selccionaca do da, so tradi Seja A. evento gue a0 misimo 10 paginas Min lornecias polo servidor 12 Bo evento em que no minimo 20 piinas sao fomecidis pelo servic 2 (a) Descieve, graticamente. 0 espagy amostral para os mimeros &e paginas para os dois servidores Mostre cada umn ds seguintes eventos no grifiey do espago amostral wa (oe wang aur 2.33. 0 temps de enshimento de um restor medida en init (& fragdesde minutos) Sejao esparo amostral para tempo de enchimes- 'o de uma batelaca formado por nimeros reais ¢ positivas, Considere os tempos de enchimento de duss bateladas. Seja 4 o eveniovem que tempo de enchimentc de amas bateladas € menor gue 72.5 minuzos @ seja B o evento em que 9 tempo de enchimento de ambas bateladas ¢ ents. espazo smastral para o tempo do exch: Dessreva. graf mento das dss bateladas @ mostre cada um dos seins sventos or Lm aritiea bicimensional aa (ANB 08 (AUB 2M. O contrale remoto de abertura de um porto de geragem tem umn cédigo determinado pelo movimento pari cima ou para Baixo de 12 ingeruptores. Quantes resultados estao no espagp amnostral de eouizes posiveis? 2-35. Un peuido de compra de un. computador pessea dial pou “copecificar qualquer um doseino tamanhos de menisria, ualgucr un dos iSstipos de video. qualquer um des quarto tamanies de diseo ria do e pede incluir ou nao unt extensor de meméria, Quantos sisters diferentes podem ser encomencados? 2-36. Em uma operagio Ge fabricasio, um item € produzide per Usinagem, polimento ¢ pintara. Se hd ts ferramentas de usinagem, smentas de polimento ¢ és feramentas de pintura, quantas snes (consisindo em usinggen,seyuida de polimentoc de pois pintura)sio possiveis para irom? 2 tm proposto tbs Formas po Inca ais diferentes para willed alimentasSinde materisl eqs two localizacbes diferentes para. as valvulas de retiradade materia Quan tus projstos diferentes do produto sio possivel 2.38, {Um processo de fabrisagdo cnnsisteem Woperagieseqve padera cr compleiades em qualquer onlem. Guantas seateacics dilerentes de produi0 Sio possiveis? 2-39, Um proesso de fabricagio consiste em 10 opzragies. Entetan- 1p, cinco operagbes de usinagemdevernsercompketadas antes que gual ‘quer uma cas cinco cperagoes restantes de montagem possa comecat ‘Novos projelos para um tanque de tatamento de éguasresiduais quatro tammanhos diferentes, és Deriro ds ead conjanta de eines, opersyes podem ser completadas fem qualquer ordem. Quantas seqigncias diferentes de prodisio sic 2-40, Em una operacio de chapa meta, trv encalhos ¢ quaten o- Sramentos so noquerides. Se as aneracdies poxtem ser Feitas em «a gue" onder, quartas maneiras diferentes sio possiveis parm completar rica? 2-41. Un lote de 140 pastithas (hips) semieordutoras € inspeciona- So. eseolhendo-se uma amostra de cinea pastas, Suporha que U0 das prsilhas mo nhedesm aos roquerimentes dos consursidores, Quatntay annonran diferentes ss posstvets? 1) Quanta: amostras de cinco contém exatamente uma pasithe no onforme? ¢) Quantas amostras de cinco Contém fo rafnimo una pasilhs ni sonforme? Navdisposigio de ume placa ie cirevito imnpresso pars um poli ietrinieo, hi 12 localizagdes diferentes que prxtem scomadar past a) Sec co tipos diferentes de pasilhas devem ser colecacds ma aes, quaatas disposigdes diferentes sd possivci fb) Seas cinco pastifias colucadas aa placa

    You might also like