QUESTÕES PARA DISCUSSÃO E EXERCÍCIOS – CAP. 4

Slides:



Advertisements
Apresentações semelhantes
Escola Politécnica de Pernambuco Departamento de Ensino Básico
Advertisements

DISTRIBUIÇÕES AMOSTRAIS
Análise Estatística Variáveis Aleatórias.
Probabilidade e Esperança Condicional
CAPÍTULO 7 TESTE DE HIPÓTESE
Intervalos de Confiança
CAPÍTULO 7 TESTE DE HIPÓTESE
ESTATÍSTICA BÁSICA Engenharia Mecânica 15/03/2011.
ESTATÍSTICA BÁSICA Engenharia Mecânica II período 19/04/2011.
Estatística Aula 15 Prof. Marllus Gustavo Ferreira Passos das Neves
Estatística 6 - Distribuição de Probabilidade de Variáveis Aleatórias Discretas Prof. Antonio Fernando Branco Costa Página.
Estatística 6 - Distribuição de Probabilidade de Variáveis Aleatórias Discretas Prof. Antonio Fernando Branco Costa Página.
MB-711 Fundamentos de Tratamento de Incertezas
MB-711 Fundamentos de Tratamento de Incertezas 3º Encontro de 4 Previstos (+ Avaliação) MPEP – Mestrado Profissional em Produção Prof. Armando Z. Milioni.
. Capítulo 1 Introdução à Estatística Capítulo 1 Introdução à Estatística Prof. Paulo Renato de Morais ESTATÍSTICA APLICADA.
Capítulo 4 Distribuições de Probabilidade
APLICAÇÕES COM EXCEL: Distribuição Binomial
Variáveis Aleatórias Uma variável aleatória associa um número real a cada resultado de um experimento aleatório. Mais precisamente…
Variáveis Aleatórias Contínuas
Introdução aos Processos Estocásticos
CAPÍTULO I- TEORIA DAS PROBABILIDADE
DISTRIBUIÇÃO BINOMIAL
Variáveis aleatórias Uma variável aleatória, X, é uma função que associa um valor numérico aos possíveis resultados de um experimento probabilístico.
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010 Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2014 Distribuições Discretas Camilo Daleles Rennó
Aula 7. Variáveis Aleatórias Discretas
Distribuições discretas
DISTRIBUIÇÕES DE PROBABILIDADES DE VARIÁVEIS ALEATÓRIAS DISCRETAS
Variáveis Aleatórias Discretas-II-1; Função de Distribuição de X
Carlos Oberdan Rolim Ciência da Computação
Métodos Quantitativos II
Modelagem Estatística
Modelos de distribuição de erros
Distribuição da Proporção Amostral
Distribuições de Probabilidade 1 ESTATÍSTICA PARA ENGENHARIA CAPÍTULO 5 DISTRIBUIÇÕES DE PROBABILIDADE.
Profº: Glauco Vieira de Oliveira AGR/ICET/CUA/UFMT
Inferência Estatística
Matemática e suas Tecnologias - Matemática PROBABILIDADE CONDICIONAL
Aula 9 - Amostragem, probabilidade, distribuição binomial
ANÁLISE ESTATÍSTICA II
Estatística Geral (Elementos de Probabilidade)
DISTRIBUIÇÃO DE POISSON
3. Distribuições de probabilidade
Modelos Teóricos Discretos de Probabilidade
Unidade IV – Probabilidade
Probabilidade e Estatística para Avaliação de Desempenho
Capítulo 4 As distribuições de probabilidade mais importantes em controle estatístico de qualidade (CEQ): atributos Sumário 4.1 Introdução 4.2 Distribuição.
Estatística Teste de Aderência Prof. Antonio Fernando Branco Costa
Variáveis Aleatórias e Principais Modelos Discretos VICTOR HUGO LACHOS DAVILA AULA 6-8:
DISTRIBUIÇÕES DE PROBABILIDADE
PROCESSO DE POISSON [ Parte II ] 1 - INTRODUÇÃO 2 - PROCESSO DE POISSON 3 - TEMPOS DE CHEGADA 4 - TEMPOS ENTRE CHEGADAS 5 - PROCESSOS DE RENOVAÇÃO 6 -
INFERÊNCIA ESTATÍSTICA PROPORÇÃO POPULACIONAL p
DISTRIBUIÇÃO DE POISSON
DISTRIBUIÇÃO BINOMIAL
2. VARIÁVEIS ALEATÓRIAS 2015.
4. PRINCIPAIS MODELOS DISCRETOS
Tutorial de exercícios Estatística Básica Utilizando o Excel Delamaro e Marins 4a. Aula – Distribuições de Probabilidade - Discretas.
Modelos de distribuições discretas de probabilidade
NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional.
Distribuição Binomial – problema das provas repetidas Exemplo: Lança-se um dado, com as faces numeradas de 1 a 6, 10 vezes 1.Determina a probabilidade.
Estimação: Estimativa Pontual Estimativa Intervalar
INFERÊNCIA PARA DUAS POPULAÇÕES
GESTÃO E GARANTIA DA QUALIDADE
Modelos de distribuições discretas de probabilidade
NOÇÕES DE INFERÊNCIA ESTATÍSTICA
Inferência 1:Estimação de Parâmetros Relembrando o Teorema Central do Limite Da aula anterior: a) Os estimadores da média e da s 2 são não viciados e de.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Distribuições de Probabilidade Camilo Daleles Rennó
Estatística Aplicada à Administração Prof. Alessandro Moura Costa INSTITUIÇÃO CURSO.
INFERÊNCIA ESTATÍSTICA
Capítulo 4. As distribuições de probabilidade mais importantes em controle estatístico de qualidade (CEQ): atributos Controle Estatístico de Processo (CEP)
Transcrição da apresentação:

QUESTÕES PARA DISCUSSÃO E EXERCÍCIOS – CAP. 4 1. Uma unidade fabril de compressores para equipamento médico produziu um lote de tamanho 1000. Aleatoriamente são escolhidos 25 compressores para formar uma amostra e testar se a taxa defeituosa do lote é no máximo 4% em conformidade com o contrato acordado. Dois dos compressores da amostra não são aceitáveis. Este fato é suficiente para rejeitar o lote como defeituoso demais? O fato é que dois compressores defeituosos na amostra ainda dando uma percentagem de defeituosas igual a 8% não são evidencia suficientemente contundente para rejeitar o lote. Pôr que?   Manuela Machado

Resposta: Devemos identificar qual distribuição de probabilidade se adequa ao problema 1º - em cada tentativa existem dois possíveis resultados mutuamente exclusivos; Sucesso e fracasso; 2º - as séries de tentativas ou observações são constituídas de eventos independentes; 3º - a probabilidade de sucesso indicada por “p” permanece constante de tentativa para tentativa; 4º - seja “p” a probabilidade de sucesso e “d” a probabilidade de fracasso (p + d = 1); A probabilidade de se encontrar 2 compressores defeituosos numa amostra de tamanho 25, onde se espera no máximo 4% de defeituosos, usamos uma distribuição binomial.

Resposta: Substituindo os dados na equação: Significa que, a probabilidade de encontrar 2 defeituosos numa amostra de tamanho 25, quando o esperado é encontrar no máximo 4%, é de 19%, ou seja, aproximadamente 19% desta amostra de tamanho 25, se encontrará 2 peças defeituosas respeitando a percentagem histórica de 4% de peças defeituosas. Desta maneira, este lote não deve ser rejeitado, uma vez que é grande a possibilidade de encontrar 2 defeituosos, jogar fora um lote tendo fracas evidências aumenta o risco de erro tipo 1, se rejeitar um lote bom. Para os estatísticos, deve-se rejeitar lotes quando o número de defeituosos encontrado numa amostra possuir uma probabilidade de ocorrência menor ou igual a 1%.

Resposta: Utilizando a aproximação por Poisson: Descreve probabilidades do número de ocorrências em um intervalo contínuo; Ex.: defeitos por cm2, acidentes por dia, clientes por hora, chamadas telefônicas por minuto,...; Obs.: Unidade de medida contínua, mas variável aleatória (nº de ocorrências) discreta; Falhas não contáveis (impossível medir defeitos que não ocorreram); Sempre que n > 30 e (n x p) < 5, usa-se a aproximação por Poisson de probabilidades binomiais, então:

Resposta: Devemos substituir os dados na equação Dúvida: Seria adequada a utilização da aproximação uma vez que n < 30?