Controle Estatstico de Qualidade

Robert Wayne Samohyl

Captulo 3 As distribuies de probabilidade mais importantes em

controle estatstico de qualidade (CEQ): variveis mensurveis

3.1 Introduo
O conceito de distribuio de freqncias e
probabilidades de variveis (ou mensurveis ou
atributos), e principalmente o formato da distribuio,
central para a utilizao de estatstica.
A tendncia central dos dados, a sua disperso e
assimetria so caractersticas que definem as
distribuies, e facilitam a anlise e a inspirao das
propostas para melhorias.
O propsito do captulo 3 formalizar e generalizar as
definies dessas caractersticas distribucionais para
as variveis mensurveis e utiliz-las nas ferramentas
de controle estatstico de qualidade.
2

3.2 Distribuio normal

Como j foi discutido no captulo 2 sobre as
medidas descritivas e os grficos bsicos, os
dados que vem da distribuio normal produz
um agrupamento de valores observados
prximos mdia, e freqncias menores
quando nos afastamos da mdia.
Esse formato facilmente visto no histograma.

3.2.1 Distribuies no-normais

transformveis em normal
Em alguns casos, ainda raros, dado o tipo de
varivel sob investigao, o pesquisador no
deve esperar a distribuio normal.
O varivel tempo (durao de tempo entre
eventos), por exemplo, quase nunca
distribuda normalmente. Veja o histograma na
prxima transparncia.

Figura 3.1 A distribuio de tempos de

parada de mquina esperando manuteno.

Transformao logartmica

Para resolver o problema de no normalidade, o pesquisador

pode experimentar uma transformao do dado original para um
dado distribudo normalmente.

Para dados de tempo, a experincia diz que uma transformao

logartmica a melhor sugesto inicial,

W = ln(X).

Assim, transformando todos os dados da varivel X pelo

logaritmo natural e montando o histograma dos dados
transformados (ln(X)), veja na figura 3.2, fica convincente que o
resultado a distribuio normal.

Figura 3.2 A distribuio de tempos de

parada de mquina aps a aplicao da
transformao exponencial ln(X)

3.2.2 Caractersticas matemticas da distribuio

normal: a relao entre o desvio padro da varivel e a
probabilidade

Desde que uma boa parte do mundo real tende a

se representar como a distribuio normal, as
figuras a seguir ajudam a compreender melhor a
realidade e tambm a convenincia prtica da
distribuio normal.

Figura 3.3a - A distribuio normal em termos

de um nico desvio padro.
Distribuio normal em desvio padro

68,27%

15,865 %

-6

-5

-4

-3

-2

-1

Figura 3.3b - A distribuio normal em termos

de dois desvios padro.
Distribuio normal em desvio padro

95,45%

2,275%

-6

-5

-4

-3

-2

-1

10

Figura 3.3c - A distribuio normal em termos

de trs desvios padro.

11

Figura 3.3d - A distribuio normal em termos

de seis desvios padro.
Distribuio normal em desvios padro

0,999999998
0,000000001

-7

-6

-5

-4

-3

-2

-1

12

Tabela 3.1 Valores de Zi e a rea acumulada, a

probabilidade de Zi ser menor.

13

3.2.3 Distribuio normal padronizada (Z)

Quando a distribuio normal padronizada com a
mdia igual a zero e desvio padro unitrio, como
nas figuras 3.3, as percentagens de rea embaixo
da curva podem ser avaliadas e tabeladas para
qualquer nmero ou frao de desvios padro como
foi feito na tabela 3.1.
Nesse sentido, qualquer nmero Xi em medidas
originais como centmetros, litros, reais ou dlares
pode ser transformado em varivel padronizada
Zi

14

Zi exemplo
Voltando para tabela 2.2, a mdia das demoras para resolver os
problemas dos clientes 182,89 minutos e, para ilustrar a transformao
para Zi, vamos escolher o oitavo nmero da lista, 325,89 minutos. O
desvio a partir da mdia
325,89 182,89 = 143 minutos.
Ento, para converter a medida original minutos em nmero de desvios
padro de distncia da mdia, s dividir pelo valor do desvio padro
(94,99). Assim, podemos escrever

Xi X
143
Zi

desvio padro 94,99

= 1,5
15

Anlise

Como foi exemplificado nas figuras 3.3, a rea embaixo da curva

a direita de Zi (1,50) a probabilidade P(Zi) de encontrar valores
maiores que Xi (325). A probabilidade foi encontrada na tabela
3.1 e quase 7% (1 0,933).

Muito provavelmente o gerente tentando investigar esse valor

individual para alguma causa especial no vai encontrar nada.
Se forem consideradas as duas caudas, a probabilidade 14%
de encontrar valores pelo menos 1,50 desvios padro da mdia
em circunstncias perfeitamente normais com a mdia do
processo estvel e a variabilidade embora grande, mas tambm
estvel.

O problema nesse processo com a disperso dos dados em

geral. Talvez seja necessrio treinar o pessoal e organizar
melhor todo o processo de atendimento ao cliente.
16

3.2.4 Exemplo na universidade: prmio para os

melhores alunos
Uma grande universidade no sul do Brasil tem
18.000 alunos, uma populao grande.
Imediatamente depois de cada semestre, o reitor
gostaria apresentar um prmio aos melhores alunos
com mdias finais mais altas, mas o problema
como reconhecer rapidamente esses alunos sem
pesquisar todos os 18.000. reconhecido que a
administrao da universidade lenta e leva mais ou
menos um ms para processar as mdias finais da
populao de todas as disciplinas e alunos.

17

P(Z) = 1%

Zi = 2,33

J sabemos que o valor estimado da amostra para a mdia das

avaliaes 7,0 e que o valor estimado do desvio padro 1,0.
Colocando tudo junto, temos ento:

2,33 =

(X i - mdia)
desvio padro

(X i - 7,0)
1,0

18

3.2.4 Exemplo na universidade: prmio para os

melhores alunos
0,45

0,4

0,35

rea na cauda
a direita de
9,33 1,0%, os
alunos
premiveis.

0,3

0,25

0,2

0,15

0,1

0,05

0
4

9,33

2,33

10

Xi conceitos finais

-1

Zi desvios padro da mdia

.

9,33 = mdia + 2,33*desvio padro

9,33 = 7,0 + 2,33*1,0

19

Figura 3.5 Distribuio normal e distribuio

t, comparao de caudas.

distribuio normal

distribuio t

0,5

1,5

2,5

3,5

4,5

Distncia em desvios padro

20

3.4 Algumas consideraes sobre as

distribuies F e 2 (Chi quadrado)

22

2 Zi2
i 1

F(gl2 ,gl1 )

gl2
12

gl1

21

3.5 Exerccio
6. Um engenheiro rejeita todo produto que est fora
dos limites de especificao. Nesse momento, a
linha est produzindo uma taxa de 10% de rejeito
simetricamente acima e abaixo dos limites de
especificao. No entanto, ele descontente com
a alta taxa de rejeio e quer uma taxa ao mximo
de 2%. Ele v duas alternativas: ou diminuir o
desvio padro do processo ou aumentar os limites
de especificao. Qual a alternativa mais
econmica no curto prazo?
Outra questo importante se o engenheiro optar
para diminuir o desvio padro do processo, qual
a relao entre o desvio padro novo que menor
e o desvio padro velho que obviamente maior?
Elaborar sua resposta usando a distribuio normal
padronizada.
22

Resposta: Em primeiro lugar, a alterao dos limites de

especificao sempre mais fcil que a alterao do desvio
padro do processo, embora a base conceitual do limite de
especificao tenha mais a ver com a engenharia da pea e
no consideraes comerciais.
Utilizando a distribuio normal padronizada, queremos
comparar a diferena entre o desvio padro do processo
antes das melhorias e depois das melhorias, em outras
palavras, quanto foi diminudo o tamanho do desvio padro.
Vamos comparar as caudas da distribuio normal
padronizada antes e depois das melhorias. Antes, a cauda
igual a 5% e depois igual a 1%. A distncia entre o limite de
especificao e a mdia em unidades originais fica constante.
Antes das melhorias, a distncia 1,64 desvios padro velhos
e depois das melhorias 2,33 desvios padro novos. Em
outra forma, 1,64 desvios padro velhos = 2,33 desvios
padro novos. A relao entre desvios padro novos e velhos
1,64/2,33 = 0,7. Portanto, o desvio padro vai ter que
diminuir em aproximadamente 30% para diminuir a taxa de
rejeio de 10% para 2%.
23

3.6 Referncias

Box, George E. P.; Cox, D. R. (1964). "An analysis of

transformations". Journal of the Royal Statistical Society, Series
B 26: 211246.
http://www.jstor.org/stable/2984418.

24