Você está na página 1de 470

Viso Geral do Minitab

Viso Geral do Minitab 3


Entender a estrutura geral do Minitab;
Navegar no ambiente Minitab, usando o Project Manager;
Aprender a usar as janelas, menus, barras de ferramentas, o
Help e o StatGuide do Minitab;
Realizar anlises bsicas usando grcos e estatsticas
Objetivos
www.minitabbrasil.com.br
Copyright - GLOBAL TECH
O contedo desta apostila, desenvolvida pela Global Tech, encontra-se protegido pela legislao autoral vigente no
Pas e pelas regras internacionais estabelecidas na Conveno de Berna. Desta forma, so vedadas a reproduo,
modicao e distribuio total ou parcial de quaisquer informaes nela contida, a menos que devidamente autorizadas
pela Global Tech. Assim, de responsabilidade do usurio qualquer violao s normas de direitos autorais nacionais
ou internacionais. www.minitabbrasil.com.br
Viso Geral do Minitab 4
Contedo
Exemplos e Exerccios Objetivos Pgina
Viso Geral do Minitab
Exemplo 1:
Consumo de Caf
Navegar no ambiente do Minitab usando as ferramentas do Project
Manager.
11
Exemplo 2:
Analisando Receitas de Vendas
Exibir sadas grcas e estatsticas, criar um layout grco e um
relatrio.
23
Exerccio A:
Registro de Pacientes em um Hos-
pital
Navegar no ambiente Minitab usando as ferramentas do Project
Manager. Exibir um grco.
47
Teclas de Atalho Descrio das teclas de atalho do Minitab. 48
Ferramentas de Edio de Grcos Descrio das ferramentas de edio de grco do Minitab. 49
Viso Geral do Minitab 5
O que Minitab?
A Minitab Inc. a lder em fornecimento de softwares estatsticos e servios para as reas de melhoria da qualidade, educao e pes-
quisa. Nossa empresa fornece ferramentas de anlises de dados que so precisas, conveis de fceis de usar. Nosso fundamental
objetivo desenvolver relaes duradouras com os clientes, baseadas em satisfao mtua e conana.
Histria
O Minitab foi desenvolvido originalmente em 1972, na Universidade do Estado da Pensilvnia para ajudar os professores a ensinar
estatstica usando computadores. Desta forma, os alunos podiam focar no aprendizado dos conceitos estatsticos ao invs de realizar
clculos manuais. Atualmente, o Minitab usado em 4000 instituies de ensino no mundo e se tornou a ferramenta escolhida por em-
presas focadas na melhoria da qualidade.
Produtos Adicionais
Para melhor servir o mercado voltado para a qualidade, a Minitab Inc. desenvolveu o Quality Companion, que possui as ferramentas
necessrias para qualquer melhoria do processo, como por exemplo, brainstorming, mapeamento do processo e etc, tudo isso em um
software muito fcil de usar.
A Minitab Inc. tambm expandiu os treinamentos oferecidos, incluindo o Quaiity Trainer by Minitab, um servio de treinamento on line
que ensina a voc como aplicar as ferramentas estatsticas da qualidade e mantm voc atualizado.
Como a Minitab possui clientes em todo o mundo, tambm foram desenvolvidas as verses do Minitab em outros idiomas: francs,
alemo, japons, coreano e chins.
A Minitab Inc. possui escritrios em State College - Pensilvnia, EUA, Conventry, Inglaterra e Paris, na Frana, e possui representantes
em todo o mundo.
Viso Geral do Minitab 6
Abrindo um novo projeto no Minitab

Por default, o Minitab abre a imagem acima, que mostra o ambiente do projeto. Note que a Session est no topo da tela e a Worksheet
(uma planilha em branco - chamada Worksheet 1 - para entrada de dados) est logo abaixo. O Project Manager minimizado abaixo da
Janela de Dados.
O menu e a barra de ferramentas do Minitab esto localizados acima da Session e contm todos os acessos s funes do Minitab. Se
desejar, voc pode personalizar as barras de ferramentas e os menus. Assim, eles podero conter as funes e as caractersticas que
voc utiliza com mais frequncia.
Viso Geral do Minitab 7
Projetos e worksheets
Em um projeto, pode-se manipular dados, analisar desempenho e criar grcos. Os projetos podem conter uma ou mais worksheets.
Arquivo: PROJECT (.MPJ) - armazena arquivos do tipo:
Worksheets;
Grcos;
Sadas da Session;
Histrico dos Comandos;
Ajustes nas Caixas de Dilogos;
Layout da Janela;
Preferncias.
Arquivo: WORKSHEET (.MTW) armazena arquivos do tipo:
Colunas;
Constantes;
Matrizes;
Design de objetos;
Descrio da coluna;
Descrio da Worksheet.
Salve o seu trabalho como um arquivo de projeto para manter todos os seus dados, grcos, ajustes nas caixas de dilogo e preferncias
juntos. Salve o seu trabalho como um arquivo de worksheet para salvar apenas os dados. Um arquivo salvo como worksheet pode ser
usado em vrios projetos e pode tambm ser enviado eletronicamente sem ser necessrio enviar o projeto inteiro.
NOTA: A verso 15 pode abrir projetos e grcos das verses 12, 13 e 14. Ela pode abrir worksheets da verso 9 em diante. Verses anterio-
res do Minitab no podem abrir worksheets e projetos criados pela verso 15. Porm a verso 14 pode abrir grcos criados na verso 15,
a menos que o grco seja novo na verso 15, ou seja, no exista em verses anteriores (como por exemplo, o Grco de Distribuio de
Probabilidade).
Viso Geral do Minitab 8
Janelas do Projeto
Janela Usada para...
Atalho (Barra de ferra-
mentas)
Atalho (Manual)
Project Manager
Ver planilhas, sada de dados, gr-
cos e documentos relacionados.
Ctrl + I
Session
Visualizar as sadas estatsticas e as
entradas de comandos
Ctrl + Alt +M
Data Ver e editar planilhas Ctrl + Alt + D
Graphs Ver e editar grcos Ctrl + Alt +G
Fechar uma Janela de Dados ou uma Janela Grca remove a worksheet associada ou grco do seu projeto. Voc no pode fechar o
Project Manager ou a Janela Session, embora eles possam ser minimizados.
Nota: O Project Manager minimizado no rodap esquerdo da sua tela.
Viso Geral do Minitab 9
Navegando no Minitab
Podemos navegar no ambiente Minitab, usando diferentes mtodos:
Barra de Ferramentas do Menu
Trata-se de uma barra especializada que permite acesso direto a elementos do projeto. Muitos usurios consideram esse mtodo a
maneira mais fcil de navegar nos arquivos de projetos do Minitab. A barra de ferramentas do Project Manager ser discutida na prxima
pgina.
Menu Window
A janela do menu lista cada elemento do projeto. Selecionando um item, este ativa a janela no projeto.
Atalhos
Help ..........................................................F1
StatGuide........................................ Shift+F1
Files (Arquivos)
Nova Worksheet ou projeto ................Ctrl+N
Abrir projeto ....................................... Ctrl+O
Salvar projeto ..................................... Ctrl+S
Imprimir janela .................................... Ctrl+P
Janelas do Minitab
Editor de Linhas de Comando ............ Ctrl+L
Session .............................................. Ctrl+M
Dados .................................................Ctrl+D
Project Manager .................................. Ctrl+I
Alternar entre janelas ....................... Ctrl+F6
Janela Session
Submeter comando ............................. Enter
Adicionar quebra de linha .............Ctrl+Enter
Prximo comando.....................................F2
Comando anterior .............................. Alt+F2
Aplicar fonte I/O ....................................Alt+1
Aplicar fonte no Ttulo ...........................Alt+2
Aplicar fonte no Comentrio .................Alt+3
Janela de Dados
Prxima linha/coluna ....................Ctrl+Enter
Ir para ................................................ Ctrl+G
1 tela abaixo, acima, esquerda
ou direita ............................ Ctrl+arrow key
Incio da Worksheet .....................Ctrl+Home
Final da Worksheet ......................... Ctrl+End
Formatar coluna numrica.................. Ctrl+Y
Entrar no modo de edio de clula
....................................................... Alt+Enter
Grcos
Fechar janela grca ativa ............... Ctrl+F4
Mover objeto(s) selecionado(s)
1 pixel ........................................... arrow key
5 pixels ............................... Shift+ arrow key
10 pixels ...............................Ctrl+ arrow key
50 pixels ..................... Shift+Ctrl+ arrow key
Fechar janela grca ativa ............... Ctrl+F4
Editar objeto grco selecionado ....... Ctrl+T
Duplicar grco.........................................F3
Editando (clulas ou texto)
Copiar ............................................. Ctrl+ C *
Colar ............................................... Ctrl+ X *
Colar/Inserir .................................... Ctrl+ V *
Selecionar uma rea ..........Shift+arrow key*
Selecionar tudo................................. Ctrl+A*
Caixas de Dilogo
Editar ltima caixa de dilogo............. Ctrl+E
Restaurar defaults ....................................F3
Mover frente de um item...................... Tab
Move para trs de um item ........... Shift+Tab
Mover para qualquer local em uma
caixa de dilogo............ Alt+underline letter
Seleionar Cancel .................................... Esc
Abrir um item de lista na caixa de
dilogo .......................................... F4 or Alt+
Menus
Abrir ou selecionar um item do menu ...........
Alt+underline letter
Abrir o menu ................................. Shift+F10
Cancelando Operaes
Cancelar uma %macro,
Exec, ou grco ........................... Ctrl+Break
Program Manager
Exibir a pasta Session ................. Ctrl+Alt+M
Exibir a pasta Worksheet ............ Ctrl+Alt+D
Exibir a pasta Graphs .................. Ctrl+Alt+G
Mostrar Info ................................... Ctrl+Alt+I
Mostrar History ............................ Ctrl+Alt+H
Mostrar ReportPad ...................... Ctrl+Alt+R
Visualizao de Pastas
Esta forma de visualizao (exemplo abaixo) mostra todos os elementos do projeto. A parte da esquerda mostra todas as pastas (folders)
e a parte da direita mostra o que contm em cada pasta (folder) ativada. Esta janela muito necessria quando se est aprendendo
como a estrutura do Minitab, mas na prtica voc pode preferir a navegao pelo projeto, usando a barra de ferramentas do Project
Manager ou o Menu da Janela.
NOTA: Um novo projeto no Minitab inicia-se com uma Worksheet vazia.
Project Manager
Selecione Window > Menu, pressione Ctrl+L, ou clique no cone
na barra de ferramentas.
A janela do Project Manager ser ativada.
Ao lado, a janela do Folder view.
Viso Geral do Minitab 10
Usando o Project Manager
O Project Manager contm pastas (folders) para acesso e manuseio de elementos do seu projeto no Minitab:
Pasta (Folder) Usa-se para...
Session Acesso e administrao de sada na Session e grcos.
Worksheets Acesso a todas as worksheets do projeto.
Graphs Acesso e administrao de grcos.
Show Info
Vizualizao das informaes relacionadas s worksheets que no so exibidas
na Janela de Dados, tais como descries das colunas, constantes, matrizes e
objetos DOE.
History Acessa linguagens de comandos para repetir uma tarefa complexa.
ReportPad Cria e armazena relatrios.
Related Documents
Armazena links para arquivos do Minitab, arquivos que no so do Minitab e
URLs.
Barra de Ferramentas do Menu
Use a barra de ferramentas mvel para abrir as pastas (folders)
do Project Manager e para ver a Worksheet, Session e Graph ao
lado do Project Manager.
Botes da Barra de Ferramentas do Menu
Clique em... Para
Abre a pasta da Session
Abre a pasta das Worksheets
Abre a pasta dos grcos
Abre a pasta Show Info
Abre a pasta History
Abre o ReportPad
Mostra as pastas de documentos
NOTA: Para mudar o tamanho da Janela do Project Manager, clique e arraste o divisor. Clicando na barra de ferramentas de novo, o Minitab
mostra o Project Manager no modo de vizualizao de pastas.
Viso Geral do Minitab 11
Viso Geral do Minitab
Exemplo 1: Consumo de Caf
Problema
Este exemplo introduz o ambiente Minitab e demonstra as ferramentas de navegao.
Coleta de dados
O projeto inclui quatro worksheets quem contm dados sobre o consumo de caf em alguns pases, informaes sobre o hbito de beber
caf nos Estados Unidos, e um experimento planejado envolvendo caf.
Ferramentas
Project Manager
Arquivo de dados
CAF.MPJ
Viso Geral do Minitab 12
Abrindo um projeto
Abra o projeto do exemplo (CAF.MPJ) e examine os resultados grcos e estatsticos.
Open Project
1) Selecione File > Open Project;
2) Selecione CAF.MPJ;
3) Clique em Open.
Interpretando os resultados
O projeto no Minitab sempre aberto da mesma maneira que foi salvo pela ltima vez. Nesse caso, o projeto foi salvo como pastas de
grcos, como mostrado acima. O projeto no contm somente dados, mas tambm inclui grcos e textos que so gerados quando
manipulamos os dados do projeto.
Prximo passo
Navegar no projeto do exemplo, usando a barra de ferramentas do Project Manager.
Viso Geral do Minitab 13
Acessando worksheets em um projeto
O Minitab guarda todos os dados em worksheets. Examine as worksheets do exemplo. O segundo boto esquerda, na barra de ferra-
mentas do Project Manager, exibe as worksheets do projeto. Quando voc pausa o cursor sobre cada boto o Minitab exibe o nome do
boto.
No exemplo, cada pasta da esquerda representa uma Worksheet. O Minitab mostra a Worksheet selecionada no lado direito.
Worksheet atual
A worksheet ativa ou atual a que o Minitab usa para fazer as anlises. No Project Manager, o Minitab indica a Worksheet que est ativa,
tornando a pasta verde. Neste exemplo, a worksheet que est ativa a Consumo.MTW.
Para ativar uma Worksheet diferente, d um clique duplo na pasta prxima ao nome da worksheet.
Nota: O Minitab exibe o nome da worksheet atual na barra de status.
Show Worksheets Folder
1) Clique em na barra de ferramentas do Project Manager. (Se clicar novamente no boto, o Project Manager aparecer
em formato de pastas).
Viso Geral do Minitab 14
Worksheets
Colunas
Cada worksheet do Minitab pode conter at 4.000 colunas. Cada coluna identicada por um nmero. As colunas podem ser nomeadas
com at 31 caracteres, incluindo os espaos.
A letra depois do nmero da coluna indica o tipo de dado:
D = data/hora
T = texto (alfanumricos)
Se no aparecer nenhuma letra, os dados so numricos.
Nota: O Minitab determina o tipo de dado em cada coluna pelo primeiro valor digitado.
Seta de entrada de dados
A seta acima, no canto esquerdo de cada worksheet, denota a direo da entrada de dados:
Quando estiver entrando com dados e a seta estiver na posio vertical, pressione a tecla ENTER para mover o cursor para a
prxima linha.
Quando estiver entrando com os dados e a seta estiver na posio horizontal, pressione a tecla ENTER para mover o cursor
para a prxima coluna.
Para mudar a direo da entrada de dados, clique na seta.
Maximize uma worksheet
1) Clique em no canto superior direito da worksheet para maximizar Consumo.MTW.
Viso Geral do Minitab 15
Worksheets
Viso Geral do Minitab 16
Descries
Observe o tringulo vermelho no canto esquerdo da worksheet. Este tringulo indica que existe uma descrio para esta worksheet.
Coloque o cursor em cima do tringulo vermelho para ver a descrio.
Voc pode adicionar descries para projetos, worksheets e colunas em uma worksheet.
Descries do projeto
Para adicionar ou ver uma descrio j feita em um projeto, selecione File > Project Description. As descries dos projetos no so
representadas por tringulos vermelhos.
Descries da worksheet
Para adicionar ou editar uma descrio em uma Worksheet, clique em qualquer lugar da Worksheet para torn-la ativa, e ento selecione
Editor > Worksheet > Description. Voc tambm pode dar um clique duplo no tringulo vermelho para ver ou editar uma descrio
existente.
Descries da coluna
Para adicionar ou editar uma descrio de uma coluna, clique na coluna e selecione Editor > Column > Description, ou clique com o
boto direito em cima da coluna e selecione Column > Description. Voc tambm pode dar um clique duplo no tringulo vermelho para
ver e editar uma descrio j existente.
Description
1) Pause o cursor em cima do tringulo vermelho, no canto superior esquerdo da worksheet, para ver a descrio.
Prximo passo
Examinar a pasta Show Info.
Viso Geral do Minitab 17
Pasta Show Info
A pasta Show Info mostra as seguintes informaes para uma worksheet:
Nome da coluna;
Nmero da coluna (Id);
Nmero de observaes (Contagem);
Quantidade de dados faltantes (missing);
Tipo dos dados;
Descrio.
Esta janela fornece uma maneira mais rpida de examinar o tamanho das colunas, a quantidades de dados faltantes e as descries
das colunas. Voc pode ver a pasta das colunas para a worksheet ativa, clicando no boto Show Info na barra de ferramentas do Project
Manager. D um clique duplo na coluna para que esta coluna seja vista na janela de Dados.
Show Info
1) Clique em na barra de ferramentas do Project Manager.
Prximo passo
Examine os resultados da pasta Session.
Viso Geral do Minitab 18
Pasta Session
A pasta Session permite que voc acesse tantos as anlises numricas quanto as grcas. Para ver a pasta Session, clique no boto
Show Session Folder na barra de ferramentas do Project Manager.
Para visualizar uma sada numrica ou um grco, d um clique duplo no cone da sada desejada na pasta Session. Note que os grcos
so representados por cones de grcos, e as anlises numricas, por cones de documentos. O Minitab mostra as sadas numricas
ou os grcos na janela direita do Project Manager.
Show Session Folder
1) Clique em na barra de ferramentas do Project Manager.
2) Na janela do Project Manager, d um clique duplo em Response Surface Regression.
Prximo passo
Examine os grcos na pasta Show Graphs.
Viso Geral do Minitab 19
Pasta Graphs
A pasta Graphs permite que voc acesse e manipule os grcos em seu projeto. Para vizualizar a pasta Graphs, clique no boto Show
Graphs Folder na barra de ferramentas no Project Manager.
Visualizar um grco
Para visualizar um grco, d um clique duplo no ttulo do grco na janela do Project Manager. O Minitab mostra o grco na janela
direita.
Visualizar vrios grcos (Tile)
Para visualizar vrios grcos, selecione-os (mantendo a tecla Ctrl pressionada) e com o boto direito do mouse escolha a opo Tile.
Show Graphs Folder
1) Clique em na barra de ferramentas do Project Manager.
2) Na janela do Project Manager, d um clique duplo em Contour Plot of Cor vs. Tempo, Temperatura.
Prximo passo
Visualize o ReportPad.
Viso Geral do Minitab 20
ReportPad
O ReportPad uma pasta dentro do projeto que pode armazenar grcos, sadas da Session e textos em um formato editvel. Depois
que voc analisa seus dados, voc pode salvar os resultados no ReportPad.
Editar Relatrios
As caractersticas bsicas de edio, tais como mudana da fonte e alinhamento, so encontradas no menu Editor.
Exportar para um processador de texto
A exportao dos resultados do ReportPad para um processador de texto discutida mais frente nesse curso.
Show ReportPad
1) Clique em na barra de ferramentas do Project Manager.
Prximo passo
Visualize os documentos relacionados.
Viso Geral do Minitab 21
Pasta Related Documents
Voc pode armazenar links de arquivos ou pginas da internet relacionados ao seu projeto na pasta de documentos relacionados. Voc
pode lig-lo a documentos de processadores de texto, planilhas eletrnicas, apresentaes ou qualquer endereo da Internet.
Links para arquivos
Os links relacionados no so embutidos no projeto do Minitab, sendo assim, para acessar as informaes destes links, voc deve ter
acesso ao drive ou ao URL do seu computador.
Para adicionar um link a um arquivo ou site da internet, clique no boto Related Documents na barra de ferramentas do Project Manager.
Clique com o boto direito do mouse na pasta Related Documents no Project Manager e ento selecione Add Link. Voc pode digitar o
endereo do link ou pode procurar o arquivo pelo Browse do Minitab e deixar que ele complete o endereo. Para editar um link existente,
clique com o boto direito do mouse no link no pasta Related Documents e selecione a opo Edit Link.
Descries
Voc pode incluir uma descrio de cada documento digitando o texto dentro da caixa Description abaixo do endereo. Para adicionar a
descrio aps voc ter adicionado o link, clique com o boto direito no link do documento e selecione a opo Edit Link.
Show Related Documents
1) Clique em na barra de ferramentas do Project Manager.
Viso Geral do Minitab 22
Consideraes nais
Resumo e concluses
Voc pode salvar dados em uma nica worksheet ou como parte de um arquivo do projeto.
Voc pode incluir vrias worksheets em um projeto, assim como resultados estatsticos, grcos e outras informaes.
A barra de ferramentas do Project Manager fornece uma forma simples e fcil de navegar nos projetos do Minitab.
Consideraes adicionais
Outros elementos do projeto, tais como o histrico dos comandos (pasta History) e as barras do menu, sero discutidos futuramente.
Viso Geral do Minitab 23
Viso Geral do Minitab
Exemplo 2: Analisando Receitas de Vendas
Problema
Um analista de uma rede de papelarias est preparando um relatrio de vendas para uma nova linha de cartes comemorativos que a
empresa pretende distribuir nacionalmente. Em um plano piloto, a companhia vendeu os cartes em vrias lojas de So Paulo e Rio de
Janeiro durante trs meses.
Coleta de dados
O analista registrou a receita diria para as duas localidades durante o perodo de trs meses de teste e armazenou os dados em um
arquivo do Minitab.
Ferramentas
Dotplot
Graphical Sumary
Display Descriptive Statistics
Time Series Plot
Arquivo de dados
VENDAS DE CARTES.MTW
Varivel Descrio
Data Data
Vendas RJ Receita das vendas no Rio de Janeiro
Vendas SP Receita das vendas em So Paulo
Ms Ms
Viso Geral do Minitab 24
Abrindo um arquivo
Abra a worksheet do Minitab Venda de Cartes.MTW.
Visualizando a worksheet
A worksheet contm os dados dispostos em linhas e colunas.
Colunas
Cada coluna em uma worksheet do Minitab representa uma varivel. O nome da coluna o nome da varivel. Voc seleciona as colunas
para anlises nas caixas de dilogo.
As colunas podem conter um dos trs tipos de dados: numricos, texto (-T) e data/hora (-D). Colunas com dados numricos no pussuem
uma letra de identicao.
Neste exemplo, Vendas RJ e Vendas SP so colunas numricas e Data e Ms so colunas de data/hora.
NOTA: Para mudar o tipo dados para uma varivel, selecione Data > Change Data Type.
Linhas
Neste exemplo, cada linha de dados representa uma observao (caso).
Open Worksheet
1) Selecione File > Open Worksheet.
2) Selecione Vendas de Cartes.MTW.
3) Clique em Abrir.
Prximo passo
Crie dotplots dos dados das vendas.
Viso Geral do Minitab 25
Criando dotplots
Grcos so um passo preliminar importante na anlise de dados. Eles permitem que voc examine os dados e identique padres,
relaes, e problemas potenciais.
Dotplots
Use dotplots para examinar a forma e disperso dos dados amostrais. Comece a anlise examinando um dotplot dos dados de vendas
para cada localidade.
Galeria de grcos
As caixas de dilogo dos grcos possuem uma galeria de conguraes baseada no nmero de variveis, na presena de grupos, e
outras opes grcas mais especcas. Esses exemplos visuais podem ajudar voc a escolher um grco apropriado.
Selecione uma opo abaixo de One Y quando voc quiser plotar apenas uma varivel, ou quando quiser grcos separados para mlti-
plas variveis. Selecione uma opo abaixo de Multiple Ys quando voc quiser plotar mais de uma varivel em um mesmo grco.
Neste caso, escolha Simple, abaixo de Multiple Ys, pois voc deseja que duas variveis sejam plotadas no mesmo grco, sem empilhar
ou agrupar.
Dotplots
1) Selecione Graph > Dotplot;
2) Preencha a caixa de dilogo como mostra a gura abaixo, e clique em OK.
3) Em Graph variables, entre com Vendas RJ e Vendas SP, clicando duas vezes em cada varivel, ou selecionando-as e
clicando em Select;
4) Clique em OK.
Viso Geral do Minitab 26
Interpretando os resultados
O grco mostra os dados das vendas durante o perdo de trs meses nas duas localidades. Em mdia, as vendas de So Paulo pare-
cem maiores que as vendas do Rio de Janeiro. Um valor baixo no-usual para So Paulo aparece no lado esquerdo do grco.
Corrigindo o outlier
Pause o cursor sobre o valor 0 (zero) das vendas de So Paulo. A dica do Minitab identica que o valor est na linha 20 da worksheet.
Aps vericar com a pessoa que digitou os dados, voc descobriu que a informao para esta data desconhecida. Em vez de entrar
com 0, voc deve entrar com um asterisco (*) para indicar que o valor faltante.
Prximo passo
Mude a observao 20 e atualize o grco.
Viso Geral do Minitab 27
Removendo valores incorretos
O dado das vendas em 20/01 para a localidade So Paulo deveria estar registrado como um valor faltante, e no como 0 (zero).
Backspace
Quando voc precisa preservar a associao entre os dados em diferentes colunas, sempre use a tecla Backspace para limpar o conte-
do da clula. Aps limpar a clula, observe que o tamanho da coluna Vendas SP ainda de 91 observaes, porm com 1 valor faltante,
e a associao entre os dados das colunas foi mantida.
NOTA: Voc tambm pode limpar as clulas usando o cone na barra de ferramentas, ou clicando com o boto direito na clula e sele-
cionando Clear Cells.
Delete
A tecla Delete remove a clula da worksheet, e as clulas restantes na coluna so deslocadas para cima. Se os dados na coluna esto
associados com os dados em outras colunas, esse procedimento corrompe a associao.
Smbolo de valor faltante (*)
O Minitab coloca um asterisco na clula, para indicar que os dados so faltantes em colunas numricas e de data/hora; para dados de
texto, o Minitab deixa a clula em branco. A maioria dos comandos excluem da anlise todas as linhas com um valor faltante. Voc pode
exibir o nmero de valores faltantes para uma varivel usando Display Descriptive Statistics.
Show Info
1) Clique em na barra de ferramentas do Project Manager.
2) Na coluna Vendas SP, selecione a linha 20, como mostrado abaixo.
3) Pressione Backspace e depois Enter.
Viso Geral do Minitab 28
Atualizando um grco
O cone no canto superior esquerdo de uma janela grca indica o status atual do grco. Quando os dados na worksheet associada so
modicados, o cone se torna amarelo. A tabela abaixo explica as cores e formas dos cones grcos.
cone Indica que o grco... Porque...
+ verde
Est atualizado Voc atualizou o grco manualmente, espe-
cicou para o Minitab atualizar automatica-
mente, ou no mudou os dados.
- amarelo
No est atualizado, e os dados mudaram O Minitab est esperando que voc atualize
o grco manualmente.
x vermelho
Est em modo de espera (s acontece quan-
do o grco congurado para atualizar au-
tomaticamente)
Voc est mudando os dados e alguma con-
dio impede a autalizao. (Os tamanhos
das colunas podem ser diferentes ou os va-
lores de dados so inaceitveis). O Minitab
espera que a condio seja resolvida.
x branco
No est atualizado, e no possvel atu-
aliz-lo
O grco no pode ser atualizado.
Update graph
1) Para selecionar o dotplot, clique em na barra de ferramentas do Project Manager. Na lista de grcos, clique duas vezes
no dotplot.
2) Clique no grco para tornar a janela ativa.
3) Selecione Editor > Update > Update Graph Now, ou clique com o boto direito no grco e selecione Update Graph Now,
como mostrado abaixo.
Viso Geral do Minitab 29
Interpretando os resultados
O grco atualizado para reetir os dados modicados. No grco abaixo, o eixo-x ajustou-se automaticamente para representar os
dados atuais, e o cone no canto superior esquerdo agora um + verde.
Em geral, as vendas realizadas em So Paulo so superiores s vendas no Rio de Janeiro.
As opes de atualizao so:
Update Graph Now Atualiza um grco individual com os dados modicados
Update Graph Automatically Atualiza o grco selecionado e todos os outros grcos cria-
dos com a mesma caixa de dilogo ou comandos sempre que a
worksheet for modicada
Update All Graphs Now
(em Editor > Update ou menu Window)
Atualiza todos os grcos abertos com os dados modicados
Prximo passo
Construa um grco de sries temporais para ambos os locais de venda.
Viso Geral do Minitab 30
Exibindo um grco de sries temporais
Como os dados foram coletados ao longo do tempo, voc deve examinar padres nos dados ao longo do tempo. Estes padres podem
no ser aparentes em outros grcos, tais como histogramas e dotplots.
O grco de sries temporais do Minitab uma ferramenta muito til para examinar dados ao longo do tempo.
Grcos de sries temporais exibem os dados no eixo y versus um ndice de tempo no eixo x. Para exibir os dados corretamente, voc
deve organiz-los em ordem cronolgica na worksheet.
Time Series Plot
1) Selecione Graph > Time Series Plot.
2) Selecione Multiple, ento clique em OK.
3) Em Series, entre com Vendas RJ e Vendas SP.
4) Clique em Time/Scale.
5) Preencha a caixa de dilogo como mostra a gura abaixo:
6) Clique em OK em cada caixa de dilogo.
Viso Geral do Minitab 31
Interpretando os resultados
O grco de sries temporais indica que as receitas de vendas so estveis ao longo do perodo trs meses do plano piloto para ambas
as localidades. O grco no revela qualquer padro sistemtico relacionado ao tempo. Note o valor faltante nos dados de vendas de
So Paulo na data de 20/01.
Prximo passo
Construa um grco sumrio para cada localidade de vendas.
Viso Geral do Minitab 32
Exibindo um grco sumrio
O grco sumrio fornece representaes grcas dos dados, e estatsticas descritivas. Os componentes do grco incluem:
Histograma com curva normal: Mostra a distribuio dos dados sobreposta com uma curva normal ajustada
Boxplot: Sumariza informaes sobre a forma, disperso e centro dos dados
Intervalos de conana: Fornece estimativas intervalares para os parmetros populacionais dos dados
Teste de normalidade de Anderson-Darling: Testa se os dados seguem uma distribuio normal
Estatsticas sumrias: Descrevem caractersticas importantes sobre os dados, tais como mdia e desvio-padro
Graphical Summmary
1) Selecione Stat > Basic Statistics > Graphical Summary;
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Viso Geral do Minitab 33
Interpretando os resultados
Os sumrios grcos para Rio de Janeiro e So Paulo so mostrados abaixo.
Histograma
Os histogramas em cada sumrio apresentam formas prximas de sino, indicando que os dados so normalmente distribudos. Voc
pode usar o teste de Anderson-Darling para conrmar que os dados so normais. Este teste discutido em detalhes no curso de Esta-
tstica Bsica no Minitab.
Intervalos de conana
Os intervalos de conana so estimativas dos verdadeiros parmetros populacionais, baseadas em uma amostra. Os parmetros, tais
como a mdia, mediana e desvio-padro populacionais, so comumente estimados, como mostrado nessa sada. Cada intervalo fornece
uma amplitude provvel de valores para um parmetro populacional, dado um certo nvel de conana. Neste exemplo, o nvel de con-
ana de 95%.
Quartis
Examine os valores de mnimo, mximo e quartis para entender a disperso dos dados. Por denio, 50% dos dados se encontram
entre o primeiro e terceiro quartis.

Prximo passo
Calcule estatsticas descritivas.
Viso Geral do Minitab 34
Exibindo estatsticas descritivas
Voc pode exibir estatsticas descritivas e grcos para qualquer coluna na janela Session. Se os dados possuem grupos, voc pode
obter estatsticas para os subconjuntos de dados dentro de uma coluna selecionando a opo By Variable.
Variveis
Em Variables escolha as colunas que voc quer analisar.
Variveis por grupo (opcional)
Para exibir estatsticas descritivas separadamente para grupos dentro dos dados, entre com a coluna contendo a varivel de agrupa-
mento em By Variable.
NOTA: A coluna selecionada em By Variable deve ter o mesmo tamanho da coluna de dados.
Estatsticas
Clique em Statistics para selecionar as estatsticas que deseja exibir.
Grcos
Clique em Graphs para selecionar os grcos que deseja exibir: histograma dos dados, histograma com a curva normal, grco de va-
lores individuais e boxplot.
Display Descriptive Statistics
1) Selecione Stat > Basic Statistics > Display Descriptive Statistics;
2) Em Variables, entre com Vendas RJ e Vendas SP.
3) Clique em Statistics.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK em cada caixa de dilogo.
Viso Geral do Minitab 35
Interpretando os resultados
As estatsticas descritivas para Rio de Janeiro e So Paulo incluem:
Estatstica Descrio
N Nmero de observaes; contagem
N* Nmero de observaes faltantes
Mean Mdia: medida de tendncia central
StDev Desvio-padro: medida de variabilidade ou disperso, para os dados
Minimum Menor valor nos dados
Q1 1 Quartil (25 percentil)
Median Ponto central (50 percentil)
Q3 3 Quartil (75 percentil)
Maximum Maior valor nos dados
Descriptive Statistics: Vendas RJ; Vendas SP
Variable N N* Mean StDev Minimum Q1 Median Q3 Maximum
Vendas RJ 91 0 2743,0 84,3 2573,0 2687,2 2743,4 2801,4 2971,7
Vendas SP 90 1 3062,4 88,2 2875,6 2998,9 3056,8 3120,3 3285,2
Prximo passo
Acessar o Help e o StatGuide do Minitab.
Viso Geral do Minitab 36
Acessando o Help
O Help do Minitab fornece instrues passo-a-passo para o uso de comandos, exemplos e interpretaes dos comandos, e links impor-
tantes para informaes mais detalhadas. Alm de informaes especcas sobre a realizao de anlises estatsticas, o Help do Minitab
tambm fornece informaes sobre os comandos da Session e macros.
Para visualizar a tabela abaixo, selecione Help > Help. Ento, na tabela de Contedos, selecione Introduo > Utilizando o Help >
Help do Minitab > Abrindo o Help.
Viso Geral do Minitab 37
Acessando o Help
Selecione Help > Help para abrir a janela principal do Help, como mostrado abaixo. A partir desta janela voc pode navegar nas reas
dos principais contedos.
O painel de navegao do lado esquerdo inclui a tabela de contedos, agrupada por assuntos, o ndice, e uma funo de busca para
localizar todas as ocorrncias de qualquer palavra que voc digitar no Help.
NOTA: Mtodos e Frmulas contm muitas das frmulas que o Minitab usa em seus clculos. Os exemplos e os arquivos de dados tambm
so de interesse de muitos usurios.
O painel localizado do lado direito contm links organizados de acordo com os menus do Minitab, tais como os menus Stat e Graphs. Ele
tambm contm links para tpicos introdutrios (Bsicos), tpicos de Referncia detalhada e tpicos de Servios e Suporte.
Viso Geral do Minitab 38
Acessando o StatGuide
O StatGuide fornece orientaes estatsticas para interpretao dos resultados das suas anlises no Minitab. Ele contm links para as
denies e interpretaes das sadas do Minitab.
Assim como o Help, a visualizao do StatGuide composta por duas partes:
A janela do lado esquerdo mostra uma lista de componentes da sada do Minitab selecionada, e tambm uma lista de todas as
ferramentas do Minitab.
A janela principal do StatGuide, com explicaes gerais dos procedimentos estatsticos e interpretaes especcas das sa-
das.
Voc pode acessar o StatGuide de vrias maneiras:
1) Clique na sada da janela Session que corresponde ao tpico do StatGuide que voc quer pesquisar, ou torne uma janela gr-
ca ativa. Ento, proceda da seguinte maneira:
Clique com o boto direito na janela Session ou na janela Graph, e ento selecione StatGuide.
Clique no boto na barra de ferramentas.
Pressione Shift + F1.
2) Na pasta Project Manager, clique com o boto direito na sada da Session ou no grco, e ento selecione StatGuide.
StatGuide
1) Clique com o boto esquerdo na sada das estatsticas descritivas, na janela Session.
2) Clique com o boto direito sobre a sada das estatsticas na janela Session.
3) Selecione StatGuide.
3) Na janela da esquerda, clique em Standard deviation, como mostrado abaixo:
Viso Geral do Minitab 39
Interpretando os resultados
O StatGuide exibe um exemplo de sada do Minitab e links para denies dos termos. Alm disso, inclui denies de estatsticas,
interpretaes de sadas do exemplo e tpicos com informaes mais detalhadas.
DICA: Para ver a lista completa de tpicos para uma rea, clique em Topics prximo ao ttulo na janela StatGuide.
DICA: Use as setas para navegar entre os tpicos relacionados.
Prximo passo
Exiba um layout dos grcos na pasta Graphs.
Viso Geral do Minitab 40
Criando um mltiplo layout grco
Use a ferramenta de layout grco para colocar vrios grcos na mesma pgina.
Linhas
Selecione o nmero de linhas para o layout.
Colunas
Selecione o nmero de colunas para o layout.
Adicionando grcos ao layout
Selecione o grco que voc quer adicionar, e ento clique na clula na qual voc deseja posicionar o grco. Ento clique no boto
da seta para a direita para posicionar o grco no layout. A seta para a esquerda remove um grco do layout. Voc tambm
pode clicar duas vezes em um grco para inseri-lo ao layout. Quando um grco estiver no layout, voc pode clicar e arrast-lo para
uma clula diferente.
Layout Tool
1) Clique em , e ento d um duplo clique no dotplot no Project Manager. Depois, clique no grco torn-lo ativo.
2) Selecione Editor > Layout Tool;
3) D um clique duplo em Summary for Vendas RJ para colocar o grco na janela do layout.
4) Na janela do layout, clique na seta para a esquerda, ou d um duplo clique em Times Series Plot of Vendas RJ; Vendas SP.
5) Na janela do layout, clique na seta para a esquerda, ou d um duplo clique em Summary for Vendas SP. Clique em Finish.
Viso Geral do Minitab 41
Interpretando os resultados
Editando grcos no layout
Voc pode editar grcos individualmente no Layout. D um clique duplo em um grco para acessar as ferramentas de edio.
Atualizando grcos em um layout
Se os dados da worksheet forem modicados para grcos contidos em um layout, o Minitab no pode atualizar o layout. Voc deve
atualizar o grco individualmente e substituir a verso desatualizada pela nova no layout.
Prximo passo
Crie um relatrio com as anlises, usando o ReportPad.
Viso Geral do Minitab 42
Criando relatrios
ReportPad
O ReportPad uma pasta dentro do Project Manager, que pode armazenar grcos, sadas da janela Session, e texto em um formato
editvel. Voc pode adicionar itens a um relatrio da pasta Session, ou de grcos individuais e sada da janela Session.
Para adicionar um grco ao ReportPad, siga um dos seguintes procedimentos:
Clique com o boto direito no ttulo do grco no Project Manager, e ento selecione Append to Report.
Ative um grco, clique com o boto direito sobre o mesmo e selecione Append Graph to Report.
Para adicionar uma sada da janela Session ao ReportPad, siga um dos seguintes procedimentos:
Clique com o boto direito no ttulo da sada no Project Manager, e ento selecione Append to Report.
Clique com o boto direito na sada da janela Session, e ento selecione Append Section to Report.
Append to Report
1) Clique em para visualizar os grcos no projeto.
2) No Project Manager, clique com o boto direito em Layout. Selecione Append to Report.
3) Clique em para visualizar a pasta Session.
4) No Project Manager, clique com o boto direito em Descriptive Statistics: Vendas RJ; Vendas SP. Selecione Append to
Report, como mostrado abaixo:
5) Para visualizar o ReportPad, clique em na barra de ferramentas do Project Manager.
Viso Geral do Minitab 43
Interpretando os resultados
O ReportPad mostra os grcos e sadas que voc anexou ao relatrio. Voc pode mover os itens no ReportPad, selecionando-os e
arrastando-os para a posio desejada. Voc tambm pode digitar texto no ReportPad.
Editando o relatrio
Para editar o relatrio, use as ferramentas do menu Editor. Voc pode editar:
Alinhamento do texto
Formatao do texto (negrito/itlico/sublinhado)
Fontes e cor
Viso Geral do Minitab 44
Criando relatrios em outros aplicativos
Geralmente, os programas de processamento de texto tm mais opes de formatao que o ReportPad. Para criar um relatrio em um
processador de texto usando os resultados obtidos no Minitab, voc pode:
Copiar ou mover o contedo do ReportPad para um processador de texto.
Copiar e colar a sada da janela Session e os grcos do Minitab diretamente em um processador de texto.
NOTA: Para colar textos e grcos em verses do Microsoft Word anteriores ao Word 2000, use a opo Colar Especial e ento desmarque
a opo Flutuar sobre o texto.
Voc tambm pode salvar um relatrio em formato HTML, para us-lo na Internet.
Copiar para Processador de Texto
1) Clique com o boto direito na pasta ReportPad no Project Manager, ento selecione Copy to Word Processor.
ATENO: Selecionar a opo Move to Word Processor deleta o contedo do ReportPad ao mesmo tempo em que ele copiado para o pro-
cessador de texto.
2) Em Salvar em, entre com um drive (por exemplo, A, C ou D), e ento selecione uma pasta apropriada.
3) Em Nome do arquivo, digite um nome para o novo relatrio.
4) Clique em Salvar.
NOTA: Quando voc salva no disco rgido, o Minitab salva o relatrio como um arquivo RTF e o abre automaticamente no processador de
texto default para o seu computador.
Viso Geral do Minitab 45
Criando relatrios em outros aplicativos
Copiar e Colar em Processador de Texto
1) Abra um documento do Microsoft Word novo ou existente.
Para grcos:
2) Clique com o boto direito em um grco do Minitab e selecione Copy Graph.
3) Posicione o cursor no documento do Microsoft Word e pressione CTRL + V.
Para sadas da janela Session:
4) Selecione um bloco de texto na sada na sada da janela Session, clique com o boto direito na sada, e ento selecione
Copy.
5) Posicione o cursor no documento do Microsoft Word e pressione CTRL + V.
Salvar um Relatrio em formato HTML
1) Clique com o boto direiito na pasta ReportPad no painel esquerdo da janela do Project Manager.
2) Selecione Save Report As.
3) Em Salvar em, selecione um local apropriado (drive A, C ou D), e ento selecione a pasta apropriada.
4) Em Nome do arquivo, digite um nome para o arquivo.
5) Em Salvar como tipo, selecione Web Page (*.htm; *.html).
6) Clique em Salvar.
Viso Geral do Minitab 46
Consideraes nais
Resumo e concluses
Project Manager
Use o Project Manager para gerenciar e acessar os vrios elementos de um projeto pelas pastas Session, Worksheet, History, Graphs,
Info, ReportPad, e Related Documents.
Grcos
Grcos ajudam voc a vizualizar os dados. Voc pode atualizar os grcos do Minitab para que reitam as mudanas feitas em seus
dados. Voc pode visualizar vrios grcos na mesma pgina usando o Layout Tool.
Session
A janela Session exibe os resultados de suas anlises no Minitab.
Help
O Help fornece instrues detalhadas para a utilizao do software, com exemplos, interpretaes e informaes sobre os comandos da
Session, macros, frmulas e arquivos de dados.
StatGuide
Use o StatGuide para acessar o guia estatstico para qualquer tipo de sada grca ou texto.
ReportPad
Use o ReportPad para gerar relatrios dentro do Minitab. Voc pode facilmente exportar o relatrio para um processador de texto ou
salv-lo como um arquivo.rtf ou .html.
Viso Geral do Minitab 47
Exerccio A: Registro de Pacientes em um Hospital
Problema
Trs unidades de um hospital registraram o nmero de pacientes sob cuidados mdicos. Os administradores querem comparar as infor-
maes destas trs unidades.
Coleta de dados
Os assistentes registram o nmero de pacientes sob cuidados para cada unidade durante um perodo de 5 meses.
Instrues
1) Abra o arquivo HOSPITAL.MPJ. Que informaes esto no ReportPad?
2) Quantas worksheets existem neste projeto?
3) Qual o tamanho de todas as colunas contidas na worksheet Dados do Censo?
4) Qual tipo de grco est no projeto? Refaa estes grcos.
Arquivo de dados
HOSPITAL.MPJ
Varivel Descrio
Data Data
Unidade Unidade hospitalar.
Censo Nmero de pacientes sob cuidados mdicos
Viso Geral do Minitab 48
Teclas de atalho
Help ..........................................................F1
StatGuide .......................................Shift+F1
Arquivos
Nova Worksheet ou projeto ................Ctrl+N
Abrir projeto ....................................... Ctrl+O
Salvar projeto ..................................... Ctrl+S
Imprimir janela .................................... Ctrl+P
Janelas do Minitab
Editor de Linha de Comando .............. Ctrl+L
Session .............................................. Ctrl+M
Dados .................................................Ctrl+D
Project Manager .................................. Ctrl+I
Alternar entre janelas ....................... Ctrl+F6
Janela Session
Submeter comando ............................. Enter
Adicionar quebra de linha ............Ctrl+Enter
Prximo comando.....................................F2
Comando anterior .............................. Alt+F2
Aplicar fonte I/O ....................................Alt+1
Aplicar fonte em Ttulo ..........................Alt+2
Aplicar fonte em Comentrio ................Alt+3
Janela de Dados
Prxima linha/coluna ....................Ctrl+Enter
Ir para ................................................ Ctrl+G
1 tela abaixo, acima, esquerda
ou direita ............................ Ctrl+arrow key
Incio da Worksheet .....................Ctrl+Home
Fim da Worksheet .......................... Ctrl+End
Formato numrico de coluna .............. Ctrl+Y
Entrar no modo de edio de clula
....................................................... Alt+Enter
Grcos
Fechar janela grca ativa ............... Ctrl+F4
Mover objeto(s) selecionado(s)
1 pixel ...................................seta do teclado
5 pixels ...................... Shift+ seta do teclado
10 pixels ...................... Ctrl+ seta do teclado
50 pixels .............Shift+Ctrl+ seta do teclado
Fechar janela grca ativa ............... Ctrl+F4
Editar objeto grco selecionado ....... Ctrl+T
Duplicar grco.........................................F3
Editando (clulas ou texto)
Copiar ............................................. Ctrl+ C *
Colar ............................................... Ctrl+ X *
Colar/Inserir .................................... Ctrl+ V *
Selecionar uma rea ..........Shift+arrow key*
Selecionar Tudo................................ Ctrl+A*
Caixas de Dilogo
Editar ltima caixa de dilogo............. Ctrl+E
Restaurar defaults ....................................F3
Mover para a prxima opo .................. Tab
Mover para a opo anterior ......... Shift+Tab
Move para qualquer local em uma
caixa de dilogo.......... Alt+letra sublinhada
Selecionar Cancel .................................. Esc
Menus
Abrir ou escolherum item do menu
.................................... Alt+letra sublinhada
Clicar com o lado direito do mouse
...................................................... Shift+F10
Cancelando Operaes
Cancelar uma %macro,
Exec, ou grco ........................... Ctrl+Break
Gerenciador do Programa
Exibir a pasta Session ................. Ctrl+Alt+M
Exibir a pasta Worksheet ............ Ctrl+Alt+D
Exibir a pasta Grcos ................ Ctrl+Alt+G
Exibir Info....................................... Ctrl+Alt+I
Exibir o Histrico.......................... Ctrl+Alt+H
Exibir o ReportPad ...................... Ctrl+Alt+R
Exibir Related Documents ............ Ctrl+Alt+L
Viso Geral do Minitab 49
Ferramentas de Edio de Grcos
Barra de ferramentas para edio de grcos
Tools > Toolbars > Graph Editing
Ferramenta... Use para...
Selecionar um item grco para a edio
Acesso caixa de dilogo para edio para o item sele-
cionado
Colocar o grco selecionado no modo ativado
Colocar o grco selecionado no modo Brush
Colocar o grco selecionado no modo crosshairs
Colocar o DOE selecionado em modo de plant ag
Selecione um item para adicionar. Dependendo do item, o
Minitab pode pedir a voc mais informaes
Deletar o item selecionado
Fazer o grco aparecer menor ou maior
Barra de ferramentas para anotaes em grcos
Tools > Toolbars > Graph Annotation Tools
Ferramenta... Use para...
Colocar no grco ativo um objeto em modo selecionado
ou no selecionado
Adicionar texto a um grco
Desenhar retngulos ou quadrados em um grco
Desenhar elipses ou crculos em um grco
Desenhar linhas em um grco
Adicionar smbolos em um grco
Desenhar um polyline no grco (conjunto de linhas co-
nectadas)
Desenhar um polgono no grco
Anlise Bsica de Dados
Anlise Bsica de Dados 3
Use histogramas, dotplots, boxplots e grcos de sries tempo-
rais para analisar os dados.
Calcular estatsticas descritivas para examinar importantes
caractersticas dos dados.
Objetivos
www.minitabbrasil.com.br
Copyright - GLOBAL TECH
O contedo desta apostila, desenvolvida pela Global Tech, encontra-se protegido pela legislao autoral vigente no
Pas e pelas regras internacionais estabelecidas na Conveno de Berna. Desta forma, so vedadas a reproduo,
modicao e distribuio total ou parcial de quaisquer informaes nela contida, a menos que devidamente autorizadas
pela Global Tech. Assim, de responsabilidade do usurio qualquer violao s normas de direitos autorais nacionais
ou internacionais. www.minitabbrasil.com.br
Anlise Bsica de Dados 4
Contedo
Exemplos e Exerccios Objetivos Pgina
Anlise Bsica de Dados
Exemplo 1:
Exatido e Preciso do Sistema de Me-
dio
Realizar clculos utilizando a Calculadora. Comparar conjuntos
de dados usando boxplots e estatsticas descritivas.
5
Exemplo 2:
Ajustando um Processo
Analisar dois processos usando estatsticas descritivas, dot-
plots e grcos de sries temporais.
13
Exemplo 3:
Tempo de Espera
Analisar dados usando estatsticas descritivas e histogramas. 28
Exerccio B:
Dados de uma Central de Atendimento
Analisar dados usando estatsticas descritivas. 41
Exerccio C:
Emprstimos On Line
Analisar dados usando estatsticas descritivas. 42
Exibindo Grcos de Disperso
Exemplo 4:
Resultados de Bilheteria
Exibir um grco de disperso para examinar o relacionamen-
to entre duas variveis quantitativas.
43
Exemplo 5:
Tempo de Desenvolvimento de um Pro-
grama de Computador
Exibir um grco de disperso com grupos para examinar o
relacionamento entre uma varivel de sada e uma varivel de
entrada, uma quantitativa e uma categrica.
50
Exerccio D:
Processo de uma Indstria Txtil
Analisar dados de frequncia usando grcos de barras,
sries temporais e de disperso.
60
Exerccio E:
Correias para Motores Industriais
Exibir um grco de disperso com grupos para examinar o
relacionamento entre uma varivel de sada e duas variveis de
entrada, uma quantitativa e uma categrica.
61
Anlise Bsica de Dados 5
Anlise Bsica de Dados
Exemplo 1: Exatido e Preciso do Sistema de Medio
Problema
Engenheiros projetaram um sistema para medir uma dimenso crtica de peas.do processo de montagem. Para avaliar a exatido e pre-
ciso desse sistema, os engenheiros planejam um experimento no qual dois operadores coletam medidas repetidas da mesma pea.
Coleta de dados
Os engenheiros selecionam para o estudo uma pea padro com o comprimento conhecido de 25 mm. Dois operadores medem essa
pea padro 50 vezes cada.
Ferramentas
Calculator
Display Descriptive Statistics
Boxplot
Arquivo de dados
COMPRIMENTO.MTW
Varivel Descrio
Operador Identicao do operador
Comprimento Medio da pea coletada pelo operador
Anlise Bsica de Dados 6
Calculando Valores
Antes de analisar os dados, use a Calculadora do Minitab para transformar os dados; subtraia 25 dos valores das medies para quanti-
car a diferena entre o comprimento medido e o comprimento real. Essa diferena o vcio nas medies. O Minitab armazena a varivel
transformada em uma coluna que voc especica.
Embora no seja necessrio para a anlise, este passo pode tornar os dados mais fceis de interpretar.
Frmulas
Marque a opo Assign as a formula para atribuir a expresso como uma frmula para a coluna. Isto permite ao Minitab recalcular os
valores automaticamente sempre que voc adicionar, remover ou mudar os dados associados.
Voc pode atribuir frmulas apenas a uma coluna inteira, e no a linhas, clulas individuais ou parte de uma coluna.
As frmulas tambm podem ser atribudas clicando com o boto direito em uma coluna e selecionando Formulas > Assign Formula to
Column.
Calculator
1) Abra o arquivo COMPRIMENTO.MTW.
2) Selecione Calc > Calculator.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK:
Anlise Bsica de Dados 7
Interpretando os resultados
Quando voc atribui uma frmula a uma coluna, aparece um cone de status no canto superior direito da coluna, em seu cabealho. Este
indicador informa a voc se a frmula est denida corretamente e se os valores precisam ser atualizados pelo reclculo dos valores.
Voc pode ver a expresso para uma frmula pausando seu cursor sobre o cone de status. As frmulas podem ser modicadas ou edi-
tadas aps terem sido criadas, simplesmente clicando duas vezes no cone.
Prximo passo
Complete a entrada de dados para Operador 2.
Anlise Bsica de Dados 8
Interpretando os resultados
As duas ltimas medies para o Operador 2 (25,0028 e 25,0002) ainda no foram digitadas na worksheet do Minitab. Entre agora com
estes valores nas duas tlimas linhas da coluna Comprimento (C2).
Os valores de vcio para estas duas linhas sero automaticamente calculados pela forma atribuda coluna. Por default, as frmulas so
conguradas para atualizao automtica, mas se preferir voc pode mudar para atualizao manual. Para isso, ative a Janela de Dados,
selecione Editor > Formulas, e desmarque a opo Calculate All Formulas Automatically.
Entrando com Novos Dados
1) Desa com a barra de rolagem at aparecer a linha 99.
2) Na coluna Comprimento (C2) digite 25,0028 na linha 99 e 25,0002 na linha 100.
Prximo passo
Analise os dados de vcio para avaliar a exatido e preciso das medies.
Anlise Bsica de Dados 9
Calculando Estatsticas Descritivas
Use as estatsticas descritivas para determinar a exatido e preciso das medies dos operadores. Como as medies esto em uma
coluna, use a opo By variable para Operador, assim o Minitab exibir as estatsticas separadamente para cada operador.
Para uma medio nica, a exatido se refere proximidade do valor medido com o valor real da pea. Para mltiplas medies, a exa-
tido se refere a quo prxima a mdia dos valores medidos est do real valor da mdia. Neste caso, o valor real da pea 25.
A preciso se refere variabilidade nas medies. Use uma medida de variabilidade, tal como desvio-padro, para avaliar a preciso.
Observe que voc pode avaliar a exatido do sistema de medio se voc conhecer o valor real da pea. Entretanto, a preciso pode
ser avaliada sem conhecer este valor.
Dica: Voc tambm pode analisar os dados originais (coluna Comprimento) para avaliar a exatido e a preciso para as medies.
Display Descriptive Statistics
1) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
2) Em Variables, entre com Vcio. Em By variables, entre com Operador.
3) Clique em Statistics.
4) Preencha a caixa de dilogo como mostrado abaixo:
5) Clique em OK.
6) Clique em Graphs. Selecione Boxplot of data.
7) Clique em OK em cada caixa de dilogo.
Anlise Bsica de Dados 10
Interpretando os resultados
Examine a mdia e o desvio-padro amostrais da varivel vcio para cada operador. Os resultados indicam que:
As medies para o operador 1 parecem ser mais exatas, pois a mdia do vcio est mais prxima de 0 que as medies do
operador 2.
O operador 2 tem um menor desvio-padro que o operador 1, indicando que as medies do operador 2 so mais precisas.
Descriptive Statistics: Vcio
Variable Operador Mean StDev
Vcio 1 -0,000146 0,005499
2 0,007400 0,003221
Anlise Bsica de Dados 11
Interpretando os resultados
Compare os boxplots para os dois operadores. O grco conrma os resultados das estatsticas descritivas, embora o grco fornea
mais detalhes por exibir a amplitude das medies para cada operador. Por exemplo, o grco mostra que:
O operador 2 obtm medidas consistentemente maiores que o comprimento padro de 25 mm. Voc no pode concluir este fato
pela mdia ou desvio-padro.
As medies do operador 1, que variam de aproximadamente 0,01 mm abaixo do comprimento real e 0,01 mm acima, so menos
consistentes que as medies do operador 2.
Voc tambm pode visualizar estes resultados calculando estatsticas descritivas adicionais, incluindo o mnimo, o mximo, e a ampli-
tude.
Anlise Bsica de Dados 12
Consideraes nais
Resumo e concluses
Usando estatsticas descritivas e um boxplot, voc descobriu que:
O operador 1 parace coletar medidas com maior exatido.
O operador 2 parece coletar medidas com maior preciso. Alm disso, o operador 2 obtm medidas consistentemente maiores
que o comprimento real da pea que de 25 mm.
Voc deve investigar o processo usado pelos operadores para entender porque as medidas do operador 1 so menos precisas que as
medidas do operador 2, e tambm porque as medies do operador 2 so sistematicamente inexatas.
Consideraes adicionais
Este exemplo demonstra um estudo de medio simples, que pode quanticar vcios em um sistema de medio, identicar efeitos de
operadores e quanticar o erro de repetibilidade. Este tipo de estudo mais til quando o objetivo primrio comparar dois operadores
ou instrumentos de medio especcos.
O Minitab tambm oferece um estudo completo de sistemas de medio R&R (Stat > Quality Tools > Gage Study). Um estudo de medio
R&R um experimento planejado que quantica as fontes de variao de um sistema de medio associadas a medidas repetidas e efei-
tos de operadores, em relao variabilidade do processo. Voc pode usar um estudo de medio completo para qualicar um sistema
de medio para o uso. Veja mais informaes sobre estudos R&R no curso de Ferramentas Estatsticas da Qualidade.
Anlise Bsica de Dados 13
Anlise Bsica de Dados
Exemplo 2: Ajustando um Processo
Problema
Um engenheiro da qualidade est preocupado com a variao excessiva na quantidade de revestimento em um processo industrial que
aplica mscara de solda em chapas de metal. O engenheiro acredita que a variao possa ser o resultado dos diversos ajustes que os
operadores fazem na mquina. Para testar essa hiptese, o engenheiro planeja um experimento simples para comparar o desempenho
do processo com e sem os ajustes dos operadores.
Coleta de dados
Durante trs horas, o processo funcionou com o atual procedimento dos operadores; isto , os operadores coletaram amostras e as ins-
pecionaram durante a produo, fazendo os ajustes que julgaram necessrios para manter o processo no alvo (1,5 mm). Depois disso,
o processo funcionou durantes mais trs horas, sem qualquer ajuste na mquina aps a congurao inicial.
Durante a execuo de cada processo, o engenheiro coletou 50 chapas e registrou a espessura da mscara de solda em milmetros. O
limite inferior de especicao 1,485 mm e o limite superior de especicao 1,515 mm.
Ferramentas
Display Descriptive Statistics
Dotplot
Time Series Plot
Reference Lines
Calculator
Numeric to Text
Tally Individual Variables
Arquivo de dados
AJUSTES.MTW
Varivel Descrio
Com Ajustes Espessura da camada (em mm) na chapa durante o processo com ajustes dos operadores
Sem Ajustes Espessura da camada (em mm) na chapa durante o processo sem os ajustes dos aperadores
Anlise Bsica de Dados 14
Construindo um dotplot
Construa um dotplot para apresentar um sumrio grco dos dados. Um dotplot similar a um histograma, com a exceo de que um
dotplot exibe um nico ponto para cada valor (ou para um grupo de valores similares, se existirem muitas observaes).
Dotplot
1) Abra o arquivo AJUSTES.MTW.
2) Selecione Graph > Dotplot.
3) Em Multiple Ys, selecione Simple, e ento clique em OK.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK.
Anlise Bsica de Dados 15
Interpretando os resultados
Os dotplots indicam que:
Ambos os processos esto aproximandamente centrados no alvo de 1,5 mm.
Os dados do processo com ajuste esto dispersos ao longo de um intervalo maior de valores, o que indica que o processo com
ajustes resulta em uma maior variao do que o processo sem ajustes.
Prximo passo
Calcule estatsticas descritivas.
Anlise Bsica de Dados 16
Calculando Estatsticas Descritivas
O valor alvo da espessura de 1,5 mm, com um limite inferior de especicao de 1,485 e um limite superior de especicao de 1,515
mm.
Calcule a mdia amostral das medidas para cada processo e determine qual processo est mais prximo do alvo.
Calcule o desvio-padro amostral das medidas para cada processo para determinar qual processo possui maior variao e como os
processos esto em relao amplitude determinada pelos limites superior e inferior de especicao (1,515 - 1,485 = 0,030 mm).
Display Descriptive Statistics
1) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
2) Em Variables, entre com Com Ajustes e Sem Ajustes.
3) Clique em Statistics.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK em cada caixa de dilogo.
Anlise Bsica de Dados 17
Interpretando os resultados
Examine as duas mdias e os dois desvios-padro amostrais.
A mdia das medies para o processo com ajuste est no alvo (1,500 mm), enquanto a mdia para o processo no ajustado prxima
do alvo. Contudo, o desvio-padro para o processo ajustado maior que o desvio-padro para o processo no ajustado.
Descriptive Statistics: Com Ajustes; Sem Ajustes
Variable Mean StDev
Com Ajustes 1,5000 0,0128
Sem Ajustes 1,4981 0,00701
Prximo passo
Plote os dados em ordem temporal usando um grco de sries temporais.
Anlise Bsica de Dados 18
Criando um grco de sries temporais
Como os dados dos processos foram coletados em ordem cronolgica, voc poderia examinar os dados ao longo do tempo, para avaliar
a existncia de algum padro relacionado ordem dos dados. Estes padres frequentemente no aparecem em outros grcos, tais
como histogramas e dotplots.
O grco de sries temporais do Minitab uma ferramenta muito til para se examinar dados ao longo do tempo.
O grco de sries temporais exibe os dados das medies no eixo y versus o tempo no eixo x. Para exibir os dados corretamente, voc
deve organiz-los em ordem cronolgica na worksheet.
Time Series Plot
1) Selecione Graph > Time Series Plot.
2) Selecione Simple, e ento clique em OK.
3) Em Series, entre com Com Ajustes e Sem Ajustes.
4) Clique em Multiple Graphs. Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK em cada caixa de dilogo.
Anlise Bsica de Dados 19
Interpretando os resultados
O grco de sries temporais mostra que os ajustes feitos pelos operadores durante o processo resulta em um aumento da variabilidade
na espessura.
No processo sem ajustes, uma tendncia de diminuio da espessura comea por volta da 40 amostra. Tal diminuio pode indicar que,
apesar dos ajustes feitos pelos operadores aumentarem a variabilidade do processo, ajustes peridicos podem ser necessrios para
assegurar que o processo no se afaste do alvo. Existem mtodos estatsticos que permitem a voc exibir um sinal quando o processo
estiver fora do alvo.
Prximo passo
Determine a proporo de medidas fora dos limites de especicao..
Anlise Bsica de Dados 20
Adicionando linhas de referncia
Lembre-se que o limite inferior de especicao (LIE) 1,485 mm e o limite superior de especicao (LSE) 1,515 mm.
Uma maneira conveniente de indicar estes valores no grco adicionando linhas de referncia.
Reference Lines
1) Clique com o boto direito do mouse sobre o grco.
2) Selecione Add > Reference Lines.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Anlise Bsica de Dados 21
Editando linhas de referncia
Voc pode modicar as linhas de referncia para dar a elas rtulos mais signicativos ou faz-las se destacarem no grco.
Reference Lines
1) Clique duas vezes no rtulo da linha de referncia (1,515).
2) Clique na aba Font. Em Text, digite LSE, e ento clique em OK.
3) Repita os passos 1 e 2 para renomear o rtulo da linha de referncia 1,485 como LIE.
4) Clique duas vezes na linha de referncia.
5) Preencha a caixa de dilogo como mostra a gura abaixo:
6) Clique em OK.
Anlise Bsica de Dados 22
Interpretando os resultados
O grco de sries temporais agora possui os limites de especicao exibidos mais claramente. Isto ajuda a vericar a frequncia na
qual o processo excede os limites de especicao.
Prximo passo
Calcule a proporo de medidas fora dos limites de especicao para cada processo.
Anlise Bsica de Dados 23
Proporo fora das especicaes
Uma outra estatstica til a proporo de medidas fora dos limites inferior e superior de especicao. O limite inferior de especicao
1,485 e o limite superior de especicao 1,515.
Para calcular a proporo, primeiro utilize a calculadora do Minitab para criar duas colunas, uma para cada processo, indicando as peas
fora dos limites de especicao. O Minitab identica as linhas nas quais a expresso satisfeita como 1 e as linhas nas quais a expres-
so no satisfeita como 0. Neste exemplo, medidas fora dos limites de especicao so identicadas como 1 e medidas dentro dos
limites de especicao como 0.
O Minitab armazena o resultado na prxima coluna disponvel usando o nome que voc especicou.
Calculator
1) Selecione Calc > Calculator.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
4) Repita os passos 1 - 3 para Sem Ajustes, armazenado o resultado em ForaSemAjustes.
Prximo passo
Codique os 0s e 1s como valores de texto que indiquem se as medidas esto dentro ou fora dos limites de especicao.
Anlise Bsica de Dados 24
Codicando os resultados
Voc criou novas colunas, ForaComAjustes e ForaSemAjustes, usando a calculadora para indicar se cada medida est dentro ou fora
dos limites de especicao. As colunas contm 1s quando os valores esto fora dos limites de especicao e 0s quando eles esto
dentro dos limites de especicao.
As colunas seriam mais informativas se elas identicassem cada pea como Dentro da Espec ou Fora da Espec. Para conseguir isto,
simplesmente codique os valores numricos para valores de texto.
Code Numeric To Text
1) Selecione Data > Code > Numeric to Text.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
4) Repita os passos 1 - 3 para ForaSem Ajustes.
Anlise Bsica de Dados 25
Proporo fora da especicao
Usando as novas colunas que voc criou com a calculadora, agora voc pode calcular o nmero e a porcentagem de medidas que esto
dentro e fora da especicao. O comando Tally conta o nmero de vezes que cada valor nico, Dentro da Espec ou Fora da Espec,
aparece na coluna. Ento ele calcula a proporo de cada.
Tally Individual Variables
1) Selecione Stat > Tables > Tally Individual Variables.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise Bsica de Dados 26
Interpretando os resultados
Os resultados indicam que:
Para o processo com ajustes dos operadores, 12 medidas (24%) esto fora dos limites de especicao.
Para o processo sem ajustes dos operadores, apenas 3 medidas (6%), esto fora dos limites. Lembre-se do grco de sries
temporais que essas medies foram coletadas no nal do processo, quando este comeou a se afastar do alvo.
Tally for Discrete Variables: ForaComAjustes; ForaSemAjustes
ForaComAjustes Count Percent ForaSemAjustes Count Percent
Dentro da Espec 38 76,00 Dentro da Espec 47 94,00
Fora da Espec 12 24,00 Fora da Espec 3 6,00
N= 50 N= 50
Anlise Bsica de Dados 27
Consideraes nais
Resumo e concluses
Os resultados das estatsticas descritivas e do dotplot conrmam a hiptese do engenheiro de qualidade de que fazer ajustes na mquina
durante o processo aumenta a variao na espessura do revestimento. A mdia das medies do processo com ajustes est no alvo de
1,5 mm, o que esperado, pois os operadores zeram os ajustes para manter o processo no alvo. Entretanto, a frequncia com que estes
ajustes so realizados tambm aumenta a variao do processo.
O aumento da variabilidade pode ser uma consequncia involuntria dos frequentes ajustes no processo. Voc pode interpretar facil-
mente de forma errada a variao natural em um processo como uma mudana no desempenho, indicando que ajustes so necessrios,
quando na realidade no so.
Consideraes adicionais
Todos os processos possuem alguma variabilidade inerente. Normalmente, no so necessrios ajustes constantes. Cartas de controle
so uma ferramenta estatstica normalmente usada para monitorar a variao do processo. Estas cartas so um tipo especial de grcos
de sries temporais, que podem ajudar a determinar a variao que naturalmente inerente ao processo versus a variao devido
causas especiais. Voc pode usar cartas de controle para determinar quando seria necessrio tomar medidas corretivas.
Anlise Bsica de Dados 28
Anlise Bsica de Dados
Exemplo 3: Tempo de Espera
Problema
Os administradores de uma clnica de sade desejam saber quanto tempo os pacientes esperam para serem atendidos em uma consulta
anual. Eles suspeitam que pode haver diferena entre o tempo de espera de consultas na parte da manh e na parte da tarde.
Coleta de dados
Durante aproximadamente 2 meses, os administradores registraram o tempo (arredondados para os 5 minutos mais prximos) que os
pacientes esperaram para serem atendidos, e se a consulta foi na parte da manh ou da tarde.
Ferramentas
Display Descriptive Statistics
Histogram
Arquivo de dados
TEMPO DE ESPERA.MTW
Varivel Descrio
Data Dia da consulta (05/03 - 10/05)
Tempo de espera Tempo que o paciente espera pelo mdico (arredondado para os 5 minutos mais prximos)
Perodo Perodo do dia em que a consulta foi realizada (Manh ou Tarde)
Anlise Bsica de Dados 29
Calculando estatsticas descritivas
Para sumarizar caractersticas importantes dos dados, use a ferramenta Display Descriptive Statistics para calcular vrias estatsticas
descritivas.
Uma estatstica particularmente til a mediana, que o valor do meio de um conjunto de dados, quando eles esto organizados em
ordem crescente ou decrescente. Ou seja, metade dos valores no conjunto de dados so menores que o valor da mediana e metade dos
valores so maiores.
A mediana pode ser uma medida melhor do centro de um conjunto de dados que a mdia, especialmente quando a distribuio dos valo-
res no simtrica. Para dados altamente assimtricos, a mdia pode fornecer uma representao inexata do centro dos dados. Dados
como tempo de espera ou tempo at que um evento ocorra so frequentemente assimtricos direita.
Display Descriptive Statistics
1) Abra TEMPO DE ESPERA.MTW.
2) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
3) Em Variables, entre com Tempo de Espera.
4) Clique em Statistics.
5) Preencha a caixa de dilogo como mostra a gura abaixo:
6) Clique em OK em cada caixa de dilogo.
Anlise Bsica de Dados 30
Interpretando os resultados
As estatsticas descritivas indicam que:
O tempo mdio de espera de aproximadamente 23,2 minutos.
O menor tempo de espera registrado de 5 minutos e o maior 60 minutos.
O valor da mediana de 20 minutos. Isto indica que aproximadamente 50% dos pacientes esperaram 20 minutos ou menos pela
consulta.
Q1 (primeiro quartil) indica que aproximadamente 25% dos pacientes esperaram 15 minutos ou menos pela consulta.
Q3 (terceiro quartil) indica que aproximadamente 75% dos pacientes esperaram 30 minutos ou menos pelo atendimento.
Descriptive Statistics: Tempo de Espera
Variable Mean StDev Minimum Q1 Median Q3 Maximum
Tempo de Espera 23,201 10,272 5,000 15,000 20,000 30,000 60,000
Variable IQR
Tempo de Espera 15,000
Prximo passo
Construa um histograma para examinar a forma e distribuio dos dados.
Anlise Bsica de Dados 31
Construindo um histograma
Os histogramas dividem os valores da amostra em intervalos chamados caixas (bins). As barras representam o nmero de observaes
que caem dentro de cada caixa (sua frequncia). Um histograma uma boa maneira de avaliar o centro, a disperso, e a forma geral
de uma distribuio - desde que um nmero apropriado de observaes esteja disponvel. Se voc possui poucos dados, a forma do
histograma pode no representar com exatido a distribuio da populao.
Histogram
1) Selecione Graph > Histogram.
2) Selecione Simple, e ento clique em OK.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Anlise Bsica de Dados 32
Interpretando os resultados
O histograma dos tempos de espera mostra que os dados so assimtricos direita, pois a cauda direita dos dados se estende mais do
que a cauda esquerda.
Observe os espaos entre as barras do histograma. O intervalo intermedirio no contm valores, pois os administradores registraram
os tempos de espera em incrementos maiores que a largura default das caixas.
Como os marcadores da escala no esto alinhados com as barras, voc no pode determinar qual o valor de tempo de espera as barras
representam.
Prximo passo
Mude a posio dos marcadores do eixo x.
Anlise Bsica de Dados 33
Editando os marcadores da escala
Voc quer mudar a posio dos marcadores da escala, para que voc possa interpretar os dados mais facilmente. Como os administrado-
res coletaram os dados com 5 minutos de incremento, mude os marcadores do eixo do grco, para que tambm quem em incrementos
de 5 minutos, comeando com 5 e terminando com 60 minutos.
Edit Scale
1) Clique duas vezes na escala do eixo x.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Anlise Bsica de Dados 34
Interpretando os resultados
A forma da distribuio dos dados no mudou, mas agora existe um marcador para cada barra no histograma. A maior barra no histogra-
ma representa 20 minutos, indicando que o tempo de espera com maior frequncia de 20 minutos.
Prximo passo
Compare os tempos de espera para os perodos da manh e da tarde.
Anlise Bsica de Dados 35
Exibindo estatsticas descritivas e histograma
Agora, voc quer comparar os tempos de espera para pacientes com consultas realizadas no perodo da manh e da tarde. Entre com a
varivel Perodo do Dia em By variable para que o Minitab calcule as estatsticas descritivas separadamente para manh e tarde. Alm
disso, construa um histograma para comparar a distribuio dos dados pelo perodo do dia. Como voc est usando a opo By variable,
o Minitab automaticamente exibe os histogramas em painis.
Display Descriptive Statistcs
1) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Graphs. Selecione Histogram of data.
4) Clique em OK em cada caixa de dilogo.
Anlise Bsica de Dados 36
Interpretando os resultados
As estatsticas descritivas indicam que o tempo de espera geralmente mais longo no perodo da tarde. Por exemplo, a mediana do
tempo de espera na parte da manh de 20 minutos, e na parte da tarde 25 minutos. No perodo da tarde, os valores tambm so
maiores para mdia, mnimo, mximo, 1 quartil (Q1) e 3 quartil (Q3).
Descriptive Statistics: Tempo de Espera
Perodo
Variable do Dia N N* Mean SE Mean StDev Minimum Q1
Tempo de Espera Manh 195 0 19,231 0,573 8,006 5,000 15,000
Tarde 194 0 27,191 0,773 10,760 10,000 20,000
Perodo
Variable do Dia Median Q3 Maximum
Tempo de Espera Manh 20,000 25,000 55,000
Tarde 25,000 35,000 60,000
Anlise Bsica de Dados 37
Interpretando os resultados
Embora as distribuies paream similares, a maioria dos tempos de espera na parte da manh so menores que os tempos da tarde. No
perodo da manh existem apenas alguns tempos de espera maiores que 35 minutos. A barra mais afastada do lado direito do histograma
do perodo da manh indica um outlier nos dados.
Voc pode editar a escala para mudar a posio dos marcadores do eixo x, dando um duplo clique no eixo x, como foi feito no histograma
anterior.
Prximo passo
Mude a exibio dos histogramas, colocando-os empilhados um sobre o outro, ao invs de lado a lado.
Anlise Bsica de Dados 38
Editando o histograma
Mude a exibio dos histogramas para coloc-los em duas linhas e uma coluna, ao invs de uma linha e duas colunas. Assim, ca mais
fcil comparar as duas distribuies.
Edit Panels
1) Clique com o boto direito do mouse sobre o grco e selecione Panel.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise Bsica de Dados 39
Interpretando os resultados
Os histogramas no mudaram, porm agora as distribuies so mais fceis de serem comparadas.
Anlise Bsica de Dados 40
Consideraes nais
Resumo e concluses
As estatsticas descritivas iniciais indicam que o tempo mediano de espera de 20 minutos. As estatsticas e o histograma, contudo,
indicam que alguns pacientes esperam mais de 30 minutos - e alguns esperam at 60 minutos.
As estatsticas descritivas e os histogramas exibidos por perodo do dia, indicam que o perodo de espera tende a ser maior na parte da
tarde.
Consideraes adicionais
No exemplo, os administradores arredondaram o tempo de espera para os 5 minutos mais prximos. Com isso, perdeu-se alguma infor-
mao sobre a distribuio do tempo de espera.
Uma melhor abordagem seria registrar o tempo de espera real, sem arredondamentos, para se obter medidas mais precisas. Alm disso,
pode ser interessante avaliar se o tempo de espera est relacionado com o perodo do dia. Neste exemplo, o perodo do dia foi classi-
cado em apenas duas categorias: manh e tarde. Voc poderia usar o horrio real de chegada ao invs de uma varivel categorizada
de perodo do dia.
Anlise Bsica de Dados 41
Exerccio B: Dados de uma Central de Atendimento
Problema
Um gerente de uma central de atendimento ao cliente deseja avaliar vrias caractersticas das ligaes recebidas. Quando um cliente
liga para a central, ele precisa informar alguns dados sobre seu cadastro, e posteriormente colocado em espera at que um tcnico
atenda a ligao e responda suas perguntas.
Coleta de dados
Durante 20 dias, cada ligao foi registrada, assim como o nmero de minutos que o cliente cou na espera e o nmero de minutos que
o tcnico gastou respondendo as perguntas.
Instrues
Calcule estatsticas descritivas para responder as seguintes questes:
1) Qual o tempo mdio que um cliente espera pelo atendimento?
2) Quais so os tempos de espera mximo e mnimo?
3) Qual o tempo mediano de espera?
4) Qual o tempo mdio que o tcnico gasta atendendo um cliente?
5) Construa um histograma da varivel Tempo de espera. Os dados parecem ser normalmente distribudos, assimtricos direita
ou esquerda? Isso faz sentido?
6) Use Stat > Table > Tally Individual Values para determinar o percentual de clientes que esperam menos de 5 minutos, de 5 a 10
minutos, e mais de 10 minutos.
7) Qual o percentual de ligaes nalizadas em 30 minutos ou menos, incluindo o tempo de espera?
8) Em quantas ligaes os clientes desligaram sem falar com o tcnico?
Arquivo de dados
CENTRAL DE ATENDIMENTO.MTW
Varivel Descrio
Data Data da ligao (01/04 a 20/04)
Tempo de espera Quantidade de tempo que o cliente gastou na espera (minutos)
Tempo de atendimento Quantidade de tempo que o tcnico gasta conversando com o cliente (minutos) (Um asterisco (*)
indica que o cliente desligou na espera.)
Anlise Bsica de Dados 42
Exerccio C: Emprstimos Online
Problema
Uma empresa adicionou uma nova forma de solicitao de emprstimos via internet. Os gerentes querem examinar a performance das
solicitaes online durante as primeiras semanas usando anlises grcas e numricas.
Coleta de dados
Para o primeiro ms (de 5 de outubro a 8 de novembro), os funcionrios da empresa registraram o tempo gasto para se completar cada
solicitao online.
Instrues
Calcule estatsticas descritivas para responder as seguintes perguntas:
1) Qual o tempo mdio que o cliente leva para completar a solicitao?
2) Quais so os tempos mximo e mnimo para se completar a solicitao?
3) Qual o tempo mediano para se completar a solicitao?
4) Qual o percentual de clientes que completam o processo de solicitao de emprstimo dentro de 30 minutos?
5) Qual o percentual de clientes que iniciam o processo de solicitao mas no o nalizam?
6) Qual o nmero real de tentativas de solicitaes por dia?
7) Qual o nmero mdio de tentativas de solicitaes por dia?
8) Construa um grco de barras para visualizar o nmero de tentativas de solicitaes por dia. Dica: No grco de barras, sele-
cione a opo Count of unique values. Ento, em Data View, desmarque a opo Bars e marque a opo Symbols and Connect
line.
Arquivo de Dados
ONLINE.MTW
Varivel Descrio
Data Data em que o cliente tentou realizar a solicitao do cliente
Hora Tempo que o cliente gasta para completar a solicitao. (Um asterisco (*) indica que o cliente desistiu antes da
concluso
Anlise Bsica de Dados 43
Exibindo Grcos de Disperso
Exemplo 4: Resultados de Bilheteria
Problema
Um analista de marketing deseja determinar se as opinies dos crticos esto associadas ao rendimento da bilheteria de um determinado
lme.
Coleta de dados
Os rendimentos da bilheteria e as pontuaes (mdias) dos crticos foram retirados da revista USA Today, de quarta-feira, 25 de fevereiro
de 2004. O analista entrou com os dados em um projeto do Minitab para anlise.
Ferramentas
Scatterplot
Brushing
Arquivo de dados
BILHETERIA.MTW
Varivel Descrio
Filme Ttulo do Filme
Bilheteria Rendimento da bilheteria (milhoes de reais)
Pontuao Pontuao (mdia) dos crticos
Anlise Bsica de Dados 44
Examinando a relao entre duas variveis quantitativas
Use um grco de disperso (Scatterplot) para avaliar se duas variveis quantitativas esto associadas.
Plote Bilheteria (varivel y) e Pontuao (varivel x) para determinar se o rendimento de bilheteria est associado com a opinio dos
crticos.
Scatterplot
1) Abra BILHETERIA.MTW.
2) Selecione Graph > Scatterplot.
3) Selecione Simple, e ento clique em OK.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK.
Anlise Bsica de Dados 45
Interpretando os resultados
Examine o grco de disperso para vericar se existe relao entre as variveis rendimento da bilheteria e a pontuao dos crticos.
O rendimento da bilheteria parece variar mais medida em que a pontuao dos crticos aumenta.
Os lmes com pontuaes mais altas parecem ter rendimentos de bilheteria maiores, embora grande parte da variao do ren-
dimento no parece estar relacionado com a pontuao.
Prximo passo
Use a funo Brush para explorar alguns pontos de dados mais interessantes.
Anlise Bsica de Dados 46
Selecionando pontos de dados
Os grcos permitem que voc investigue potenciais relacionamentos entre os pontos dentro de um conjunto de dados. Porm, depois
que voc constri um grco, voc poderia precisar investigar melhor um ponto ou grupo de pontos especco.
Voc pode usar a funo Brush para selecionar pontos e investig-los melhor.
Nota: Voc no pode usar a funo Brush para selecionar pontos em um grco a menos que eles representem um nico valor na worksheet.
Voc no pode usar a funo Brush em grcos como histogramas, grco de barras, boxplots ou grcos de setores, nos quais os pontos
so baseados no clculo envolvendo mais de uma linha da worksheet.
A funo Brush d ao cursor o formato de uma mo apontada e exibe uma caixa que, por default, identica o nmero da linha na work-
sheet onde se encontra o ponto selecionado. Voc pode adicionar informaes de outras colunas usando o comando Set ID Variables.
Os pontos selecionados atravs da funo Brush so destacados por uma cor azul no grco. Um ponto preto, na worksheet, do lado
esquerdo do nmero da linha, indica que aquela linha corresponde ao ponto selecionado pela funo Brush.
A funo Brush pode ser til para:
Mostrar as caractersticas dos outliers;
Determinar se pontos que esto na mesma regio selecionada possuem as mesmas caractersticas;
Sub-dividir os dados.
Use a funo Brush para selecionar pontos de interesse no grco para vericar quais lmes eles representam.
Anlise Bsica de Dados 47
Selecionando pontos de dados
Set ID Variable
1) Clique com o boto direito do mouse no scatterplot.
2) Selecione Brush.
3) Clique com o boto direito do mouse sobre o grco novamente. Selecione Set ID Variables.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK.
6) Clique e arraste o cursor para formar um retngulo em torno de algum ponto de interesse.
Anlise Bsica de Dados 48
Interpretando os resultados
Selecionar os pontos atravs da funo Brush e exibir as variveis de interesse, permite uma investigao das caractersticas dos pontos
de dados. Os dois lmes selecionados pelo Brush, do lado direito do grco, possuem alta pontuao e geraram um alto rendimento de
bilheteria.
Anlise Bsica de Dados 49
Consideraes nais
Resumo e concluses
O grco de disperso indica que:
As pontuaes dos crticos e os rendimentos da bilheteria parecem estar associados.
O rendimento varia mais quando as pontuaes dos crticos aumentam.
Este grco de disperso no considera outras variveis que possivelmente afetam o rendimento, tais como despesas com publicidade,
efeitos sazonais, popularidade dos atores, e assim por diante.
Consideraes adicionais
Use uma anlise de regresso no Minitab para modelar o relacionamento entre o rendimento e a pontuao mdia dos crticos. Um mo-
delo de regresso mais avanado poderia incluir outras variveis relacionadas ao rendimento.
Anlise Bsica de Dados 50
Criando Grcos de Disperso
Exemplo 5: Tempo de Desenvolvimento de um Programa de Computa-
dor
Problema
Uma empresa de desenvolvimento de softwares est estudando o desempenho de 48 projetos de softwares. Em particular, eles desejam
saber como o tamanho do programa de computador est relacionado com o tempo de desenvolvimento do mesmo.
Alm disso, os gerentes realizam um, dois ou trs testes durante o desenvolvimento do programa para se certicarem da qualidade do
mesmo. Eles querem examinar como o nmero de testes realizados inuencia no tempo total de desenvolvimento.
Coleta de dados
Para os 48 projetos, os gerentes registraram o tamanho do programa (medido pelo nmero total de linhas de cdigos), o tempo gasto
no desenvolvimento (medido pelo nmero total de horas de programao) e o nmero de testes de qualidade realizados durante o de-
senvolvimento.
Ferramentas
Scatterplot
Arquivo de dados
DESENVOLVIMENTO.MTW
Varivel Descrio
Tamanho Total de linhas de cdigo necessrias
Tempo Nmero total de horas de programao usadas no desenvolvimento do programa
Testes Nmero de testes de qualidade realizados
Nota Notas sobre observaes incomuns
Anlise Bsica de Dados 51
Examinando a relao entre duas variveis quantitativas
Use um grco de disperso para explorar a relao entre duas variveis quantitativas. Frequentemente, uma varivel a preditora (X)
e a outra a resposta (Y).
Como a empresa deseja determinar se o tamanho do programa inuencia no tempo gasto para o seu desenvolvimento, neste exemplo,
tamanho a varivel preditora e tempo a varivel resposta.
Tradicionalmente, a varivel resposta plotada no eixo y e a varivel preditora plotada no eixo x.
Scatterplot
1) Abra DESENVOLVIMENTO.MTW.
2) Selecione Graph > Scatterplot.
3) Selecione Simple, e ento clique em OK.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK.
Anlise Bsica de Dados 52
Interpretando os resultados
Examine o grco de disperso para vericar se existe uma relao entre o tamanho do programa e o tempo gasto em seu desenvolvi-
mento.
Existe uma relao positiva entre estas duas variveis. Quando o tamanho do programa aumenta, o tempo de desenvolvimento
tambm aumenta.
Vrios outliers presentes no grco exigem uma investigao adicional.
Prximo passo
Categorize os valores de dados no grco de disperso usando a varivel Testes.
Anlise Bsica de Dados 53
Examinando a relao entre mltiplas variveis
Adicionar uma varivel de agrupamento a um grco de disperso permite que voc examine a relao entre as duas variveis quantita-
tivas para cada nvel da varivel categrica e visualize o efeito que a varivel categrica tem sobre a resposta.
Construa um grco de disperso usando a varivel Testes como uma varivel de agrupamento, para avaliar o efeito que as avaliaes
de qualidade tm no desenvolvimento do programa.
Editando smbolos
1) Selecione e clique duas vezes nos smbolos do grco.
2) Clique na aba Groups.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Anlise Bsica de Dados 54
Interpretando os resultados
O grco indica que os projetos de tamanhos similares com dois ou trs testes tm menor tempo de desenvolvimento que projetos com
um teste.
Nota: Adicionar uma reta de regresso para cada grupo pode ajudar voc a ver o efeito dos testes de qualidade no tempo de desenvolvimento.
Para fazer isso, clique com o boto direito no grco, e selecione Add > Regression Fit.
Prximo passo
Examine os outliers para determinar se estes pontos representam projetos com caractersticas incomuns.
Anlise Bsica de Dados 55
Selecionando pontos usando a funo Brush
Se os pontos do grco correspondem a uma linha na worksheet, voc pode usar a funo Brush. Esta funo permite que voc destaque
pontos em um grco para investig-los melhor.
A funo Brush transforma o cursor em uma mo apontada e exibe a paleta Brush. Esta paleta, por default, contm o nmero das linhas
dos pontos selecionados. Os pontos selecionados pela funo Brush cam azuis no grco. As linhas da worksheet que correspondem
aos pontos selecionados so marcadas com um smbolo (ponto) preto.
Selecionar dados usando a funo Brush pode ser til para:
Exibir as caractersticas dos outliers
Determinar se pontos que esto em uma mesma regio possuem as mesmas caractersticas
Subdividir dados
Selecione os outliers no grco e determine as datas s quais eles correspondem.
Brush e Set ID Variable
1) Clique com o boto direito do mouse no grco.
2) Selecione Brush.
3) Clique com o boto direito no grco novamente.
4) Selecione Set ID Variables.
5) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK.
6) Selecione os quatro pontos atpicos no grco. Para selecionar mltiplos pontos, pressione a tecla SHIFT enquanto voc sele-
ciona os pontos.
Anlise Bsica de Dados 56
Interpretando os resultados
A paleta Brush aparece no grco, exibindo a linha e a observao associada com cada ponto atpico. Quando voc seleciona um ponto
atpico na janela Brush, o Minitab destaca este ponto no grco.
Os resultados indicam que todas as observaes com tempos de desenvolvimento no usualmente altos ou baixos para seus tamanhos
possuem alguma causa especca.
Para focar na relao entre o tempo de desenvolvimento e o tamanho do projeto, refaa o grco de disperso excluindo as observaes
atpicas.
Prximo passo
Construa um grco de disperso com grupos que exclua os pontos selecionados.
Anlise Bsica de Dados 57
Subdividindo dados exibidos em um grco
A aba Subset em Data Options til para selecionar subconjuntos de dados para que sejam includos ou excludos de um grco sem
que seja necessrio mudar o contedo da worksheet do Minitab.
Linhas especcas podem ser includas ou excludas de um grco, especicando-se:
Linhas que atendem uma condio determinada pelo usurio
Linhas que correspondem aos pontos selecionados pela ferramentas Brush
Nmeros especcos de linhas
Como todos os pontos selecionados por Brush tiveram causas assinalveis, eles podem no representar a relao tpica entre o tempo
de desenvolvimento e o tamanho do projeto. Construa um grco de disperso que exclua os pontos selecionados por Brush.
Data Options
1) Selecione Graph > Scatterplot.
2) Selecione With Groups. Clique em OK.
3) Preencha a caixa de dilogo como mostra a gura abaixo.
4) Clique em Data Options.
5) Selecione Specify which rows to exclude.
6) Select Brushed rows.
7) Clique em OK em cada caixa de dilogo.
Anlise Bsica de Dados 58
Interpretando os resultados
A relao entre o tempo e o tamanho mais fcil de ser visualizada sem os outliers no grco.
Projetos com um teste de qualidade ainda parecem levar mais tempo para um dado tamanho de projeto que aqueles com dois ou trs
testes de qualidade. Adicionando um terceiro teste de qualidade no diminui o tempo de desenvolvimento
.
Anlise Bsica de Dados 59
Consideraes nais
Resumo e concluses
Os grcos de disperso indicam que:
Em geral, existe uma relao linear positiva entre o tempo de desenvolvimento e o tamanho do programa.
Os projetos que tiveram dois ou trs testes tiveram tempos de desenvolvimento menores que os que tiveram apenas um teste.
Foram investigados os pontos que apresentaram comportamento atpico. A ferramenta Brush revelou que os outliers tinham
causas assinalveis que estavam descritas na worksheet.
Consideraes adicionais
Para explorar esta relao mais profundamente, use a anlise de regresso para criar uma equao que ir predizer o tempo de desen-
volvimento baseado no tamanho do programa e no nmero de testes realizados.
Regresso, uma ferramenta analtica includa no Minitab, coberta no curso Estatstica Bsica.
Anlise Bsica de Dados 60
Exerccio D: Processo de uma Indstria Txtil
Problema
Uma indstria txtil est preocupada com o nmero de defeitos no tecido produzido em uma das linhas de produo.
Coleta de dados
Todo ms, durante um perodo de 33 meses, um tcnico de controle de qualidade registra o nmero e o tipo de defeitos encontrados no
tecido. O tcnico classica os defeitos encontrados como: manchas, rasgos, os expostos e perfuraes.
A quantidade de material produzido varia de um ms para o outro.
Instrues
1) Para comparar o nmero total de cada tipo de defeito, construa um grco usando Graph > Bar Chart > Function of a Variable
> Multiple Ys (Simple) e selecione a Funo Soma (Sum). Qual defeito mais prevalente?
2) Usando a Calculadora, crie quatro novas colunas que contenham as taxas de defeitos (tais como defeitos por metro) para cada
tipo de defeito. Construa um grco de sries temporais para cada taxa de defeito ao longo do tempo. Existe alguma estrutura
ou padro nas taxas de defeitos ao longo do tempo?
3) Construa um grco de disperso (Scatterplot) de cada defeito versus a quantidade de material avaliado. O nmero de defeitos
est relacionado com a quantidade de material produzido em um determinado ms?
Arquivo de dados
PROCESSO TXTIL.MTW
Varivel Descrio
Data Ms e ano (Abril de 2003 a Dezembro de 2005)
Qte Material Quantidade de material produzido naquele ms (metros)
Manchas Nmero de manchas
Rasgos Nmero de rasgos
Fios expostos Nmero de os expostos
Perfuraes Nmero de perfuraes
Anlise Bsica de Dados 61
Exerccio E: Correias para Motores Industriais
Problema
Uma empresa fornece correias para motores industriais. O fornecedor possui quatro diferentes tipos de correias (NS-33, NS-91, HS-33,
HS-91). As correias da srie 91 usam um aditivo que impede a corroso, o que as torna mais caras que as correias da srie 33. As cor-
reias HS so projetadas para apresentar uma performance melhor que as correias NS em velocidades mais altas. O fabricante deseja
comparar a peformance de cada tipo de correia.
Coleta de dados
Trabalhando juntamente com seus clientes, o fabricante conduz um estudo do seu processo de fabricao de correias. Para avaliar a
performance, ele solicita aos clientes que registrem o nmero de horas que eles utilizam a correia at que um nvel pr-denido de cor-
roso ocorra.
A velocidade operacional em que as correias so utilizadas tm uma inuncia signicativa em sua vida til. Portanto, os clientes tambm
registram a velocidade mdia (medida em rpm) em que os cintos operam.
Instrues
1) Examine os dados gerados neste estudo e compare a performance dos quatro tipos diferentes de correias.
2) Use um grco de disperso para comparar os diferentes tipos de correias.
Arquivo de dados
CORREIAS.MTW
Varivel Descrio
Tipo de Correia Tipo de correia
Horas Horas de operao at o momento em que a correia apresentou sinais de corroso
Velocidade Velocidade mdia operacional do equipamento (rpm)
Importando e Manipulando Dados
Importando e Manipulando Dados 3
Importar dados de outros programas, incluindo Microsoft Excel
e Access.
Criar e rodar arquivos executveis (Exec) para recriar passos
das anlises.
Construir grcos de Pareto, grcos de barras, grcos de
sries temporais e grcos de pontos (dotplots) para represen-
tar dados.
Usar ferramentas do Minitab para recodicar dados e criar novas
variveis.
Reestruturar dados para realizar anlises no Minitab.
Objetivos
www.minitabbrasil.com.br
Copyright - GLOBAL TECH
O contedo desta apostila, desenvolvida pela Global Tech, encontra-se protegido pela legislao autoral vigente no
Pas e pelas regras internacionais estabelecidas na Conveno de Berna. Desta forma, so vedadas a reproduo,
modicao e distribuio total ou parcial de quaisquer informaes nela contida, a menos que devidamente autorizadas
pela Global Tech. Assim, de responsabilidade do usurio qualquer violao s normas de direitos autorais nacionais
ou internacionais. www.minitabbrasil.com.br
Importando e Manipulando Dados 4
Contedo
Exemplos e Exerccios Objetivos Pgina
Importando e Manipulando Dados
Exemplo 1:
Pagamento de Contas
Importar dados do Microsoft Excel, criar novas categorias,
exibir um Grco de Pareto e criar uma macro simples.
5
Exemplo 2:
Pureza Qumica
Importar dados do Microsoft Excel, reestruturar worksheets,
realizar anlises usando o Sumrio Grco, tabelas de frequ-
ncia Tally Individual Variables) e grco de sries temporais.
26
Exemplo 3:
Tempo Ocioso em um Processo Produtivo
Importar dados do Microsoft Access e exibir grcos de Pare-
to, grcos de barras e dotplots.
39
Exemplo 4:
Novas Solicitaes de Carto de Crdito
Importar dados do Microsoft Acces e analisar dados usando
grcos de sries temporais e scatterplots.
46
Exemplo 5:
Reduzindo Quedas de Idosos
Importar dados do Microsoft Excel e analisar os dados usando
grcos de sries temporais e grcos de Pareto.
58
Exerccio F:
Reclamaes em um Restaurante
Importar dados do Microsoft Excel e analisar os dados usando
tabelas de frequncia e grcos de Pareto.
75
Exerccio G:
Nveis de Dixido de Enxofre
Importar dados do Microsoft Excel, reestruturar worksheets e
analisar os dados usando scatterplots.
76
Importando e Manipulando Dados 5
Importando e Manipulando Dados
Exemplo 1: Pagamento de Contas
Problema
Os gerentes de um centro de treinamento de negcios querem avaliar o tempo que seus clientes levam para pagar suas contas. Em
particular, eles querem estimar o percentual de clientes que pagam suas contas dentro de 30 dias, entre 31 e 60 dias, entre 61 e 90 dias,
e em mais de 90 dias. Eles tambm querem automatizar os passos para importao e anlise dos dados.
Coleta de dados
A companhia est operando h 4,5 anos. As informaes sobre as datas de envio e pagamento das contas neste perodo esto arma-
zenadas no Microsoft Excel.
Ferramentas
Open Worksheet (Excel)
Calculator
Display Descriptive Statistics
Code Data (Numeric to Text)
Pareto Chart
Run an Exec
Arquivo de dados
PAGAMENTO DE CONTAS.XLS
Varivel Descrio
ID Cliente Nmero de identicao associado a cada cliente
Envio Data em que a conta foi enviada
Pagamento Data em que o pagamento foi realizado
Importando e Manipulando Dados 6
Importando dados do Excel
Antes de importar os dados para o Minitab, considere a estrutura do arquivo do Excel:
Os nomes das variveis esto na linha 1.
Os dados comeam na linha 2.
A planilha no possui espaos ou linhas em branco.
Importando e Manipulando Dados 7
Importando dados do Excel
Como os dados esto bem estruturados, voc pode abrir a planilha no Minitab sem fazer modicaes. O Minitab importa os dados para
uma worksheet, colocando a coluna de ttulos e os dados nas clulas apropriadas.
Tipos de arquivos
Quando voc seleciona a opo Open Worksheet, o tipo de arquivo default um projeto ou worksheet do Minitab. Se voc optar por abrir
um projeto ao invs de uma worksheet, o Minitab permite que voc abra uma worksheet daquele projeto. Voc tambm pode abrir vrios
outros tipos de arquivos diretamente no Minitab.
Opes e vizualizaes
Ao abrir arquivos que no so do Minitab, as caixas de dilogo Options e Preview cam habilitadas. Use Options para especicar nomes
e delimitadores de colunas, a linha de onde comear a ler os dados, e qualquer observao faltante em variveis de texto ou numricas a
serem convertidas. Use Preview para ver os nomes das colunas, tipos de dados, e linhas antes do Minitab abrir o arquivo. Voc tambm
pode mudar os nomes das colunas e os tipos de dados em Preview.
Importando e Manipulando Dados 8
Importando dados do Excel
Arquivos do Tipo > Excel
1) Selecione File > New e selecione Minitab Project. Clique em OK.
2) Selecione File > Open Worksheet.
3) Em Arquivos do tipo, selecione Excel (*.xls).
4) Selecione PAGAMENTO DE CONTAS.XLS.
5) Clique em Preview.
6) Clique em OK.
7) Clique em Abrir.
Importando e Manipulando Dados 9
Interpretando os resultados
Examine a worksheet do Minitab para se assegurar de que os dados esto no formato apropriado.
Observe que os dados aparecem no Minitab exatamente como eles estavam no Excel: ou seja, os nomes das variveis aparecem nas
clulas acima dos dados. O Minitab tambm formatou corretamente as colunas 2 e 3 como Data/hora, adicionando um D aps o nmero
da coluna.
Prximo passo
Calcular quanto tempo os clientes levaram para pagar suas contas.
Importando e Manipulando Dados 10
Fazendo clculos
Antes de voc calcular o percentual de clientes que pagam suas contas dentro de um determinado nmero de dias, voc precisa calcular
quantos dias os clientes levaram para pagar suas contas.
Use a Calculadora do Minitab para subtrair a coluna Envio da coluna Pagamento. Este clculo resulta em uma coluna que mostra o
nmero de dias entre essas duas datas.
Calculator
1) Selecione Cal > Calculator.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Importando e Manipulando Dados 11
Interpretando os resultados
A worksheet agora contm uma quarta coluna, Dias, que mostra o nmero de dias entre a data em que a companhia enviou a conta at
a data em que eles receberam o pagamento do cliente.
Prximo passo
Com essa informao, agora voc pode realizar diversas anlises estatsticas e grcas.
Importando e Manipulando Dados 12
Exibindo estatsticas descritivas
Use estatsticas descritivas para resumir importantes caractersticas dos dados. Particularmente, estatsticas descritivas fornecem infor-
maes teis sobre a locao e variabilidade dos dados. Voc tambm pode exibir um histograma que ir fornecer informaes teis
sobre a forma dos dados.
Display Descriptive Statistics
1) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
2) Em Variables, entre com Dias.
3) Clique em Statistics.
4) Preencha a caixa de dilogo como mostra a gura abaixo, e clique em OK:
5) Clique em Graphs. Marque Histogram of data.
6) Clique em OK em cada caixa de dilogo.
Importando e Manipulando Dados 13
Interpretando os resultados
As estatsticas indicam que:
Desde o incio do funcionamento da companhia, 2745 contas foram pagas.
O tempo mdio global para o pagamento de aproximadamente 25 dias, enquanto a mediana de 20 dias. Essas duas estats-
ticas sugerem que a distribuio dos dados de tempo de pagamento de contas mais provavelmente assimtrica direita.
A estatstica do terceiro quartil (Q3) indica que 75% dos clientes pagaram suas contas dentro de 30 dias.
Observe que 66 contas ainda no foram pagas, como indicado pela coluna N*. O Minitab omite esses valores dos clculos. Como essas
informaes no so consideradas nos resultados, a interpretao de algumas estatsticas pode ser viciada.
Nota: Para reduzir o vcio, voc pode substituir os valores faltantes (*) pelo nmero de dias que se passaram desde que a conta foi enviada.
Ento, conduza uma anlise tratando estes valores como censuras, usando as ferramentas de anlise de sobrevivncia do Minitab.
Descriptive Statistics: Dias
Variable N N* Mean StDev Minimum Q1 Median Q3 Maximum
Dias 2745 66 25,204 15,080 10,000 14,000 20,000 30,000 142,000
Variable Range IQR
Dias 132,000 16,000
Importando e Manipulando Dados 14
Interpretando os resultados
O histograma indica que os dados de pagamento so assimtricos direita.
Importando e Manipulando Dados 15
Codicando dados
Lembre-se que os gerentes desejam determinar o percentual de clientes que pagaram suas contas de acordo com as seguintes cate-
gorias:
At 30 dias
Entre 31 e 60 dias
Entre 61 e 90 dias
Mais de 90 dias.
Voc pode usar a funo de codicao de dados do Minitab para criar uma nova coluna de dados que codique a coluna original nestas
novas categorias.
Para codicar valores que so maiores que 90 em uma categoria identicada como Mais de 90, voc deve especicar um limite superior.
Use um nmero fora da amplitude dos dados (como 99.999) para que todos os valores restantes sejam includos.
Voc tambm deve codicar as contas que no foram pagas, atualmente denotadas com um asterisco.
Code Numeric To Text
1) Selecione Data > Code > Numeric to Text.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Importando e Manipulando Dados 16
Interpretando os resultados
Examine a nova coluna Categorias, que descreve o nmero de dias que os clientes levaram para pagar suas contas:
At 30 dias
31 a 60 dias
61 a 90 dias
Mais de 90 dias
No pagou.
Prximo passo
Gere estatsticas descritivas e grcos usando a varivel Categorias.
Importando e Manipulando Dados 17
Usando funes de texto
Voc deseja criar grcos de Pareto separados para cada tipo de cliente: nacional ou internacional. Quando os dados esto no formato
bruto (os defeitos esto armazenados em uma coluna), voc pode especicar uma varivel de classicao (By variable) para criar gr-
cos de Pareto separados. Para criar grcos de Pareto usando a funo By variable, voc deve primeiramente criar uma coluna que
especique se o cliente se o cliente nacional ou internacional.
A Calculadora do Minitab possui muitas funes para manipulao de dados. As funes para dados de texto permitem que voc mani-
pule facilmente este tipo de dado.
O primeiro caractere de cada clula na coluna ID Cliente identica se o cliente nacional (N) ou internacional (I). Use a funo de texto
Left da Calculadora para extrair o texto esquerda de uma identicao e armazenar esse valor em uma nova coluna.
Calculator
1) Selecione Calc > Calculator.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Importando e Manipulando Dados 18
Interpretando os resultados
Agora, a coluna C6 indica se um cliente nacional ou internacional para cada linha dos dados. Esta coluna pode ser usada como uma
varivel de agrupamento para grcos ou anlises que possam ser realizadas usando uma varivel de classicao (By variable).
Prximo passo
Crie um grco de Pareto da coluna Categorias usando a coluna C6 como varivel de agrupamento (By variable).
Importando e Manipulando Dados 19
Criando um grco de Pareto
Voc pode resumir dados de frequncia em um grco de Pareto. Um grco de Pareto um grco de barras com as barras orga-
nizadas em ordem decrescente de frequncia. Uma linha que demonstra o percentual acumulado ajuda voc a avaliar a contribuio
adicionada por cada categoria.
Nota: Voc tambm pode usar o comando Graph > Bar Chart para exibir dados de frequncia. Porm, neste caso, um grco de Pareto fornece
mais informaes que um grco de barras.
Chart defects data in
Selecione esta opo se os dados no esto sumarizados por categoria e frequncia, como neste exemplo.
Use a opo BY variable in para criar mltiplos grcos baseados nos nveis de outra coluna.
Chart defects table
Selecione Chart defects table se os dados j estiverem sumarizados por categoria e frequncia, como nos dados armazenados na work-
sheet do Minitab abaixo:
Pareto Chart
1) Selecione Stat > Quality Tools > Pareto Chart.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Importando e Manipulando Dados 20
Interpretando os resultados
O grco de Pareto exibe a frequncia e os percentuais para as 5 categorias que voc criou na varivel Categorias. Os clientes nacio-
nais e internacionais so similares com relao ao tempo que levam para pagar suas contas, mas observe que existem menos clientes
internacionais que nacionais. A maior parte dos clientes em ambos os grupos paga sua conta em at 30 dias. O percentual acumulado
(Cum%) indica que quase 94% das contas so pagas em 60 dias ou menos.
Observe o nmero de contas que no foram pagas em cada grupo. Voc deve considerar o motivo destas contas no terem sido pagas
e como elas podem afetar os resultados. Por exemplo: A conta no teria sido paga por negligncia do cliente? Ou o cliente no pagou
porque no recebeu a sua conta? Em qual das quatro categorias estas contas que no foram pagas cairiam eventualmente?
Importando e Manipulando Dados 21
Criando um arquivo executvel (Exec)
Voc analisou os dados de pagamento utilizando vrios passos:
Importando dados do Excel
Calculando o nmero de dias entre a data em que a empresa enviou a conta e a data em que o pagamento foi efetuado
Calculando estatsticas descritivas
Codicando os dias em categorias
Extraindo I ou N usando a funo de texto Left da Calculadora
Criando grcos de Pareto
Quando voc precisa realizar uma anlise em uma base regular ou recriar um grco com caractersticas nicas, voc pode automatizar
esta tarefa. No Minitab, voc pode criar uma macro simples, chamada Exec, que permite a voc reproduzir facilmente uma anlise ou
grco.
Enquanto voc conduz as anlises, o Minitab armazena os comandos na pasta History. Voc pode salvar estes comandos como um
arquivo Exec. Uma vez salvo, voc pode executar a Exec e recriar a anlise.
Por exemplo, com os dados do pagamento de contas, voc pode criar um arquivo executvel com os comandos utilizados para realizar
os passos listados acima. Ento, a cada ms, quando voc obter informaes adicionais de pagamentos, voc pode rodar a Exec para
atualizar a anlise. A Exec realiza todos os passos e reproduz a sada da Session e os grcos.
Importando e Manipulando Dados 22
Criando um arquivo executvel (Exec)
Save As
1) Clique em para abrir a pasta History.
2) Selecione todos os comandos na janela History. (Clique e faa uma caixa ao redor deles, ou clique na primeira linha,pressione
a tecla SHIFT e clique na tlima linha.).
3) Clique com o boto direito no texto selecionado e ento selecione Save As.
4) Em Nome do arquivo, digite PagamentoMacro.
5) Em Salvar como tipo, selecione Exec Files (*.MTB).
6) Clique em Save.
Importando e Manipulando Dados 23
Rodando um arquivo executvel (Exec)
Quando voc roda uma Exec, o Minitab realiza automaticamente todos os passos que voc realizou manualmente.
Nota: Os arquivos executveis so editveis na maioria dos programas de processamento ou edio de texto, como Bloco de Notas. Por
exemplo, se voc quiser analisar um novo arquivo do Excel que possui a mesma estrutura dos dados, mas possui um nome diferente, voc
pode abrir a Exec no Bloco de Notas e mudar o nome do arquivo.
Run an Exec
1) Selecione File > New, e ento selecione Minitab Project ou pressione Ctrl + N e selecione Minitab Project. Clique em OK.
2) Selecione File > Other Files > Run a Exec.
3) Clique em Select File.
4) D um duplo clique em PagamentoMacro.MTB.
Importando e Manipulando Dados 24
Interpretando os resultados
Como os dados no mudaram, o grco de Pareto similar ao que exibimos anteriormente.
Nota: Para usar um arquivo executvel, os nomes das colunas devem ser consistentes em suas worksheets, a menos que voc use nmeros
de colunas ao invs de nomes. Alm disso, o caminho e o nome da worksheet devem ser os mesmos.
Importando e Manipulando Dados 25
Consideraes nais
Resumo e concluses
Voc pode usar o Minitab para resumir dados em categorias. O comando de codicao do Minitab converte dados brutos em categorias
separadas, permitindo que voc cosntrua um grco de Pareto para sumarizar os resultados.
Usando os resultados os gerentes podem decidir se a taxa de pagamento das contas satisfatria ou precisa de melhorias
Consideraes adicionais
Durante uma anlise, voc pode examinar resultados grcos e numricos. Mas voc tambm deve considerar variveis adicionais que
podem inuenciar os resultados. Neste exemplo, informaes sobre o cliente, como por exemplo, tipo de conta ou poca do ano, podem
fornecer percepes teis que podem acelerar o pagamento por parte dos clientes.
Importando e Manipulando Dados 26
Importando e Manipulando Dados
Exemplo 2: Pureza Qumica
Problema
Uma empresa que produz um aparelho semicondutor usa uma substncia qumica em uma das operaes de limpeza. As especicaes
para o processo requerem que os lotes devem ter pureza superior a 99,25%. A equipe de qualidade descobre que alguns lotes podem
no atender esse nvel de pureza. Ento, a equipe investiga os dados de uma amostra de lotes para determinar se isso ou no verda-
de.
Coleta de dados
Os funcionrios medem os nveis de pureza dos ltimos 104 lotes recebidos, e entram com as informaes em uma planilha do Microsoft
Excel.
Ferramentas
Importao de dados do Excel
Edio de Worksheet
Stack (Block of columns)
Sort
Graphical Summary
Arquivo de dados
PUREZA QUMICA.XLS
Varivel Descrio
Data Data em que o material foi recebido
ID Lote Nmero de identicao do lote
Pureza Nvel de pureza (%)
Importando e Manipulando Dados 27
Importando dados do Excel
Examine a estrutura dos dados. Observe que os dados esto armazenados em mltiplas tabelas. Assim:
Os dados para cada varivel esto dispersos em mltiplas colunas.
Muitas linhas esto vazias.
Estrutura dos dados no Excel
1) Abra o Excel.
2) Selecione Arquivo > Abrir.
3) Selecione PUREZA QUMICA.XLS. Clique em Abrir.
Importando e Manipulando Dados 28
Importando dados do Excel
Como os dados esto armazenados em uma srie de tabelas, a worksheet requer algumas modicaes aps a importao dos dados
para o Minitab. Voc precisa manipular os dados no Minitab para que eles tenham a seguinte estrutura:
Observe que cada linha representa um nico lote de material. Cada varivel armazenada em uma coluna separada: Data em que o
produto foi recebido (ordenada cronologicamente), nmero de identicao do lote, e o nvel de pureza.
Nota: Voc tambm pode modicar os dados antes de import-los para o Minitab.
Importando e Manipulando Dados 29
Importando dados do Excel
Abrir o arquivo do Excel no Minitab
1) No Minitab, selecione File > New e escolha Minitab Project. Clique em OK.
2) Selecione File > Open Worksheet.
3) Em Arquivos do tipo, selecione Excel (*.xls).
4) Selecione PUREZA QUMICA.XLS.
5) Clique em Options.
6) Preencha a caixa de dilogo como mostra a gura abaixo:
7) Clique em OK.
8) Selecione Preview.
Importando e Manipulando Dados 30
Interpretando os resultados
Examine a janela de vizualizao para conrmar que os dados esto organizados de forma adequada no Minitab. Os nomes das variveis
esto no topo da coluna e a worksheet no contm linhas vazias.
Embora essa estrutura permita que voc importe os dados, a worksheet no est bem estruturada para a anlise; as variveis Data, ID
Lote e Pureza esto dispersas em mltiplas colunas. Voc pode reestruturar a worksheet aps import-la para o Minitab.
9) Clique em OK.
10) Clique em Abrir.
Importando e Manipulando Dados 31
Importando dados do Excel
Examine os dados na worksheet do Minitab. Observe que algumas modicaes devem ser feitas para estruturar os dados adequada-
mente.
Primeiro, delete as linhas que correspondem aos ttulos das tabelas, nas linhas 11, 22 e 33 da planilha. Essas linhas contm valores
faltantes e o nome original ID Lote.
Limpeza do arquivo
1) Selecione a linha 11 na worksheet.
2) Pressione a tecla Delete.
3) Repita os passos 1 e 2 para as linhas 21 e 31.
Prximo passo
Combinar os dados para a mesma varivel em uma nica coluna.
Importando e Manipulando Dados 32
Empilhando dados
Atualmente os dados esto armazenados em conjuntos mltiplos de colunas. Use a funo de empilhamento do Minitab para mover
todos os dados, am de se obter um nico conjunto com trs colunas (Data, ID Lote e Pureza).
Stack Block of Columns
1) Selecione Data > Stack > Block of Columns.
2) Preencha a caixa de dilogo como mostra a gura abaixo. Certique-se de que a opo Use variable names in subscript column
esteja desmarcada.
3) Clique em OK.
Importando e Manipulando Dados 33
Interpretando os resultados
A nova worksheet do Minitab deve conter agora as trs variveis, cada uma em colunas separadas e sem nome. Cada linha corresponde
data de recebimento, ID do lote e nvel de pureza para um lote de soluo de limpeza. A coluna Subscripts indica de qual bloco de
colunas os dados vieram.
Prximo passo
Adicione nomes s colunas e ordene os dados pela coluna Data.
Importando e Manipulando Dados 34
Ordenando os dados
Voc pode usar o comando Sort do Minitab para ordenar os dados em ordem crescente ou decrecente - numericamente, albabeticamen-
te, ou por data. Neste exemplo, ordene os dados pela data, em ordem crescente. Ordenar os dados cronologicamente torna fcil plotar
os dados ao longo do tempo e avaliar a existncia de padres ou tendncias.
Nota: Inclua todas as colunas apropriadas na caixa de dilogo, para preservar a conexo entre as colunas de dados.
Antes de ordenar os dados, digite os nomes das colunas na worksheet e delete a coluna Subscripts, que no necessria neste exem-
plo.
Sort
1) Digite os nomes das colunas na nova worksheet: em C2, digite Data. Em C3, digite ID Lote. Em C4, digite Pureza.
2) Selecione a coluna Subscripts e pressione a tecla DELETE.
3) Selecione Data > Sort.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK.
Importando e Manipulando Dados 35
Interpretando os resultados
Examine os dados na worksheet do Minitab para assegurar que eles esto estruturados corretamente:
A worksheet possui trs colunas.
Uma coluna contm dados de data, ordenados cronologicamente.
Uma coluna contm o nmero de identicao do lote.
Uma coluna contm os valores de pureza.
A datas esto ordenadas em ordem crescente.
Prximo passo
Agora que voc reestruturou os dados, pode comear as anlises.
Importando e Manipulando Dados 36
Exibindo um sumrio grco
Lembre-se que a equipe de qualidade deseja sumarizar as taxas de pureza para os 104 lotes. O sumrio grco do Minitab uma ma-
neira conveniente de se avaliar as caractersticas bsicas dos dados. O sumrio grco contm as seguintes estatsticas:
Histograma
Boxplot
Intervalos de conana para mdia, mediana e desvio-padro
Teste de Normalidade
Estatsticas descritivas
Nota: A maior parte das informaes do sumrio grco tambm podem ser obtidas usando-se Stat > Display Descriptive Statistics e Graph
> Histogram.
Graphical Summary
1) Selecione Stat > Basic Statistics > Graphical Summary.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Importando e Manipulando Dados 37
Interpretando os resultados
O histograma mostra que a distribuio dos dados de pureza assimtrica direita, e indica que o processo est produzindo material
com nvel de qualidade abaixo do mnimo desejado (99,25%).
A pureza mediana para estes lotes 99,19%. Portanto, no mnimo metade dos lotes possui pureza abaixo da especicao de 99,25%.
Essa uma forte evidncia de que o fornecedor no est atendendo s especicaes.
Importando e Manipulando Dados 38
Consideraes nais
Resumo e concluses
A anlise revelou que muitos dos lotes da amostra possuem nveis de pureza abaixo da especicao de 99,25%. A equipe de qualidade
precisa investigar junto ao fornecedor as possveis causas para o baixo nvel de pureza, ou ainda, mudar de forncedor.
Consideraes adicionais
Se voc armazenar seus dados em outro aplicativo e planeja analis-los mais tarde utilizando o Minitab, considere a possibilidade de
estrutur-los de forma que a importao que mais fcil. Antecipar a importao pode eliminar passos subsequentes de manipulao de
dados.
Importando e Manipulando Dados 39
Importando e Manipulando Dados
Exemplo 3: Tempo Ocioso em um Processo Produtivo
Problema
Uma equipe de melhoria de produtividade monitora o tempo ocioso de equipamentos em duas linhas de produo. Eles desejam exibir
um grco de Pareto do tempo de parada, pelo motico de parada, para a linha A.
Coleta de dados
Para cada linha de produo, diariamente, a equipe registra as informaes de tempo ocioso em um formulrio. Ao m do dia, o assisten-
te de produo entra com os dados de ocorrncia de tempo ocioso em um arquivo de dados do Microsoft Access.
Ferramentas
Query Database (ODBC)
Pareto Chart
Arquivo de dados
PRODUO.MDB
Varivel Descrio
ID Identicao do arquivo de dados
Data Data em que ocorreu a parada
Turno Turno em que ocorreu a parada
Linha Linha de produo ( A, B)
Tempo Ocioso Durao da parada (minutos)
Motivo Causa da parada
Importando e Manipulando Dados 40
Importando dados de outras bases
ODBC signica open database connectivity - interface de acesso a bases de dados atravs de consultas SQL. ODBC um protocolo
compartilhado por muitos aplicativos computacionais. Para usar ODBC, voc pode precisar instalar o software ODBC em seu sistema.
Assim, voc poder usar o comando Minitab Query Database (ODBC) para conect-lo a um arquivo de base de dados e importar direta-
mente o subconjunto de dados que voc quer analisar.
Arquivos de bases de dados importados frequentemente tm uma estrutura apropriada de colunas que facilita as anlises no Minitab.
A funo Query Database (ODBC) gera uma linguagem de comandos que pode ser usada para construir Execs, um tipo simples de
macro.
Fonte de dados de arquivo
Use a aba Fonte de dados de arquivo para congurar seus prprios nomes de fontes de dados (DSNs), linkando diretamente a arquivos
de bases de dados que voc normalmente acessa.
Fonte de dados de mquina
Os nomes das fontes de dados (DSNs) exibidos nesta aba so determinadas pelo software e associadas aos drivers ODBC instalados
em seu computador.
Nota: Voc pode usar o comando Query Database (ODBC) para abrir arquivos do Excel, selecionando Excel na aba Fonte de dados de mqui-
na. Usando ODBC, voc pode selecionar a planilha especca do arquivo Excel que voc deseja importar.
Query Database (ODBC)
1) Selecione File > New e escolha Minitab Project. Clique em OK.
2) Selecione File > Query Database (ODBC).
3) Clique na aba Fonte de dados de mquina.
4) Preencha a caixa de dilogo como mostra a gura abaixo.
5) Clique em OK.
6) Clique em OK na caixa de dilogo Logon.
7) Selecione o arquivo PRODUO.MDB;
9) Clique em OK.
Importando e Manipulando Dados 41
Selecionando dados para importao
Na caixa de dilogo Query Database (ODBC), escolha os campos de dados que voc deseja importar para sua worksheet do Minitab.
Available tables
Em Available tables, use a seta para visualizar uma lista de tabelas e redes dentro de seu arquivo de base de dados.
Voc tambm pode usar o menu Available tables para importar os resultados de uma rede j escrita em sua base de dados.
Selecting elds
Clique nos botes das setas na caixa de dilogo para selecionar os campos da base de dados que voc deseja importar. Estes campos
sero colunas em sua worksheet do Minitab.
Use rows
O boto Use rows pemite a voc especicar um subconjunto de dados para importar. A equipe deseja construir um grco de Pareto para
o tempo ocioso da linha A , ento clique no boto Use rows para importar os dados apenas da linha A.
Query Database (ODBC)
1) Em Available tables, selecione Tempo Ocioso.
2) Clique em para mover todos os campos de Available elds para Selected elds.
3) Clique em Use rows e preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK em cada caixa de dilogo.
Importando e Manipulando Dados 42
Interpretando os resultados
Os campos que voc selecionou da base de dados agora so colunas em sua worksheet do Minitab. Os dados importados da Linha A
esto prontos para anlise.
Prximo passo
Construa um grco de Pareto para sumarizar os dados de Tempo Ocioso.
Importando e Manipulando Dados 43
Construindo um grco de pareto
Para resumir e priorizar os dados de frequncia, voc pode exibir um grco de Pareto.
Chart defects data in
Selecione esta opo quando os dados no estiverem sumarizados por frequncia e categoria. Neste exemplo, voc poderia construir
o grco usando a coluna Motivo, mas os resultados mostrariam apenas a frequncia para cada motivo de ociosidade, no o total de
minutos ociosos associados a cada motivo.
Chart defects table
Quando os dados que voc quer mostrar no grco esto em forma de tabela, selecione a opo Charts defect table. Neste exemplo, as
categorias esto armazenadas na coluna Motivo, e os valores de tempo ocioso esto na coluna Tempo Ocioso. Para exibir o grco, o
Minitab soma os minutos ociosos para cada motivo, e ento os organiza da maior para a menor quantidade de tempo ocioso.
Nota: Voc pode selecionar Graph > Bar Chart para exibir um Grco de Pareto usando a funo soma e ordenando as barras em ordem
decrescente dos valores de Y.
Pareto Chart
1) Selecione Stat > Quality Tools > Pareto Chart.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Importando e Manipulando Dados 44
Interpretando os resultados
As barras no grco indicam o total de minutos ociosos para cada categoria (escala esquerda do eixo y) e o percentual do total de tempo
ocioso (escala direita do eixo y). A linha acima das barras indica o percentual acumulado.
O Minitab exibe estas estatsticas para cada tipo de defeito:
Frequncia (neste exemplo, total de tempo ocioso)
Percentual do total representado por cada categoria
Percentual acumulado do total que cada categoria representa
O grco indica que a mudana de turno responsvel por 5.539 minutos do tempo ocioso, ou 41,4% do total de tempo ocioso. Juntos,
os motivos mudana de turno, alinhamento e recalibragem somam 78,8% do tempo ocioso total.
Nota: Por default, o Minitab gera barras para cada tipo de defeito at que o percentual acumulado some 95, e ento agrupa as categorias
restantes em uma barra chamada Other. Voc pode mudar o percentual de corte para a categoria Other, ou optar para que esta categoria no
seja exibida, na caixa de dilogo do Grco de Pareto.
Importando e Manipulando Dados 45
Consideraes nais
Resumo e concluses
O grco de Pareto indica que os trs motivos com maior tempo de ociosidade - mudana de turno, problemas com alinhamento e reca-
libragem - somam quase 80% do tempo ocioso total para a linha A.
Consideraes adicionais
Grcos de Pareto separados para cada combinao de linha e turno poderiam fornecer informaes valiosas sobre o tempo ocioso. Por
exemplo, os motivos que afetam a linha A tambm afetam a linha B?
Avaliar os tempos ociosos individuais para cada motivo pode ajud-lo a entender melhor se o tempo ocioso total para cada um resulta em
frequentes eventos de curta durao ou infrequentes eventos de longa durao. Voc pode explorar melhor este relacionamento com
doplots, boxplots ou outra ferramenta grca.
Importando e Manipulando Dados 46
Importando e Manipulando Dados
Exemplo 4: Novas Solicitaes de Carto de Crdito
Problema
A analista nanceira de uma rede de lojas de departamentos est avaliando o nmero de novas solicitaes de cartes de crdito pro-
cessadas por ms ao longo dos anos de 2001, 2002 e 2003. Ela quer determinar se existe uma tendncia ao longo desses trs anos e
se os dados exibem uma tendncia sazonal ano a ano.
Coleta de dados
Um arquivo de dados do Access contm as informaes de cartes de crdito, incluindo o nmero de novas solicitaes processadas a
cada ms.
Ferramentas
Query Database
Time Series Plot
Extract from Date/Time
Arquivo de dados
SOLICITAO DE CRDITO.MDB
Varivel Descrio
Ms-Ano Ms da solicitao
Total de Solicitaes Nmero de novas solicitaes de cartes de crdito processadas no ms
Importando e Manipulando Dados 47
Importando dados de outras bases
ODBC signica open database connectivity - interface de acesso a bases de dados atravs de consultas SQL. ODBC um protocolo
compartilhado por muitos aplicativos computacionais. Para usar ODBC, voc pode precisar instalar o software ODBC em seu sistema.
Assim, voc poder usar o comando Minitab Query Database (ODBC) para conect-lo a um arquivo de base de dados e importar direta-
mente o subconjunto de dados que voc quer analisar.
Arquivos de bases de dados importados frequentemente tm uma estrutura apropriada de colunas que facilita as anlises no Minitab.
A funo Query Database (ODBC) gera uma linguagem de comandos que pode ser usada para construir Execs, um tipo simples de
macro.
Fonte de dados de arquivo
Use a aba Fonte de dados de arquivo para congurar seus prprios nomes de fontes de dados (DSNs), linkando diretamente a arquivos
de bases de dados que voc normalmente acessa.
Fonte de dados de mquina
Os nomes das fontes de dados (DSNs) exibidos nesta aba so determinadas pelo software e associadas aos drivers ODBC instalados
em seu computador.
Nota: Voc pode usar o comando Query Database (ODBC) para abrir arquivos do Excel, selecionando Excel na aba Fonte de dados de mqui-
na. Usando ODBC, voc pode selecionar a planilha especca do arquivo Excel que voc deseja importar.
Query Database (ODBC)
1) Selecione File > New e escolha Minitab Project. Clique em OK.
2) Selecione File > Query Database (ODBC).
3) Clique na aba Fonte de dados de mquina.
4) Preencha a caixa de dilogo como mostra a gura abaixo.
5) Clique em OK.
6) Na caixa de dilogo Logon, clique em OK.
7) Selecione o arquivo SOLICITAO DE CRDITO.MDB, ento clique em OK.
Importando e Manipulando Dados 48
Selecionando dados para importao
Na caixa de dilogo Query Database (ODBC), escolha os campos de dados que voc deseja importar para sua worksheet do Minitab.
Available tables
Em Available tables, use a seta para visualizar uma lista de tabelas e redes dentro de seu arquivo de base de dados. Neste exemplo,
Carto de Crdito a tabela de dados de interesse.
Voc tambm pode usar o menu Available tables para importar os resultados de uma rede j escrita em sua base de dados.
Selecting elds
Clique duas vezes ou clique nos botes das setas na caixa de dilogo para selecionar os campos da base de dados que voc deseja
importar. Neste exemplo, os nicos campos de interesse so Total de Aplicaes e Ms-Ano. Estes campos sero colunas em sua work-
sheet do Minitab.
Use rows
A opo Use rows pemite que voc importe subconjuntos de dados da tabela. Por exemplo, ao invs de importar os dados para todos os
anos, voc pode importar os dados de um ano especco.
Query Database (ODBC)
1) Em Available tables, selecione Carto de Crdito.
2) Em Available Fields, clique duas vezes em Ms-Ano e Total de Solicitaes.
3) Clique em OK.
Importando e Manipulando Dados 49
Interpretando os resultados
Os campos que voc selecionou da base de dados so agora colunas em sua worksheet do Minitab. Os dados importados j esto
prontos para anlise.
Prximo passo
Construa um grco de sries temporais para os dados agrupados por ano.
Importando e Manipulando Dados 50
Extraindo informaes das colunas de data/hora
Use o comando Extract from Data/Time para extrair e armazenar informaes de data ou hora em outra coluna. Voc pode extrair dados
numricos e de texto.
Para exibir um grco de sries temporais que use diferentes smbolos para cada ano, voc precisa criar uma coluna que contenha
apenas as informaes dos anos
.
Extract from Data/Time
1) Selecione Data > Extract from Data/Time > To Numeric.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Prximo passo
Construa um grco de sries temporais que sobreponha os dados mensais para os trs anos.
Importando e Manipulando Dados 51
Exibindo um grco de sries temporais
Para determinar se existe uma tendncia global nos dados ao longo dos trs anos, construa um grco de sries temporais.
Time Series Plot
1) Selecione Graph > Time Series Plot.
2) Selecione With Groups, e ento clique em OK.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Importando e Manipulando Dados 52
Interpretando os resultados
No parece haver uma tendncia nos dados de aplicaes ao longo dos trs anos. Parece haver variaes sazonais no nmero de novas
solicitaes.
Voc poderia avaliar possveis efeitos sazonais mais facilmente se o eixo x mostrasse o ms e ano ao invs de um ndice (nmero da
linha). Voc pode exibir informaes de uma coluna de data no eixo x.
Prximo passo
Exiba as informaes de data/hora no eixo x.
Importando e Manipulando Dados 53
Rotulando o eixo x
Voc pode editar as propriedades do eixo x. A caixa de dilogo Edit Scale contm muitas opes para personalizar o aspecto de um
grco.
A aba Time fornece vrias maneiras de incluir as informaes de tempo ao longo do eixo x. A opo Calendar permite que voc escolha
unidades de tempo orientadas pelo calendrio (dia, ms, ano e assim por diante) em uma lista. Entre com valores iniciais que corres-
pondam primeira linha dos dados e ento especique o incremento no tempo que ocorre linha a linha na worksheet. Neste exemplo, a
primeira linha de dados corresponde a Janeiro de 2001, e cada linha subsequente na worksheet aumenta de ms em ms.
Edit Scale
1) Clique duas vezes na escala do eixo x.
2) Clique na aba Time.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Importando e Manipulando Dados 54
Interpretando os resultados
O grco agora exibe a informao de data no eixo x; entretanto, exibir os meses adicionais no eixo x seria mais til.
Use a caixa de dilogo Edit Scale para especicar as posies desejadas dos marcadores.
Prximo passo
Especique as posies dos marcadores a cada trs meses.
Importando e Manipulando Dados 55
Especicando as posies dos marcadores
Usando a caixa de dilogo Edit Scale, voc pode congurar as posies dos marcadores usando a opo Start/Increment, ou voc pode
especicar diretamente as posies desejadas para os marcadores.
Quando os intervalos so igualmente espaados, voc pode especicar mais facilmente os valores de incio e o incremento. Neste exem-
plo, os marcadores correspondero ao incio de cada trimestre.
Nota: Para especicar diretamente as posies dos marcadores, voc pode entrar com cada posio. Se os marcadores so igualmente es-
paados, voc tambm poderia especic-los com smbolos. Por exemplo, 1:36/3 especica que os marcadores iro comear em 1 e terminar
em 36, com marcadores a cada 3 unidades.
Edit Scale
1) Clique duas vezes na escala do eixo x.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Importando e Manipulando Dados 56
Interpretando os resultados
O grco agora exibe as informaes de ms e ano nos incrementos desejados. Parece haver possveis tendncias sazonais nos dados.
Em todos os trs anos, Dezembro possui a maior taxa de solicitaes, enquanto Janeiro possui a menor.
Importando e Manipulando Dados 57
Consideraes nais
Resumo e concluses
Voc pode importar facilmente dados armazenados em bases de dados de outros pacotes usando Query Database (ODBC).
O grco de sries temporais indica que:
No existe uma tendncia global de crescimento ou decrescimento nas solicitaes de cartes de crdito ao longo do perodo
de 3 anos
H tendncias sazonais similares a cada ano no nmero de solicitaes processadas.
Consideraes adicionais
A funo Query Database (ODBC) gera linguagem de comandos que voc pode usar em um arquivo executvel (Exec) para importar
dados.
Duas abordagens podem ser usadas para plotar dados ordenados ao longo do tempo:
Use um grco de sries temporais para exibir dados ordenados pelo tempo se os incrementos de tempo so igualmente espa-
ados;
Use um scatterplot para exibir dados ordenados pelo tempo se os incrementos de tempo no so igualmente espaados; voc
precisar criar uma coluna com os dados de data/hora para a varivel do eixo x.
As tendncias sazonais ao longo dos trs anos poderiam ser mais facilmente comparadas se os dados de cada ano fossem plotados
como sries separadas usando o mesmo eixo x (Jan- Dez). Voc pode fazer isso:
Desempilhando os dados e exibindo um grco de sries temporais;
Mantendo a estrutura dos dados e exibindo um scatterplot. Neste caso, ser necessrio extrair dados para criar novas colunas.
Importando e Manipulando Dados 58
Importando e Manipulando Dados
Exemplo 5: Reduzindo Quedas de Idosos
Problema
Uma empresa de cuidados com a sade possui vrios artigos de assistncia sade dos idosos. Os administradores querem reduzir o
nmero de acidentes (quedas) com idosos, pois aproximadamente 50% dos idosos no sobrevivem aos 12 meses depois da queda. Eles
coletaram dados para determinar se as quedas so mais provveis de ocorrerem em momentos particulares do dia.
Coleta de dados
Os administradores reuniram dados das ltimas trs semanas. Eles registraram o nmero de quedas dos idosos a cada intervalo de duas
horas em uma planilha Excel.
Ferramentas
Open Worksheet (Excel)
Stack Blocks
Time Series Plot
Brushing
Extract from Data/Time
Pareto Chart
Arquivo de dados
QUEDAS.XLS
Varivel Descrio
Semana 1 Data e hora da queda
Quedas - Semana 1 Nmero de quedas observadas a cada intervalo de 2 horas
Semana 2 Data e hora da queda
Quedas - Semana 2 Nmero de quedas observadas a cada intervalo de 2 horas
Semana 3 Data e hora da queda
Quedas - Semana 3 Nmero de quedas observadas a cada intervalo de 2 horas
Importando e Manipulando Dados 59
Importando dados do Excel
Examine a estrutura dos dados. Observe que os nomes das colunas esto na linha 5. Alm disso, os dados esto em mltiplas tabelas
ao longo de mltiplas colunas.
Estrutura dos dados no Excel
1) Abra o Excel.
2) Selecione Arquivo > Abrir.
3) Selecione QUEDAS.XLS.
Importando e Manipulando Dados 60
Importando dados do Excel
Use o comando Open Worksheet para importar dados de outros softwares. Uma vez escolhido o arquivo para importar, use Preview e
Options para assegurar que os dados sero importados da forma correta.
Neste exemplo, como os nomes das colunas no esto na primeira linha no vazia, voc deve especicar a linha adequada onde esto
os nomes das colunas usando Options.
Abrir o arquivo do Excel no Minitab
1) No Minitab, selecione File > New, escolha Minitab Project, e ento clique em OK.
2) Selecione File > Open Worksheet.
3) Em Arquivos do tipo, selecione Excel (*.xls).
4) Selecione QUEDAS.XLS, e ento clique em Options.
5) Preencha a caixa de dilogo como mostra a gura abaixo:
6) Clique em OK.
7) Selecione Preview.
Importando e Manipulando Dados 61
Interpretando os resultados
Examine a janela Preview para conrmar que os dados esto organizados adequadamente no Minitab, com os nomes e os tipos das
variveis apropriados, sem nenhuma clula vazia.
Embora os dados estejam prontos para serem importados, a worksheet no est bem estruturada para a anlise, pois as variveis de
interesse (data/hota e nmero de quedas) esto espalhadas em mltiplas colunas. Voc pode reorganizar a worksheet aps importar os
dados para o Minitab.
8) Clique em OK.
9) Clique em Abrir.
Importando e Manipulando Dados 62
Empilhando os dados
Atualmente os dados esto em mltiplos conjuntos de colunas. Empilhe os dados em um conjunto nico de duas colunas (Data e Que-
das).
Subscripts
Voc pode armazenar os nomes das variveis para a primeira coluna em cada bloco como uma nova varivel. Neste exemplo, a coluna
Subscripts indica a semana de coleta dos dados.
Stack Blocks of Columns
1) Selecione Data > Stack > Blocks of Columns.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Importando e Manipulando Dados 63
Interpretando os resultados
A nova worksheet do Minitab contm as duas variveis, Data e Quedas, cada uma em colunas separadas, embora as colunas no es-
tejam nomeadas.
Cada linha corresponde a um perodo de tempo nico de duas horas. A coluna Subscripts indica em qual semana os dados foram cole-
tados, C2 indica o perodo de tempo especco, e C3 indica o nmero de quedas durante o perodo de tempo.
A coluna Data est formatada para exibir os minutos, informao que no necessria nesta anlise. Voc pode formatar a coluna para
exibir somente a data e a hora.
Prximo passo
Adicione nomes s colunas e formate a coluna de datas.
Importando e Manipulando Dados 64
Nomeando e formatando as colunas
Voc pode formatar colunas para mudar o formato no qual valores numricos ou de data/hora aparecem na worksheet. Neste exemplo,
mude o formato da coluna Data para exibir o ms, dia, e ano (com dois dgitos) com a hora em formato 24 horas.
Nomear e Formatar Colunas
1) Digite os nomes das colunas na nova worksheet: Em C2 digite Data; em C3 digite com Quedas. Em C1, mude o nome Subs-
cripts para Semana.
2) Clique em qualquer parte da coluna C2.
3) Clique com o boto direito e selecione Format Column > Data/Time.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK.
Importando e Manipulando Dados 65
Exibindo um grco de sries temporais
Como os dados de quedas foram coletados ao longo do tempo, use um grco de sries temporais para investigar qualquer padro ao
longo do tempo.
O grco de sries temporais exibe os dados medidos no eixo y versus uma escala de tempo no eixo x. Para exibir os dados corretamen-
te, voc precisa ter intervalos de tempo igualmente espaados organizados cronologicamente na worksheet.
Time/Scale
Dados ordenados pelo tempo so frequentemente coletados em intervalos xos, mas nem sempre. Se os dados no tiverem sido coleta-
dos em intervalos iguais de tempo, construa um grco de disperso em vez de um grco de sries temporais.
Use a opo Time/Scale para exibir os rtulos do eixo x com as informaes de data/hora.
Neste exemplo, plote o nmero de quedas com os rtulos de data/hora encontrados na coluna Data.
Time Series Plot
1) Selecione Graph > Time Series Plot.
2) Selecione Simple, e ento clique em OK.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em Time/Scale.
5) Selecione Stamp. Em Stamp columns, entre com Data.
6) Clique em OK em cada caixa de dilogo.
Importando e Manipulando Dados 66
Interpretando os resultados
O grco de sries temporais mostra que alguns perodos de tempo tiveram taxas de queda mais altas, enquanto muitos outros tiveram
taxas baixas ou iguais a zero. Como voc deseja saber quando mais provvel de ocorrer uma queda, investigue os pontos especcos
que representam altas taxas de quedas.
Prximo passo
Usando a Funo Brush, selecione os pontos correspondentes aos perodos com altas taxas de quedas.
Importando e Manipulando Dados 67
Selecionando pontos usando a funo Brush
Voc pode selecionar pontos em um grco usando a funo Brush, para realizar investigaes adicionais sobre esses pontos.
Nota: Com a funo Brush, voc s pode selecionar pontos que representem uma nica linha na worksheet. Voc no pode usar a funo
Brush em histogramas, grcos de barras, boxplots, ou grcos de setores, pois nestes grcos os pontos so baseados em clculos que
envolvem mais de uma linha.
A paleta da funo Brush identica o nmero da linha do ponto selecionado, e exibe tambm o contedo de qualquer coluna que voc
especicar como uma varivel ID. Selecione os pontos mais altos no grco de sries temporais para investigar em qual perodo de
tempo eles ocorreram.
Set ID Variables
1) Clique com o boto direito em qualquer parte do grco de sries temporais. Selecione Brush.
2) Clique com o boto direito novamente. Selecione Set ID Variables.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
5) Clique e arraste o cursor para formar um retngulo em torno do ponto de interesse:
Importando e Manipulando Dados 68
Interpretando os resultados
Os perodos de tempo com maior nmero de quedas parecem estar no incio da manh. Para investigar o dia da semana em que essas
quedas ocorreram, extraia a informao de dia da semana da coluna de data, e ento adicione-a como uma varivel ID.
Prximo passo
Extraia a informao do dia da semana e adicione-a funo Brush
Importando e Manipulando Dados 69
Extraindo informaes de colunas de Data/Hora
Para investigar se as quedas tendem a ocorrer mais frequentemente em dias especcos da semana, crie uma coluna identicando o dia
da semana. Use o comando Extract from Date/Time para obter esta informao a partir da coluna Data.
Extract from Date/Time
1) Selecione Data > Extract from Date/Time > To Text.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
4) Clique com o boto direito no grco e selecione Set ID Variables.
5) Em Variables, entre com Data e Dia.
6) Clique em OK.
Importando e Manipulando Dados 70
Interpretando os resultados
Quatro dos seis mais altos perodos de queda ocorreram no incio das manhs de sexta-feira. Se selecionarmos apenas os quatro pontos
mais altos, podemos observar que todos eles ocorrem s sextas-feiras pela manh.
Prximo passo
Extraia a informao de hora para construir um grco de Pareto de todas as horas de ocorrncia das quedas.
Importando e Manipulando Dados 71
Extraindo informaes de dados de data/hora
Para exibir um grco que sumarize os dados de quedas por hora, voc precisa separar as informaes de hora dos dados. Use o co-
mando Extract from Date/Time para criar uma coluna contendo apenas a hora de cada queda ocorrida.
Extract from Date/Time
1) Selecione Data > Extract fraom Date/Time > To Numeric.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Prximo passo
Construa um grco de Pareto para as horas das quedas em ordem decrescente de frequncia.
Importando e Manipulando Dados 72
Exibindo um grco de Pareto
Grcos de Pareto so grcos de barras com as barras organizadas em ordem decrescente de frequncia. Ordenando as barras da
maior para a menor, um grco de Pareto pode ajudar voc a determinar onde a maior parte dos problemas ocorrem. Uma linha de por-
centagem acumulada ajuda voc a avaliar a contribuio adicional de cada categoria para o total.
Charts defects table
A opo Charts defects table soma o nmero de quedas para cada valor na coluna de hora.
Pareto Chart
1) Selecione Stat > Quality Tools > Pareto Chart.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Importando e Manipulando Dados 73
Interpretando os resultados
As barras no grco indicam o nmero de quedas para cada perodo de tempo (escala esquerda do eixo y) e as porcentagens do total
de quedas (escala direita do eixo y). A linha acima das barras indica os percentuais acumulados.
Este grco de Pareto indica que:
Do total de quedas registradas, 53% ocorreram no perodo das 4 horas da manh.
Aps o perodo de 2 e 4 horas da manh, o prximo perodo com maior frequncia de quedas ocorre s 18:00.
As ocorrncias de quedas nos perodos de 04:00, 02:00 e 18:00 somam 88,8% das quedas registradas.
Nota: Voc tambm pode exibir um grco de Pareto das quedas por dia da semana para investigar as causas associadas pelos dias.
Importando e Manipulando Dados 74
Consideraes nais
Resumo e concluses
A anlise dos administradores mostra que a maioria das quedas ocorrem no perodo da manh das sextas-feiras. Com ajuda dos funcio-
nrios, os administradores podem tentar entender o motivo que leva estes perodos a terem uma maior taxa de quedas que os outros, e
ento estabelecer procedimentos para reduzir o nmero de quedas.
Importando e Manipulando Dados 75
Exerccio F: Reclamaes em um Restaurante
Problema
Para melhorar a satisfao dos clientes, gerentes de um restaurante localizado em um hotel desejam avaliar dados associados s recla-
maes dos clientes e identicar suas potenciais causas.
Coleta de dados
De 27/11/2000 a 14/02/2001, os gerentes registraram informaes sobre reclamaes dos clientes, incluindo o tipo de reclamao, data
da recalamao, turno em que a reclamao ocorreu, equipe de garons e gerente que estavam em servio no momento da reclama-
o.
Instrues
1) Importe os dados do Excel e os examine.
2) Usando o comando Tally, identique qual a reclamao mais frequente. Houve erros nos registros dos dados?
3) Construa um Grco de Pareto (usando Chart defects data in).
4) O tipo e a frequncia das reclamaes difere para os dois turnos?
5) As reclamaes parecem depender da equipe de garons e do gerente em servio?
6) Existem combinaes especcas de Turno, Equipe de Garons e Gerente que levam a reclamaes frequentes?
Arquivo de dados
RECLAMAES.XLS
Varivel Descrio
Reclamaes Tipo de reclamao (Carne mal passada, Qualidade ruim, Demora nos servios,
Preo alto, Erro no pedido)
Data Data da reclamao
Turno Turno em que a reclamao ocorreu (Almoo, Jantar)
Equipe de garons Equipe que estava em servio na hora da reclamao (A ou B)
Gerente Gerente em servio na hora da reclamao(Joo, Roberto)
Importando e Manipulando Dados 76
Exerccio G: Nveis de Dixido de Enxofre
Problema
Os engenheiros de uma fbrica de bebidas querem examinar a variao nos nveis de SO
2
em diferentes tempos de amostragem para
diferentes tanques de processamento e diferentes ensaios de produo.
Coleta de dados
Durante 9 dias de produo, operadores usaram 6 tanques de processamento para produzir uma bebida. Cada tanque congurado
com um nvel de SO
2
de 500 partes por milho (ppm). Os operadores medem os nveis de SO
2
em quatro diferentes tempos. Devido a
complicaes no processo, eles no podem coletar sempre todas as 4 medidas.
Instrues
1) Abra o arquivo DIOXIDO.XLS.
Nota: As linhas em branco no Excel separam os ensaios da produo; clique em Options e marque Ignore blank data rows. Clique em Preview
para mudar a coluna Tempo 4 (C7) de texto para numrica.
Agora que os dados foram devidamente importados, empilhe os dados em uma nova worksheet.
2) Empilhe os dados de SO
2
em uma coluna nica e amazene em uma worksheet separada (Data > Stack > Blocks of Colu-
mns).
Nota: Empilhe os blocos de Tempo, Tanque e Data, e ento codique a coluna subscripts de texto para numrico. Por exemplo, codique
Tempo 1 como 1.
Agora que os dados esto devidamente formatados, construa um grco de disperso simples para comparar a variao ao longo dos
diferentes tanques, tempos e ensaios.
3) Construa um grco de disperso dos nveis de SO
2
versus tempo.
Nota: Use Graph > Scatterplot > With Connect and Groups para agrupar pela varivel Ensaio. Use Data como uma varivel categrica. Crie
painis para as variveis Tanque, assim voc poder comparar todos os tanques em uma pgina.
4) Quo consistente so os nveis de SO
2
ao lngo dos 4 tempos de medio, dos 6 tanques e dos 9 dias de produo?
5) Qual a maior fonte de variao?
Arquivo de dados
DIXIDO.XLS
Varivel Descrio
Data Data da realizao do ensaio
Tanque Tanque de processamento (H1, H2, H4, H9, H10, H11)
Nvel de SO
2
xo O nvel de SO
2
que foi xado em 500 ppm
Tempo 1 Nvel de SO
2
no Tempo 1
Tempo 2 Nvel de SO
2
no Tempo 2
Tempo 3 Nvel de SO
2
no Tempo 3
Tempo 4 Nvel de SO
2
no Tempo 4
Inferncia Estatstica e Teste t
Inferncia Estatstica e Teste t 3
Avaliar a diferena entre uma mdia (populacional) e um valor
alvo usando um teste t para 1 amostra e intervalos de con-
ana;
Avaliar o poder de um teste de hipteses usando anlise de
poder;
Testar a diferena entre duas mdias populacionais usando um
teste t para 2 amostras;
Testar a diferena entre observaes pareadas usando um teste
t pareado.
Objetivos
www.minitabbrasil.com.br
Copyright - GLOBAL TECH
O contedo desta apostila, desenvolvida pela Global Tech, encontra-se protegido pela legislao autoral vigente no
Pas e pelas regras internacionais estabelecidas na Conveno de Berna. Desta forma, so vedadas a reproduo,
modicao e distribuio total ou parcial de quaisquer informaes nela contida, a menos que devidamente autorizadas
pela Global Tech. Assim, de responsabilidade do usurio qualquer violao s normas de direitos autorais nacionais
ou internacionais. www.minitabbrasil.com.br
Inferncia Estatstica e Teste t 4
Contedo
Exemplos e Exerccios Objetivos Pgina
Testes de Hipteses e Intervalos de Con-
ana
Exemplo 1:
Enchendo Caixas de Cereal
Avaliar a diferena entre uma mdia e um valor alvo usando um
teste t para 1 amostra.
5
Poder e Tamanho de Amostra
Exemplo 2:
Avaliando o Poder
Avaliar o poder de um teste t. 19
Teste t para 1 Amostra
Exemplo 3:
Aumentando o Poder
Demonstrar o efeito do tamanho de amostra no poder. 29
Exerccio H:
Detectando Mudanas em Dimetros de
Rolamentos
Determinar tamanhos de amostras e diferenas detectveis em
testes t. Avaliar a diferena entre uma mdia e um alvo.
36
Exerccio I:
Investigando a Qualidade do Fornecedor
Determinar o poder de um teste t para um dado tamanho de
amostra. Avaliar a diferena entre uma mdia e um alvo.
37
Poder e Tamanho de Amostra para Teste t
para 2 Amostras
Exemplo 4:
Tamanho de Amostra para Comparao de
Fornecedores
Determinar o tamanho de amostra necessrio em um teste t
para 2 amostras independentes.
38
Exemplo 5:
Resistncia de Plsticos
Avaliar a diferena entre mdias usando um teste t para 2
amostras independentes.
44
Exerccio J:
Altura do nodo
Determinar o tamanho de amostra necessrio em um teste t
para 2 amostras independentes. Usar o teste para avaliar as
diferenas entre mdias.
55
Teste t Pareado
Exemplo 6:
Estacionando Carros
Avaliar a diferena entre observaes pareadas usando um tes-
te t pareado.
56
Exerccio K:
Comparando Instrumentos de Medio
Avaliar a diferena entre observaes pareadas usando um tes-
te t pareado. Determinar o poder de um teste t pareado.
64
Inferncia Estatstica e Teste t 5
Testes de Hipteses e Intervalos de Conana
Exemplo 1: Enchendo Caixas de Cereal
Problema
Um fabricante de cereais deseja determinar se o processo de enchimento das caixas encontra-se no alvo. O alvo para o peso das caixas
de cereais 365 gramas.
Coleta de dados
Os engenheiros selecionaram 6 caixas de cereais aleatoriamente, pesaram, e usaram os dados amostrais para estimar a mdia popu-
lacional (a mdia do processo).
Ferramentas
1-Sample t
Normality Test
Arquivo de dados
CEREAL.MPJ
Varivel Descrio
Peso da caixa Peso da caixa de cereais (em gramas)
Inferncia Estatstica e Teste t 6
Teste de hipteses
O que um teste de hipteses
Um teste de hipteses utiliza dados amostrais para testar uma hiptese sobre a populao da qual a amostra foi obtida. O teste t para
uma amostra um dos muitos procedimentos disponveis para teste de hipteses no Minitab.
Por exemplo, suponha que desejamos testar se o comprimento mdio de chapas de ao igual ao comprimento desejado. O procedi-
mento envolve medir um determinado nmero de chapas e usar o comprimento mdio dessas chapas amostradas para estimar o com-
primento mdio da populao de chapas. Isso um exemplo de inferncia estatstica: o uso de informaes sobre uma amostra para
fazer inferncias sobre uma populao.
Quando usar um teste de hipteses
Use um teste de hipteses para fazer inferncias sobre uma ou mais populaes quando os dados amostrais estiverem disponveis.
Por que usar um teste de hipteses
Testes de hipteses podem ajudar a responder a perguntas tais como:
O processo est corretamente centrado?
O produto de um fornecedor melhor do que o produto de outro?
Existem diferenas entre grupos de tratamento no experimento?
Por exemplo:
A largura mdia do jornal possui as desejadas 8,5 polegadas de largura?
A queima do combustvel de um fornecedor polui menos que a queima do combustvel de outro fornecedor?
Os clientes preferem uma frmula de refrigerante em relao outra?
Inferncia Estatstica e Teste t 7
Teste t para uma amostra
O que um teste t para uma amostra
Use um teste t para uma amostra para a determinar se (a mdia da populao) igual a um valor hipottico (a mdia de teste, tambm
chamada de valor alvo).
O teste usa o desvio-padro amostral para estimar s (o desvio padro populacional). Se a diferena entre a mdia amostral e a mdia
hipottica grande em relao variabilidade dentro da amostra, ento improvvel que seja igual mdia de teste.
Quando usar um teste t para uma amostra
Usamos um teste t para uma amostra quando temos dados contnuos, vindos de uma nica amostra aleatria.
O teste pressupe que a populao seja normalmente distribuda. Entretanto, ele bastante robusto a pequenas violaes desta supo-
sio, desde que as observaes sejam coletadas aleatoriamente e os dados sejam contnuos, unimodais e razoavelmente simtricos
(veja Box, Hunter & Hunter [1978]. Statistics for Experimenters, John Wiley and Sons, Inc.)
Porque usar um teste t para uma amostra
Um teste t para uma amostra pode nos ajudar a responder a perguntas tais como:
Um processo est dentro do valor nominal?
O produto de um fornecedor atende s especicaes?
Por exemplo:
A largura mdia das lminas de barbear est acima ou abaixo do valor alvo?
A resistncia mdia dos parafusos do fornecedor inferior ao mnimo requerido?
Inferncia Estatstica e Teste t 8
Teste de Normalidade
O teste estatstico apropriado para os dados dos pesos das caixas de cereais o teste t para uma amostra. Este teste pressupe que a
populao normalmente distribuda.
Use um teste de normalidade para determinar se a suposio de normalidade vlida para estes dados.
1) Abra o projeto CEREAL.MPJ.
2) Selecione Stat > Basic Statistics > Normality Test.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Inferncia Estatstica e Teste t 9
Interpretando os resultados
Use o grco de probabilidade normal para vericar se os dados no esto se desviando, de forma signicativa, de uma distribuio
normal.
Se os dados provm de uma distribuio normal, os pontos seguiro, a grosso modo, a reta de referncia.
Se os dados no provm de uma distribuio normal, os pontos no seguiro a reta.
Teste de normalidade de Anderson-Darling
As hipteses do teste de normalidade de Anderson-Darling so:
H
0
: Os dados provm de uma populao normalmente distribuda
H
1
: Os dados no provm de uma populao normalmente distribuda
O p-valor do teste de Anderson-Darling (0,599) avalia a probabilidade dos dados serem provenientes de uma populao normalmente
distribuda. Usando um nvel de signicncia 0,05, no h evidncia suciente para sugerir que os dados no vm de uma populao
normal.
Concluso
Com base no grco e no teste, razovel supor que os dados no se desviam de forma substancial de uma distribuio normal.
Prximo passo
Realize um teste t.
Inferncia Estatstica e Teste t 10
Testando a Hiptese Nula
Os fabricantes desejam determinar se o peso mdio para o processo de embabalgem difere signicativamente do peso alvo de 365
gramas. Em termos estatsticos, a mdia do processo chamada de mdia populacional, ou (mi).
Hipteses estatsticas
Existem duas possibilidades: ou igual a 365 ou no . Essas alternativas podem ser declaradas como duas hipteses:
A hiptese nula (H
0
): igual a 365 gramas.
A hiptese alternativa (H
1
): no igual a 365 gramas.
Uma vez que no vivel medir cada caixa na populao, nunca poderemos saber com certeza qual hiptese correta. Contudo, um
teste de hipteses apropriado pode nos ajudar a dar um palpite com um certo grau de certeza. Para esses dados, o teste apropriado
o teste t para uma amostra.
1-Sample t
1) Selecione Stat > Basic Statistics > 1-Sample t.
2) Preencha a caixa de dialogo como mostra a gura abaixo.
3) Clique em OK.
Inferncia Estatstica e Teste t 11
Interpretando os resultados
A lgica do teste de hipteses
Todos os testes de hipteses seguem as mesmas etapas:
1. Pressupomos que H
o
verdadeira;
2. Determinamos quo diferente a amostra do que esperaramos, dado que H
o
verdadeira;
3. Se a amostra for sucientemente improvvel, dado que H
o
verdadeira, rejeitamos H
o
.
Por exemplo, os resultados indicam que a mdia da amostra 366,705 gramas. Assim, o teste responder a questo: Se igual a
365, qual a probabilidade de se obter uma amostra com uma mdia de 366,705 (ou at menor) ? A resposta dada como um Valor-P,
que para este teste igual a 0,143.
One-Sample T: Peso da caixa
Test of mu = 365 vs not = 365
Variable N Mean StDev SE Mean 95% CI T P
Peso da caixa 6 366,705 2,403 0,981 (364,183; 369,226) 1,74 0,143

Inferncia Estatstica e Teste t 12
Interpretando os resultados
Tomando uma deciso
Para tomar uma deciso, precisamos escolher o nvel de signicncia (alfa), antes de executar o teste:
Se o p-valor menor ou igual a , rejeitamos H
o
.
Se o p-valor maior do que , no rejeitamos H
o
. (Tecnicamente, nunca aceitamos H
0
; simplesmente falhamos em rejeit-la).
Um valor tpico para 0,05, mas possvel escolher valores maiores ou menores dependendo da sensibilidade requerida para o teste
e das conseqncias de rejeitar incorretamente a hiptese nula. Assumindo que escolhemos um nvel de 0,05 para os dados de peso
da caixa de cereais, no haveria evidncias sucientes para rejeitar H
o
. Valor-P = 0,143 maior do que .
One-Sample T: Peso da caixa
Test of mu = 365 vs not = 365
Variable N Mean StDev SE Mean 95% CI T P
Peso da caixa 6 366,705 2,403 0,981 (364,183; 369,226) 1,74 0,143
Inferncia Estatstica e Teste t 13
Intervalos de conana
O que um intervalo de conana
Um intervalo de conana uma faixa de valores provveis para um parmetro de populao (tal como ) que se baseia em dados de
uma amostra. Por exemplo, num intervalo de 95% de conana para , tem-se 95% de conana de que o intervalo contm .
Quando usar um intervalo de conana
Use um intervalo de conana para fazer inferncias sobre uma ou mais populaes a partir dos dados de amostra ou para quanticar
a preciso da estimativa de .
Por que usar um intervalo de conana
Intervalos de conana podem ajudar a responder as mesmas questes que um teste de hipteses:
O valor de o valor nominal?
Quo elevado pode ser o erro da estimativa de ?
Quo maior ou menor pode ser?
Pode-se utilizar intervalos de conana para se obter concluses sobre um teste de hipteses:
O valor testado pertence ao IC: no rejeita-se H
o
.
O valor testado no pertence ao IC: rejeita-se H
o
.
Inferncia Estatstica e Teste t 14
Usando o intervalo de conana
Utilizamos um teste de hipteses para determinar se a mdia do peso da caixa de cereais era diferente de 365 gramas. Pode-se usar
tambm um intervalo de conana para avaliar essa diferena.
Os resultados da janela Session para 1-Sample t incluem valores para as extremidades do intervalo de 95% de conana. Podemos obter
uma representao grca do intervalo selecionando Individual value plot na subcaixa de dilogo Graphs.
1-Sample t - Graphs
1) Selecione Stat > Basic Statistics > 1-Sample t, ou pressione Ctrl+E.
2) Clique em Graphs.
3) Complete a caixa de dialogo como mostra a gura abaixo:
4) Clique em OK em cada caixa de dilogo.
Inferncia Estatstica e Teste t 15
Interpretando os resultados
Intervalo de conana
O intervalo de conana uma faixa de valores provveis para . Ele mostrado gracamente como uma linha azul abaixo do Individual
Value Plot.
Um intervalo de conana de 95% por que, se selecionarmos 100 amostras da mesma populao, os intervalos para cerca de 95% das
amostras incluiriam . Assim, para qualquer amostra, podemos ter uma conana de 95% de que o intervalo de conana engloba .
Nota: Um intervalo de conana no representa 95% dos dados; este um erro conceitual comum.
Inferncia Estatstica e Teste t 16
Interpretando os resultados
Teste de hipteses
O marco central representa a mdia da amostra e o ponto vermelho, denominado de H
o
, representa a mdia do teste (365). Pode-se usar
o intervalo de conana para testar a hiptese nula:
Se H
o
estiver fora do intervalo, o Valor-P para o teste de hipteses ser menor que 0,05. Pode-se rejeitar a hiptese nula ao nvel
a de 0,05.
Se H
o
estiver dentro do intervalo, o Valor-P ser maior que 0,05. No se deve rejeitar a hiptese nula ao nvel a de 0,05.
Uma vez que H
0
cai dentro do intervalo de conana, no se deve rejeitar a hiptese nula. No h evidncias sucientes para concluir
que no 365 gramas, ao nvel de signicncia de 0,05.
Inferncia Estatstica e Teste t 17
Consideraes Finais
Resumo e concluses
Com base nos dados da amostra, no se pode rejeitar a hiptese nula ao nvel de 0,05. No h evidncias sucientes para sugerir que
o peso mdio da caixa de cereais difere de 365 gramas.
Assim como o teste t, o intervalo de 95% de conana no fornece evidncia suciente para rejeitar a hiptese nula de que a mdia dos
pesos das caixas diferente de 365 gramas.
Consideraes adicionais
Hipteses:
Um teste de hipteses sempre comea com duas hipteses opostas:
A hiptese nula (H
o
):
Geralmente declara que alguma propriedade de uma populao (como a mdia, por exemplo) no diferente de um valor espe-
cicado, ou de outra populao;
considerada verdadeira at que sejam coletadas evidncias sucientes do contrrio;
Nunca aceita, simplesmente fala-se em no rejeit-la.
A hiptese alternativa (H
1
):
Declara que a hiptese nula est incorreta;
Tambm pode especicar a direo da diferena.
Nvel de signicncia
Escolha o nvel de signicncia antes de executar um teste:
O aumento de amplia as chances de detectar uma diferena (e assim, o poder); mas tambm aumenta as chances de rejeitar
H
0
quando, de fato, ela verdadeira (erro tipo I);
A reduo de reduz as chances de cometer um erro tipo I, mas tambm reduz as chances de detectar uma diferena (reduz o
poder de teste).
Inferncia Estatstica e Teste t 18
Consideraes Finais
Consideraes adicionais
Suposies
Cada teste de hipteses baseia-se em uma ou mais suposies sobre os dados que esto sendo analisados. Se estas suposies no
forem satisfeitas, as concluses podem no ser corretas.
Quando utilizamos um teste t para uma amostra:
A amostra deve ser aleatria;
Os dados da amostra devem ser contnuos;
Os dados da amostra devem ser normalmente distribudos.
O teste t bastante robusto a pequenas violaes da suposio de normalidade, desde que as observaes tenham sido coletadas
aleatoriamente e os dados sejam contnuos, unimodais e razoavelmente simtricos.
Intervalos de conana
O intervalo de conana uma faixa de valores provveis para (ou outro parmetro populacional).
Pode-se executar um teste de hipteses bilateral (a hiptese alternativa ) usando um intervalo de conana. Por exemplo, se o valor
de teste no est contido no intervalo de 95% de conana, deve-se rejeitar H
0
para um nvel de signicncia de 0,05. Da mesma forma,
se um intervalo de 90% de conana for construdo e ele no contm a mdia de teste, deve-se rejeitar H
0
para um nvel de signicncia
de 0,10.
Inferncia Estatstica e Teste t 19
Poder e Tamanho de Amostra
Exemplo 2: Avaliando o Poder
Problema
Os engenheiros esto preocupados com os resultados da anlise de pesos de enchimento, devido ao seu pequeno tamanho amostral.
Eles decidem conduzir uma anlise de poder para determinar se coletaram amostras sucientes para detectar uma diferena.
Eles querem certicar-se de que a mdia do processo no difere do alvo de 365 gramas em mais de 2,5 gramas.
Coleta de dados
Os engenheiros baseiam a anlise de poder nos resultados do teste t do Exemplo 1.
Ferramentas
Power and Samplo Size - 1-Sample t
Arquivo de dados
Nenhum
Inferncia Estatstica e Teste t 20
Anlise de poder
O que anlise de poder
O poder a capacidade de um teste detectar um efeito quando este existir. Ao se executar um teste de hipteses, existem quatro resul-
tados possveis:
Hiptese nula
Deciso Verdadeira Falsa
No rejeitar Deciso Correta (Conana)
p = 1 -
Erro tipo II
p =
Rejeitar Erro tipo I
p =
Deciso Correta (Poder)
p = 1 -
O poder do teste a probabilidade de que a rejeio da hiptese nula esteja correta, dado que a hiptese nula falsa. Podemos usar
uma anlise de poder para determinar quanto poder tem um teste existente ou para ajudar a projetar um novo teste, de modo que este
tenha o poder adequado.
Quando usar anlise de poder
Use uma anlise de poder quando estiver planejando um experimento ou aps executar um teste de hipteses. No so necessrios
quaisquer dados. Ser preciso estimar (exceto para testes de proporo).
Por que usar anlise de poder
Uma anlise de poder pode ajudar a responder perguntas como:
Qual tamanho de amostra devo coletar para a anlise?
O tamanho da amostra grande o bastante?
Qual o tamanho de diferena que o teste capaz de detectar?
Os resultados do teste so conveis?
Por exemplo:
Quantas amostras precisamos coletar para determinar se o papel de um fornecedor mais espesso do que o de outro em 0,0038
cm?
Qual o tamanho da diferena que seria detectada entre as mdias das resistncias de vigas de ao e uma mdia histrica ba-
seada em 8 amostras?
Podemos conar nos resultados de um teste t que indique que as resistncias de duas formulaes de cola no se diferem?
Inferncia Estatstica e Teste t 21
Determinando as diferenas de parmetros
Valores
Para estimar o poder, voc deve especicar os valores para quaisquer dois dos parmetros de teste a seguir. O Minitab calcular o
parmetro que falta:
Sample sizes (Tamanhos da amostra) - nmero de observaes na amostra.
Diferences (diferenas) - um deslocamento signicativo em relao ao alvo que voc est interessado em detectar com uma
probabilidade elevada.
Power values (Valores de poder) - o poder (probabilidade de se rejeitar H
o
quando esta for falsa) que voc gostaria que o teste
tivesse.
Diferenas
Para determinar se uma diferena signicativa, determine o valor do deslocamento que ser considerado inaceitvel na medida do
parmetro.
Neste exemplo, considere:
Os dados so provenientes de uma populao normalmente distribuda;
Os limites de especicao so 360 e 370.
O grco abaixo ilustra um deslocamento de 2,5 gramas direita do alvo. Se tal deslocamento ocorrer, o nmero de defeitos acima do
limite superior de especicao de 370 seria inaceitvel.
Inferncia Estatstica e Teste t 22
Determinando o poder
Usando a anlise de poder, avalie o quanto voc pode conar nos resultados da anlise de pesos de enchimento do exemplo anterior.
Valores
Se voc digitar mais do que um valor para um parmetro, o Minitab executar clculos separados para cada valor dado.
Desvio padro
Uma vez que o poder de um teste parcialmente determinado pela variabilidade dos dados, preciso fornecer uma estimativa do desvio-
padro dos dados. Use uma estimativa histrica ou o desvio-padro amostral.
Para os dados dos cereais, o desvio padro (2,403) vem dos resultados do teste t.
Power and Sample Size for 1-Sample t
1) Selecione File > New, ento selecione Minitab Project e clique em OK.
2) Selecione Stat > Power and Sample Size > 1-Sample t.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Inferncia Estatstica e Teste t 23
Interpretando os resultados
Com 6 observaes, um desvio padro de 2,403 e um nvel de signicncia de 0,05, o poder apenas 0,537662. Isso signica que se
estiver longe do valor alvo de 2,5 gramas, a chance de detectar isso com 6 amostras de 53,77%.
Em outras palavras, h 46,23% de chance de no rejeitar Ho e concluir incorretamente que o valor 365 realmente o peso mdio de
enchimento das caixas de cereal.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 2,403
Sample
Difference Size Power
-2,5 6 0,537662
2,5 6 0,537662
Inferncia Estatstica e Teste t 24
Interpretando os resultados
A curva de poder permite que voc veja a probabilidade de detectar uma diferena (poder) para vrias diferenas e opcionalmente para
vrios tamanhos amostrais. As diferenas especcas digitadas na caixa de dilogo esto indicadas pelos pontos vermelhos.
Neste exemplo, a diferena representa um deslocamento na mdia do processo em relao ao alvo, em gramas. Quando a mdia do
processo um grama acima ou abaixo do alvo, o poder de detectar a diferena com 6 amostras muito baixo. Quando a mdia do pro-
cesso dois gramas abaixo ou acima do alvo, o poder de detectar uma diferena com 6 amostras prximo de 0,40. Mesmo o poder a
mais ou menos trs gramas inaceitvel para a maioria dos padres.
Uma forma de aumentar o poder e aumentar o tamanho da amostra.
Prximo passo
Determine o nmero de observaes requeridas para atingir o poder adequado. Quantas observaes voc precisa para ter 80% de
chance de detectar um deslocamento de 2,5 gramas em relao ao alvo? Quantas observaes voc precisa para ter 85%, 90% ou 95%
de chance de detectar esta diferena?
Inferncia Estatstica e Teste t 25
Determinando o poder
Com 6 observaes,o poder do teste foi apenas 0,5377. Para ter uma chance melhor de detectar uma diferena, aumente o poder do
teste para, pelo menos, 0,80 (como uma regra geral).
Calcule os tamanhos de amostra necessrios para atingir nveis de poder de 0,80, 0,85, 0,90, 0,95.
Power and Sample Size for 1-Sample t
1) Selecione Stat > Power and Sample Size > 1- Sample t.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK em cada caixa de dilogo.
Inferncia Estatstica e Teste t 26
Interpretando os resultados
Para ter um poder de pelo menos 0,80 (Target Power - Poder Alvo) de detectar uma diferena de 2,5 gramas ao nvel de 0,05, ser
preciso um tamanho de amostra de 10.
Uma vez que o tamanho da amostra deve ser um nmero inteiro, o Actual Power (poder real) do teste com 10 observaes (0,832695)
ligeiramente maior do que o poder alvo.
Observaes adicionais que lhe daro mais poder.
Com 11 observaes, o poder ser de 0,873928;
Com 12 observaes, o poder ser de 0,905836;
Com 15 observaes, o poder ser de 0,962487.
Ao dobrar o tamanho da amostra de 6 para 12 caixas, o poder do teste aumenta e o teste capaz de detectar menores deslocamentos
em relao mdia.
Se o poder for muito elevado (por exemplo, 99%), podemos detectar deslocamentos pequenos demais, que no tem importncia prti-
ca.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,717
Sample Target
Difference Size Power Actual Power
-2,5 10 0,80 0,832695
-2,5 11 0,85 0,873928
-2,5 12 0,90 0,905836
-2,5 15 0,95 0,962487
2,5 10 0,80 0,832695
2,5 11 0,85 0,873928
2,5 12 0,90 0,905836
2,5 15 0,95 0,962487
Inferncia Estatstica e Teste t 27
Interpretando os resultados
A curva de poder para os tamanhos amostrais maiores aumenta mais rapidamente medida que a diferena se afasta de zero. O poder
razoavelmente alto para detectar uma diferena de 2,5 gramas com tamanhos amostrais entre 10 e 15.
Inferncia Estatstica e Teste t 28
Consideraes nais
Resumo e concluses
provvel que o primeiro teste das caixas de cereal no tenha sido signicativo simplesmente por que o poder era muito baixo. Com
base no nmero de observaes (6), na diferena que desejava detectar (2,5) e na variabilidade dos dados, o teste tinha um poder de
apenas 0,537662.
O uso de uma amostra maior fornece mais poder, possibilitando detectar a diferena, caso ela exista.
Consideraes adicionais
Para garantir que um teste tenha poder suciente, aconselhvel executar uma anlise de poder antes de coletar os dados.
Para aumentar o poder de um teste:
Aumente o tamanho amostral;
Diminua a variabilidade quer no atribuda ao efeito de interesse;
Aumente o nvel de signicncia (apesar disso aumentar a chance de um erro Tipo I).
Poderes mais altos indicam uma maior probabilidade de detectar uma diferena. Entretanto, isso tambm aumenta a chance de detectar
efeitos pequenos que podem no ser de interesse prtico. Use o conhecimento sobre o processo para determinar a menor diferena
detectvel e o nvel timo de poder para um teste.
Nota: Um teste unilateral mais poderoso que um teste bilateral, a menos que a diferena no seja na direo esperada. Por exemplo, um teste
unilateral com a hiptese alternativa H
1
: > 365 pode no detectar diferenas se a mdia amostral real menor que 365..
Inferncia Estatstica e Teste t 29
Poder e Tamanho de Amostra
Exemplo 3: Aumentando o Poder
Problema
Os resultados da anlise de poder sugerem que uma amostra maior necessria para se avaliar o processo. Com apenas 6 observa-
es, houve muito pouco poder para detectar uma diferena de 2,5 gramas.
Coleta de dados
Engenheiros selecionaram aleatoriamente 12 caixas de cereais e pesaram.
Ferramentas
1-Sample t
Normality Test
Arquivo de dados
CEREAL.MPJ
Varivel Descrio
Mais Obs Peso das caixas em gramas
Inferncia Estatstica e Teste t 30
Testando a suposio de normalidade
O teste estatstico apropriado para os dados das caixas de cereal o teste t para uma amostra. Este teste assume que a populao seja
normalmente distribuda.
Use o teste de normalidade para determinar se a suposio de normalidade vlida para este processo.
Normality Test
1) Abra o projeto CEREAL.MPJ.
2) Selecione Window > Worsheet 2***.
3) Selecione Stat > Basic Statistics > Normality Test.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em OK.
Inferncia Estatstica e Teste t 31
Interpretando os resultados
Use o grco de probabilidade normal para vericar se os dados no esto se desviando de forma signicativa do que esperado quando
a amostra vem de uma distribuio normal.
Se os dados provm de uma distribuio normal, os pontos seguiro, a grosso modo, a reta de referncia.
Se os dados no provm de uma distribuio normal, os pontos no seguiro a reta.
Teste de normalidade de Anderson-Darling
As hipteses do teste de normalidade de Anderson-Darling so:
H
0
: Os dados provm de uma populao normalmente distribuda
H
1
: Os dados no provm de uma populao normalmente distribuda
O Valor-P do teste de Anderson-Darling (0,545) avalia a probabilidade dos dados serem provenientes de uma populao normalmente
distribuda. Usando um de 0,05, no h evidncia suciente para sugerir que os dados no so de uma populao normal.
Concluso
Com base no grco e no teste, razovel supor que os pesos das caixas de cereal so normalmente distribudos e um teste t apro-
priado para testar a mdia do estudo.
Prximo passo
Realize um teste t.
Inferncia Estatstica e Teste t 32
Testando a hiptese nula
Analisaremos os novos dados amostrais para determinar se a mdia do processo difere de 365 gramas.
1-Sample t
1) Selecione Stat > Basic Statistics > 1-Sample t.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Graphs.
4) Marque Boxplot of data.
5) Clique em OK em cada caixa de dilogo.
Inferncia Estatstica e Teste t 33
Interpretando os resultados
O Boxplot ilustra os resultados do teste:
O valor alvo (H
o
) est fora do intervalo de conana.
A mdia da amostra ( x) mais baixa que o valor alvo.
Concluso
A diferena entre a mdia do processo e o valor alvo (365 gramas) signicativa ao nvel de 0,05.
Inferncia Estatstica e Teste t 34
Interpretando os resultados
Use um nvel de 0,05 para o teste.
T
A estatstica t (2,75) calculada como:
t = (mdia amostral - mdia de teste)/ SE Mean
onde SE Mean o erro padro da mdia (uma medida de variabilidade). medida que o valor de t aumenta, o Valor-P diminui.
P
O Valor-P 0,019. Como este valor menor que (0,05), voc deve rejeitar a hiptese nula.
O teste t indica que a diferena entre a mdia do processo e o alvo de 365 gramas signicativa ao nvel de 0,05:
O Valor-P (0,019) menor que (0,05).
O intervalo de 95% de conana no inclui o valor de referncia.
One-Sample T: Mais_Obs
Test of mu = 365 vs not = 365
Variable N Mean StDev SE Mean 95% CI T P
Mais_Obs 12 366,636 2,060 0,595 (365,327; 367,945) 2,75 0,019
Inferncia Estatstica e Teste t 35
Consideraes Finais
Resumo e concluses
Com base na amostra de tamanho 12, = 0,05 e valor-p de 0,019, rejeite H
o
e conclua que a mdia do processo no igual a 365.
O tamanho da amostra tem uma funo importante na avaliao da mdia:
Quando o tamanho da amostra foi 6, no foi encontrada diferena estatstica entre a mdia do processo e o valor alvo;
Quando o tamanho da amostra foi 12, uma diferena estatstica foi encontrada a um nvel de 95% de conana.
Consideraes adicionais
Sempre que possvel, examine o poder e o tamanho da amostra antes da coleta dos dados. Do contrrio, se voc descobrir depois da
coleta dos dados que o poder inadequado, pode ter diculdades para obter observaes adicionais sob as mesmas condies da
amostra original.
Inferncia Estatstica e Teste t 36
Exerccio H:
Detectando Mudanas em Dimetros de Rolamentos
Problema
Um fabricante de rolamentos est preocupado com a possibilidade do dimetro dos rolamentos ter se deslocado do alvo, que de 5 mm.
Engenheiros consideram uma diferena de 0,1 mm importante o bastante para requerer um ajuste no equipamento.
Tipicamente, o desvio-padro dos dimetros de 0,04 mm. Use um nvel de 0,05 para todos os testes.
Coleta de dados
Engenheiros selecionaram aleatoriamente 10 rolamentos e mediram seu dimetro.
Instrues
1) Use Stat > Power and Sample Size > 1-Sample-t para calcular o tamanho amostral necessrio para detectar uma diferena
de 0,1 mm com um poder de 0,85.
2) Calcule a diferena detectvel com um poder de 0,90 ao coletar 5 e 10 observaes.
3) Teste a normalidade da amostra.
4) Determine se o processo est atingindo o alvo. Execute um teste de hipteses (H
1
: 5) e gere um boxplot dos dados.
Arquivo de dados
ROLAMENTOS.MTW
Varivel Descrio
Dimetro Dimetro dos rolamentos (mm)
Inferncia Estatstica e Teste t 37
Exerccio I: Investigando a Qualidade do Fornecedor
Problema
Um fabricante de queijos suspeita que um de seus fornecedores de leite esteja adicionando gua em seu leite para aumentar o lucro.
Adicionar gua ao leite aumenta sua temperatura de congelamento, que normalmente de -0,545 C.
Coleta de dados
Analistas mediram a temperatura de congelamento para 10 lotes selecionados aleatoriamente do fornecedor de leite.
Instrues
1) Com um tamanho amostral de 10, determine o poder para detectar diferenas de 0,008, 0,010 e 0,012. Em Options, abaixo de
Alternative Hypothesis, escolha Greater than. Assuma um desvio padro de 0,01.
2) Use um teste t para 1 amostra para determinar se a mdia maior que -0,545. Em Options, abaixo de Alternative Hypothesis,
escolha Greater than.
3) Teste a normalidade dos dados.
4) Se todas as amostras vem de um lote de leite, isso modicaria a anlise e a concluso?
Arquivo de dados
QUEIJO.MTW
Varivel Descrio
TempCong Temperatura de congelamento do leite (C)
Inferncia Estatstica e Teste t 38
Poder e Tamanho de Amostra no Teste t para 2 Amostras
Exemplo 4:
Tamanho de Amostra para Comparao de Fornecedores
Problema
Um fabricante de calculadoras est selecionando um fornecedor de plstico. A equipe de qualidade tem uma poltica para mtricas crti-
cas de qualidade, que declara:
Assumindo custos e variabilidade similares, as resistncias mdias com mais de um desvio padro de diferena so um deslocamento
signicativo.
Determine o tamanho amostral necessrio para detectar uma diferena de um desvio padro entre dois fornecedores com variabilidade
similar. (O Minitab assume variabilidade igual no clculo do tamanho da amostra.) O poder para detectar essa diferena deveria ser de
pelo menos 80%.
Ferramentas
Power and Sample Size: 2-Sample t
Arquivo de dados
Nenhum
Inferncia Estatstica e Teste t 39
Poder e tamanho de amostra no teste t para duas amostras
O que poder e tamanho de amostra em um teste t para duas amostras
Em um teste t para duas amostras:
Poder a probabilidade de que voc detecte uma diferena entre as duas mdias quando elas realmente diferem.
Tamanho amostral o nmero de amostras por grupo que voc precisa para atingir um determinado poder.
Quando usar poder e tamanho de amostra em um teste t para duas amostras
Use a anlise:
Antes de coletar os dados, para determinar o tamanho amostral
Aps coletar os dados, para avaliar o poder de detectar uma diferena entre as mdias
NOTA: importante registrar o poder de um teste quando voc detectar nenhuma diferena (no rejeitar H
0
).
Por que usar poder e tamanho de amostra em um teste t para duas amostras
Poder e tamanho de amostra pode determinar:
O tamanho amostral por grupo que voc precisa para detectar uma diferena entre as mdias com um poder especco
O poder de um teste para detectar uma diferena entre as mdias com base em um tamanho amostral especco
O tamanho de uma diferena detectvel com um poder e tamanho de amostra especco
Inferncia Estatstica e Teste t 40
Determinando o tamanho de amostra em testes t para 2 amostras
Tamanhos de amostra
No entre com um tamanho de amostra quando voc quiser determinar o tamanho amostral.
Valores da diferena e desvio padro
O poder de um teste depende da diferena que voc quer detectar em relao ao desvio padro. Para detectar uma diferena de 1 desvio
padro (ou 1 sigma), entre com uma diferena de -1 e 1, e um desvio padro de 1.
Valores de poder
Entre com o(s) valor(es) de poder desejado(s). Valores de poder maiores que 0,80 so tipicamente considerados aceitveis.
Power and Sample Size for 2-Sample t
1) Selecione File > New, ento selecione Minitab Project e clique em OK.
2) Selecione Stat > Power and Sample Size > 2-Sample t.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Inferncia Estatstica e Teste t 41
Interpretando os resultados
Tamanho amostral
Um tamanho amostral de 17 amostras de plstico por fornecedor d um poder de 0,807037. Um tamanho amostral de 23 amostras de
plstico por fornecedor d um poder de 0,912498.
Poder alvo versus poder real
O poder alvo o valor de poder que voc especica na caixa de dilogo. Como o tamanho amostral precisa ser um nmero inteiro, voc
raramente obter o valor de poder exato.
O poder real aproximado para o menor tamanho amostral resultante em um poder pelo menos to grande quanto o poder alvo.
Power and Sample Size
2-Sample t Test
Testing mean 1 = mean 2 (versus not =)
Calculating power for mean 1 = mean 2 + difference
Alpha = 0,05 Assumed standard deviation = 1
Sample Target
Difference Size Power Actual Power
-1 17 0,8 0,807037
-1 23 0,9 0,912498
1 17 0,8 0,807037
1 23 0,9 0,912498
The sample size is for each group.
Inferncia Estatstica e Teste t 42
Interpretando os resultados
Curva de poder
Neste exemplo, a diferena representa o nmero de desvios padro entre a mdia do processo do fornecedor A e a mdia do processo
do fornecedor B. O poder razoavelmente bom ao detectar uma diferena de 1 desvio padro com tamanhos amostrais entre 17 e 23.
Inferncia Estatstica e Teste t 43
Consideraes Finais
Resumo e concluses
A empresa deve usar entre 17 e 23 amostras por fornecedor para detectar uma diferena de 1 desvio padro (1) entre as mdias
dos fornecedores com um poder razoavelmente alto.
Quanto maior o tamanho amostral, maior o poder do teste. Colete observaes sucientes para atingir o poder adequado, mas
no tantas, para que voc no perca tempo e dinheiro com medies desnecessrias.
Consideraes adicionais
s vezes uma diferena e um desvio padro no esto disponveis ao calcular o poder. Como o clculo do poder baseado na razo da
diferena pelo desvio padro, voc no precisa especic-los se estiver planejando aceitar a resposta em termos do nmero de desvios
padro que separam as duas mdias populacionais. Por exemplo, se a diferena 2 e o desvio padro 2, o poder ser o mesmo se a
diferena for 1 e o desvio padro for 1, pois ambas so diferenas de 1 .
Como mostrado nesse exemplo, voc pode especicar uma diferena de 1 congurando diferena e desvio padro iguais. Da mesma
forma, voc pode especicar uma diferena de 2 especicando uma diferena que seja duas vezes o desvio padro.
Inferncia Estatstica e Teste t 44
Teste t para 2 Amostras
Exemplo 5: Resistncia de Plsticos
Problema
Um fabricante de calculadoras est selecionando um fornecedor de plstico. Usando uma amostra de tamanho 20 para cada fornecedor,
o fabricante deve comparar a resistncia das amostras dos dois fornecedores.
Coleta de dados
Uma mquina pressiona os grnulos plsticos de lotes selecionados aleatoriamente. Tcnicos registram a resistncia quebra (em
Newtons) de cada grnulo.
Ferramentas
2-Sample t
Normality Test
2 Variances
Arquivo de dados
PLSTICO.MTW
Varivel Descrio
Fornecedor A Resistncia quebra dos grnulos plsticos do fornecedor A
Fornecedor B Resistncia quebra dos grnulos plsticos do fornecedor B
Inferncia Estatstica e Teste t 45
Teste t para 2 amostras independentes
O que o teste t para 2 amostras independentes
Um teste t para 2 amostras independentes ajuda a determinar se duas mdias populacionais so diferentes. O teste usa os desvios
padro amostrais para estimar o (desvio-padro) de cada populao. Se a diferena entre as mdias amostrais for grande em relao
variabilidade estimada dentro das populaes, improvvel que as mdias das populaes sejam as mesmas.
Voc tambm pode usar um teste t para 2 amostras independentes para avaliar se as mdias de duas populaes diferem de um valor
especco.
Quando usar o teste t para 2 amostras independentes
Use um teste t para 2 amostras independentes com dados contnuos que provm de duas amostras aleatrias e independentes. As
amostras so independentes se as observaes de uma amostra no estiverem relacionadas com as observaes de outra amostra.
Neste exemplo, as resistncias dos grnulos plsticos do fornecedor A no so inuenciadas pelas resistncias dos plsticos do forne-
cedor B; portanto, as amostras so independentes.
O teste tambm assume que os dados sejam provenientes de populaes normalmente distribudas. Entretanto, o teste robusto a
violaes dessa suposio, desde que as observaes sejam coletadas aleatoriamente e os dados sejam contnuos, unimodais e razo-
avelmente simtricos.
Por que usar o teste t para 2 amostras independentes
Um teste t para 2 amostras independentes responde perguntas tais como:
As mdias da caracterstica de um produto so comparveis entre dois fornecedores?
A formulao de um produto melhor que a de outro, em mdia?
Por exemplo:
A viscosidade mdia do leo de dois fornecedores diferentes similar?
Uma frmula de tinta mais brilhante do que outra?
Inferncia Estatstica e Teste t 46
Testando a suposio de normalidade
O teste t para 2 amostras assume que os dados provm de populaes normalmente distribudas.
Use um teste de normalidade para determinar se a suposio de normalidade vlida para estes dados.
Normality Test
1) Abra o arquivo PLSTICO.MTW.
2) Selecione Graph > Probability Plot > Multiple e clique em OK.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Inferncia Estatstica e Teste t 47
Interpretando os resultados
Use o grco de probabilidade normal para vericar se os dados no se desviam de forma signicativa do que esperado quando a
amostra vem de uma distribuio normal.
Se os dados provm de uma distribuio normal, os pontos seguiro, a grosso modo, a reta de referncia.
Se os dados no provm de uma distribuio normal, os pontos no seguiro a reta.
Os grcos indicam que as distribuies so razoavelmente normais; todos os pontos se distribuem prximos s retas de referncia.
Teste de normalidade de Anderson-Darling
Ambos os p-valores (0,718 para Fornecedor A e 0,193 para Fornecedor B) so maiores que o nvel de signicncia de 0,05.
Concluso
Com base nos grcos e no teste, voc pode assumir que os dados provm de populaes com distribuio normal.
Inferncia Estatstica e Teste t 48
Comparando varincias
O teste t para 2 amostras compara as mdias de duas populaes. Freqentemente de interesse saber se as varincias (ou desvios
padro) dos dois grupos so diferentes. Neste exemplo, pode ser importante saber se as resistncias das amostras de um fornecedor
variam mais que as do outro, pois pode ser desejvel escolher o fornecedor com menor varincia.
2 Variances
1) Selecione Stat> Basic Statistics > 2 Variances.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Inferncia Estatstica e Teste t 49
Interpretando os resultados
Intervalos de conana
Intervalos de conana so teis para comparar o de duas populaes. Contudo, a deciso sobre a igualdade ou no de varincias
deve ser baseada no teste de varincias apropriado.
Teste de varincias
Os resultados incluem dois testes de varincias:
Se os dados forem contnuos e normalmente distribudos, use o teste F;
Se os dados forem contnuos mas no normalmente distribudos, use o teste de Levene.
Os dados do plstico parecem ser normalmente distribudos, portanto use o teste F.
Concluso
O p-valor do teste F (0,018) menor que (0,05), portanto rejeite a hiptese nula de que as varincias so iguais. Os resultados sugerem
que a varincia dos plsticos do Fornecedor B menor que a do Fornecedor A.
O clculo do tamanho da amostra assumiu igualdade de varincias. Como as varincias no so iguais, o clculo do tamanho amostral
no foi correto. Se uma diferena no for encontrada entre as mdias dos fornecedores, considere aumentar o tamanho amostral para o
grupo com maior variao (Fornecedor A) para assegurar um poder de pelo menos 80%.
Inferncia Estatstica e Teste t 50
Interpretando os resultados
Na janela Session o Minitab mostra os mesmos intervalos de conana e testes estatsticos includos na janela Graph.
Test for Equal Variances: Fornecedor A; Fornecedor B
95% Bonferroni con dence intervals for standard deviations
N Lower StDev Upper
Fornecedor A 20 4,14705 5,66051 8,76980
Fornecedor B 20 2,36389 3,22658 4,99893
F-Test (Normal Distribution)
Test statistic = 3,08; p-value = 0,018
Levenes Test (Any Continuous Distribution)
Test statistic = 3,56; p-value = 0,067
Inferncia Estatstica e Teste t 51
Executando o teste t para 2 amostras
Um teste t para 2 amostras ir mostrar se as resistncias mdias dos plsticos dos dois fornecedores so diferentes.
As hipteses para o teste so:
H
0
:
A
-
B
= 0
H
A
:
A
-
B
0
Crie grcos de valores individuais e boxplots para visualizar os dados.
Assumir igualdade de varincias
O teste t ser mais poderoso se voc assumir que as varincias das duas populaes so iguais. Entretanto, assumir que as varincias
so iguais quando no so pode fornecer resultados enganadores. Assim, se houver qualquer dvida, melhor no supor a igualdade.
Uma vez que o teste de igualdade de varincias indicou que as varincias das populaes no so iguais, no marque Assume equal
variances.
2-Sample t
1) Selecione Stat > Basic Statistics > 2-Sample t.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Graphs.
4) Marque Individual value plot e Boxplots of data.
5) Clique em OK em cada caixa de dilogo.
Inferncia Estatstica e Teste t 52
Interpretando os resultados
O Boxplot e o Individual Value Plot ilustram dois pontos:
O plstico do Fornecedor A mais forte que o plstico do Fornecedor B;
O plstico do Fornecedor A tem mais variabilidade na resistncia que o do Fornecedor B.
Inferncia Estatstica e Teste t 53
Interpretando os resultados
Two-Sample T-Test and CI: Fornecedor A; Fornecedor B
Two-sample T for Fornecedor A vs Fornecedor B
N Mean StDev SE Mean
Fornecedor A 20 163,82 5,66 1,3
Fornecedor B 20 160,01 3,23 0,72
Difference = mu (Fornecedor A) - mu (Fornecedor B)
Estimate for difference: 3,80
95% CI for difference: (0,82; 6,78)
T-Test of difference = 0 (vs not =): T-Value = 2,61 P-Value = 0,014 DF = 30
O Minitab mostra a mdia da resistncia quebra (Mean) e duas medidas de variabilidade, o desvio padro (StDev) e o erro padro da
mdia (SE Mean), para cada fornecedor.
Intervalos de conana
A diferena entre as mdias das amostras (3,08) uma estimativa da diferena entre as mdias das populaes ( Fornecedor A -
Fornecedor B). O intervalo de conana para a diferena baseado na estimativa da variabilidade dentro das amostras.
Voc pode ter 95% de conana de que a mdia do Fornecedor A maior que a mdia do Fornecedor B entre 0,82 a 6,78 Newtons.
Valor da estatstica T e p-valor
O valor da estatstica T para o teste 2,61, e o p-valor associado 0,014. O p-valor (0,014) a probabilidade de se obter um valor de T
com uma magnitude de 2,61 ou maior se a hiptese nula de nenhuma diferena verdadeira. Portanto, rejeite a hiptese nula ao nvel
de 0,05, e conclua que as resistncias mdias so diferentes.
Inferncia Estatstica e Teste t 54
Consideraes Finais
Resumo e concluses
O plstico do Fornecedor A signicativamente mais forte em mdia, mas mais varivel que o do Fornecedor B.
Se a mdia e a varincia so igualmente importantes, considere comparar as estatsticas Cpk para os dois fornecedores. A estatstica
Cpk uma mtrica de qualidade que considera tanto a mdia quanto a varincia em relao aos limites de especicao.
Se as estatsticas Cpk forem prximas, a empresa pode preferir escolher o fornecedor com base no custo.
NOTA: Para aprender mais sobre o Cpk e outras mtricas de capacidade de processos, veja o curso de Ferramentas Estatsticas da Qualida-
de.
Consideraes adicionais
Ao usar um teste t para 2 amostras:
As amostras devem ser independentes e aleatrias;
Os dados da amostra devem ser contnuos;
Os dados da amostra devem ser normalmente distribudos.
O procedimento do teste t robusto a pequenas violaes da suposio de normalidade, desde que as observaes sejam coletadas
aleatoriamente e os dados sejam contnuos, unimodais e razoavelmente simtricos.
Inferncia Estatstica e Teste t 55
Exerccio J: Altura do nodo
Problema
Um fabricante de eletrnicos precisa assegurar que o nodo eltrico em cada capacitor est a uma certa distncia acima da superfcie
do corpo de cermica do capacitor. Recentemente, o fabricante produziu muitos capacitores com alturas de nodos que violam o limite
inferior de especicao. Para corrigir esse problema, o engenheiro de produo quer implementar uma mudana no processo. Para
determinar se o novo processo aumenta a altura do nodo, os engenheiros devem determinar quantos dados coletar, e ento comparar
as medidas de altura antes e aps a mudana no processo.
Coleta de dados
Amostras de processos de insero de nodos esto disponveis, porm dispendioso medi-las. Portanto, os engenheiros no podem
coletar mais amostras que o necessrio. Historicamente, a variao nas medies tem um desvio padro de 0,55 mm. Um aumento de
0,4 mm considerado uma melhoria signicativa.
Instrues
1) Use poder e tamanho de amostra para determinar o nmero de observaes necessrias para detectar uma melhoria no pro-
cesso de pelo menos 0,4 mm com um poder de 0,85. Especique um teste unilateral.
2) Verique a normalidade de cada amostra.
3) Verique a suposio de igualdade de varincias das amostras.
4) Use um teste t para 2 amostras para determinar se a altura do nodo melhorou aps a mudana no processo. Especique a
hiptese alternativa greater than, e crie um boxplot para comparar visualmente as duas amostras de dados.
5) Qual o tamanho amostral necessrio se o teste t usar uma hiptese alternativa bilateral?
Arquivo de dados
NODO.MTW
Varivel Descrio
Altura do nodo A altura de um nodo eltrico acima da superfcie cermica
Mudana no processo Antes e aps a mudana no processo
Inferncia Estatstica e Teste t 56
Teste t pareado
Exemplo 6: Estacionando Carros
Problema
Um grupo de consumidores quer determinar se dois carros populares diferem em relao facilidade de manobra. Para medir a facilida-
de de manobra nos dois carros, o grupo compara o tempo que motoristas levam para estacionar cada carro em paralelo.
Coleta de dados
Vinte motoristas estacionaram ambos os carros em ordem aleatria e o tempo de estacionamento (em segundos) foi registrado.
Ferramentas
Paired t
Calculator
Normality Test
Arquivo de dados
CARROS.MTW
Varivel Descrio
Carro A Tempo de estacionamento do carro A (em segundos)
Carro B Tempo de estacionamento do carro B (em segundos)
Inferncia Estatstica e Teste t 57
Teste t pareado
O que o teste t pareado
Um teste t pareado ajuda a determinar se a diferena mdia entre observaes pareadas signicativa. Estatisticamente, o teste t pare-
ado equivalente a se realizar um teste t para 1 amostra nas diferenas. Um teste t pareado tambm ajuda voc a avaliar se a diferena
mdia igual a um valor especco.
Observaes pareadas esto relacionadas entre si. Exemplos incluem:
Pesos de indivduos registrados antes e aps um programa de exerccios
Medidas da mesma pea coletadas com dois dispositivos de medio diferentes.
Quando usar o teste t pareado
Use um teste t para uma amostra aleatria de observaes pareadas.
O teste tambm assume que as diferenas pareadas sejam provenientes de uma populao normalmente distribuda. Entretanto, o
teste robusto a violaes dessa suposio, desde que as observaes sejam coletadas aleatoriamente e os dados sejam contnuos,
unimodais e razoavelmente simtricos.
Por que usar o teste t pareado
Um teste t pareado responde perguntas tais como:
Um novo tratamento resulta em uma diferena no produto?
Dois instrumentos diferentes fornecem medidas similares da mesma amostra?
Por exemplo:
Tratar a madeira com determinado produto qumico aumenta seu tempo de vida? (Assuma que cada pedao de madeira amostral
cortado ao meio; uma metade tratada com o produto qumico enquanto a outra metade no tratada.)
Dois compassos medem peas idnticas da mesma maneira? (Assuma que as vrias peas so medidas uma vez com cada
compasso.)
Inferncia Estatstica e Teste t 58
Vericando a normalidade
O teste t pareado um teste t para 1 amostra nas diferenas pareadas. Portanto, as diferenas pareadas devem satisfazer as suposies
do teste t para 1 amostra, incluindo a normalidade. Antes de vericar a normalidade, armazene as diferenas pareadas na worksheet.
Normality Test
1) Abra o arquivo CARROS.MTW.
2) Selecione Calc > Calculator.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
5) Selecione Stat > Basic Statistics > Normality Test.
6) Em Variable, entre com Diferenas.
7) Clique em OK.
Inferncia Estatstica e Teste t 59
Interpretando os resultados
Com base no p-valor de 0,493, no h evidncias sucientes para rejeitar a hiptese nula de normalidade. Portanto, a suposio de
normalidade do teste t para 1 amostra apropriada.
Inferncia Estatstica e Teste t 60
Conduzindo um teste t pareado
O grupo de consumidores quer determinar se os motoristas conseguem estacionar um carro mais rpido que o outro. Como os dados so
pareados (cada indivduo estacionou ambos os carros), use um teste t pareado para testar as seguintes hipteses:
H
0
: A diferena mdia entre observaes pareadas na populao zero.
H
A
: A diferena mdia entre observaes pareadas na populao no zero.
Use o nvel default de 95% para o intervalo de conana. Construa grcos de valores individuais e boxplots para ajudar a visualizar os
dados.
Paired t
1) Selecione Stat > Basic Statistics > Paired t.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Graphs.
4) Marque Individual value plot e Boxplot of differences;
5) Clique em OK em cada caixa de dilogo.
Inferncia Estatstica e Teste t 61
Interpretando os resultados
O boxplot e o grco de valores individuais ilustram as diferenas entre as observaes pareadas.
A diferena mdia observada (aproximadamente 2) representada por . H
0
representa a diferena populacional a ser testada
(zero).
Intervalo de conana
O Minitab tambm plota o intervalo de conana para a diferena mdia populacional. Se a hiptese nula fosse verdadeira, H
0
provavel-
mente estaria contido neste intervalo.
Como o intervalo de conana no inclui H
0
, voc pode rejeitar a hiptese nula e concluir que o carro A leva mais tempo para ser esta-
cionado que o carro B.
Inferncia Estatstica e Teste t 62
Interpretando os resultados
Paired T-Test and CI: Carro A; Carro B
Paired T for Carro A - Carro B
N Mean StDev SE Mean
Carro A 20 34,87 7,59 1,70
Carro B 20 32,90 7,27 1,63
Difference 20 1,965 3,836 0,858
95% CI for mean difference: (0,170; 3,760)
T-Test of mean difference = 0 (vs not = 0): T-Value = 2,29 P-Value = 0,034
Mdias
Os tempos mdios de estacionamento so 34,9 segundos para o carro A e 32,9 segundos para o carro B. A diferena mdia de apro-
ximadamente 2 segundos.
Os limites do intervalo de 95% de conana para a diferena mdia so 0,17 e 3,76.
Valor da estatstica T e p-valor
O valor da estatstica T para o teste 2,29, e o p-valor associado 0,034. Portanto, rejeite a hiptese nula ao nvel de 0,05 e conclua
que o tempo necessrio para estacionar o carro A maior que o tempo necessrio para estacionar o carro B.
Inferncia Estatstica e Teste t 63
Consideraes Finais
Resumo e concluses
Em mdia, os motoristas levam 2 segundos a mais para estacionar o carro A que o carro B. Essa diferena, embora pequena, estatis-
ticamente signicativa.
Uma diferena de 2 segundos tem alguma importncia prtica? Essa uma deciso que voc deve tomar. Se um leve aumento no tempo
de estacionamento aumenta a frustrao do motorista, ento 2 segundos podem ser importantes. Essa diferena tambm pode ser mais
importante para motoristas que estacionam freqentemente em paralelo.
Consideraes adicionais
Ao usar um teste t pareado:
As observaes devem ser pareadas;
Os dados devem ser contnuos;
As diferenas pareadas devem ser normalmente distribudas.
O procedimento do teste t robusto a pequenas violaes da suposio de normalidade, desde que as observaes sejam coletadas
aleatoriamente e os dados sejam contnuos, unimodais e razoavelmente simtricos.
O uso de observaes pareadas elimina a variabilidade causada pelas diferenas entre os indivduos. Por exemplo, o motorista 1 levou
18,9 segundos para estacionar o carro A e 18,2 segundos para estacionar o carro B. Por outro lado, o motorista 18 levou 43,8 e 41,1
segundos para estacionar os mesmos carros. Analisar as diferenas para cada motorista elimina a variabilidade entre os motoristas dos
clculos, aumentando o poder do teste.
Inferncia Estatstica e Teste t 64
Exerccio K: Comparando Instrumentos de Medio
Problema
Uma empresa est avaliando a compra de dois instrumentos diferentes para medir rolamentos: um compasso de calibre da marca Easy-
Gage e outro da ToolIt. Compare as duas marcas para determinar se elas fornecem as mesmas medies, em mdia.
Use um nvel de 0,05 para todos os testes.
Coleta de dados
Analistas selecionaram aleatoriamente 12 rolamentos no processo. Um nico operador mediu cada rolamento com o compasso Easy-
Gage e com o compasso ToolIt.
Instrues
1) Use um teste t pareado para determinar se as medies fornecidas pelos dois instrumentos so diferentes. Construa um grco
de valores individuais das diferenas entre as medies.
2) Usando o desvio padro das diferenas amostrais como uma estimativa de , calcule o poder do teste para detectar uma dife-
rena mdia de 0,005 cm. (Dica: Conduzir um teste t pareado a mesma coisa de se conduzir um teste t para 1 amostra nas
diferenas entre observaes pareadas. Portanto, use Stat > Power and Sample Size > 1-Sample t para avaliar o poder de
um teste t pareado.)
3) Qual o poder do teste para detectar uma diferena mdia de 0,001 cm?
Arquivo de dados
COMPASSOS.MTW
Varivel Descrio
Rolamento Identica o rolamento medido
EasyGage Dimetro do rolamento medido pelo compasso EasyGage (cm)
ToolIt Dimetro do rolamento medido pelo compasso ToolIt (cm)
Diferena Diferena pareada entre os compassos em cada rolamento (cm)
Inferncia Estatstica e Teste t 65
T
e
s
t
e

t
Anlise de Varincia
Anlise de Varincia 3
Avaliar o poder de uma anlise de varincia usando anlise de
poder;
Compara varincias de grupos usando um teste de varincias;
Comparar mdias para amostras coletadas em diferentes nveis
usando um modelo linear geral;
Realizar ANOVA com mais de um fator;
Interpretar grcos de interao e comparaes mltiplas .
Objetivos
www.minitabbrasil.com.br
Copyright - GLOBAL TECH
O contedo desta apostila, desenvolvida pela Global Tech, encontra-se protegido pela legislao autoral vigente no
Pas e pelas regras internacionais estabelecidas na Conveno de Berna. Desta forma, so vedadas a reproduo,
modicao e distribuio total ou parcial de quaisquer informaes nela contida, a menos que devidamente autorizadas
pela Global Tech. Assim, de responsabilidade do usurio qualquer violao s normas de direitos autorais nacionais
ou internacionais. www.minitabbrasil.com.br
Anlise de Varincia 4
Contedo
Exemplos e Exerccios Objetivos Pgina
Poder e Tamanho de Amostra para One-
way ANOVA
Exemplo 1:
Moldes de Tampas de Canetas
Determinar o tamanho amostral para uma One-way ANOVA
com trs grupos.
5
One-way ANOVA e Teste de Igualdade de
Varincias
Exemplo 2:
Resistncia de Tecidos para Bancos de
Carros
Testar a igualdade de mdias e varincias entre trs grupos
usando o General Linear Model e um teste de igualdade de
varincias.
10
Exerccio L:
Moldes de Tampas de Canetas
Testar a igualdade de mdias e varincias usando o General
Linear Model e um teste de igualdade de varincias. Comparar
mltiplas mdias com um alvo.
27
ANOVA - General Linear Model
Exemplo 3:
Distncia de Parada
Avaliar os efeitos de vrios fatores e suas interaes na respos-
ta mdia usando o General Linear Model.
28
Exerccio M:
Degustao de Vinho
Avaliar os efeitos de vrios fatores em uma resposta mdia
usando o General Linear Model.
43
Exerccio N:
Desgaste de Tinta
Avaliar os efeitos de vrios fatores em uma resposta mdia
usando o General Linear Model.
44
Anlise de Varincia 5
Poder e Tamanho de Amostra para One-way ANOVA
Exemplo 1: Moldes de Tampas de Canetas
Problema
Uma empresa que fabrica canetas esferogrcas usa um molde composto por 16 cavidades para fabricar tampas plsticas para as
canetas. O fabricante quer comparar as mdias das espessuras das tampas em 16 cavidades. Uma diferena entre as mdias de duas
cavidades de 0,05 mm ou mais inaceitvel. A partir de dados histricos do processo, o desvio padro das espessuras de uma nica
cavidade aproximadamente 0,0315 mm.
Determine o tamanho amostral necessrio para detectar uma diferena de 0,05 mm com 90% de poder.
Ferramentas
Power and Sample Size - One-way ANOVA
Arquivo de dados
Nenhum
Anlise de Varincia 6
Poder e tamanho de amostra para One-way ANOVA
O que poder e tamanho de amostra para One-way ANOVA
Em uma One-way ANOVA:
Poder a probabilidade de detectar uma diferena especicada entre quaisquer duas mdias em um conjunto de mdias de
tratamentos.
Tamanho de amostra o nmero de amostras por grupo que voc precisa para atingir um poder especco.
Quando usar poder e tamanho de amostra para One-way ANOVA
Use essa anlise:
Antes da coleta de dados, para determinar o tamanho amostral.
Aps a coleta de dados, para avaliar o poder de detectar uma diferena especicada nas mdias.
Por que usar poder e tamanho de amostra para One-way ANOVA
Poder e tamanho de amostra para One-way ANOVA responde perguntas tais como:
Qual o tamanho amostral por grupo voc precisa para detectar uma diferena especicada entre mdias com um poder espec-
co?
Qual o poder de um teste detectar uma diferena especicada entre mdias, baseado em um tamanho amostral especco?
Qual a diferena detectvel com um poder e um tamanho de amostra especcos?
Nota: Registre o poder de um teste quando voc no detectar uma diferena (no rejeitar H
0
).
Anlise de Varincia 7
Determinando tamanho amostral para uma One-way ANOVA
Number of Levels
Entre com o nmero de nveis que o fator contm.
Sample size
Se voc quiser determinar o tamanho amostral por nvel, deixe em branco.
Values of the maximum difference between means
O poder de um teste depende da magnitude da diferena que voc quer que o teste detecte. Em uma One-way ANOVA, especique o
valor da diferena mxima entre todas as mdias.
Power values
Digite o(s) valor(es) de poder desejado(s). Estatsticos tipicamente consideram valores de poder maiores que 0,80 aceitveis, embora
voc deva considerar as consequncias do erro Tipo II. Um experimento com 80% de poder tem 20% de chance de no identicar o efeito
de interesse quando ele realmente existir.
Power and Sample Size for One-Way ANOVA
1) Selecione File > New > Minitab Project. Clique em OK.
2) Selecione Stat > Power and Sample Size > One-Way ANOVA.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Anlise de Varincia 8
Interpretando os resultados
Sample Size
Um tamanho amostral (Sample Size) de 20 tampas por cavidade fornece um poder de 0,909108 para detectar uma diferena mxima de
0,05 mm entre quaisquer duas cavidades.
Target Power e Actual Power
O poder alvo (Target Power) o valor de poder que voc especica na caixa de dilogo. Como o tamanho amostral precisa ser um valor
inteiro, voc raramente obter exatamente o poder alvo.
O poder real (Actual Power) o poder atingido com o tamanho amostral recomendado. Como o Minitab arredonda o tamanho amostral
calculado para o inteiro mais prximo, o poder real ser sempre levemente maior que o poder alvo.
Power Curve
Neste exemplo, a diferena representa a diferena mxima nas mdias entre as 16 cavidades. O poder razoavelmente bom para de-
tectar a diferena mxima de 0,05 mm com 20 amostras por cavidade.
Power and Sample Size
One-way ANOVA
Alpha = 0,05 Assumed standard deviation = 0,0315 Number of Levels = 16
Sample Target Maximum
SS Means Size Power Actual Power Difference
0,00125 20 0,9 0,909108 0,05
The sample size is for each level.
Anlise de Varincia 9
Consideraes Finais
Resumo e concluses
Um tamanho amostral de 20 tampas de canetas por cavidade fornece um poder de 0,909108 para detectar uma diferena mdia
de 0,05 mm entre todas as cavidades.
Quando maior o tamanho amostral, maior o poder do teste. Colete observaes sucientes para atingir o poder adequado, mas
no tantas amostras, para que voc no perca tempo e dinheiro coletanto amostras desnecessrias.
Consideraes adicionais
Em uma One-way ANOVA, os clculos de poder e tamanho de amostra assumem que os tamanhos amostrais e varincias so iguais
em todos os grupos.
Anlise de Varincia 10
One-way ANOVA e Teste de Igualdade de Varincias
Exemplo 2: Resistncia de Tecidos para Bancos de Carros
Problema
Trs inspetores da qualidade, treinados para medir a resistncia ruptura de tecidos para bancos de carros, participam de um estudo de
medio. Eles querem testar a diferena entre os operadores e comparar as mdias e as varincias de suas medies.
Coleta de dados
Paulo, Ana e Marcos mediram a resistncia ruptura de 25 amostras de tecidos. Todas as 75 amostras vm do mesmo lote de produto.
Ferramentas
Individual Value Plot
Probability Plot
Test for Equal Variances
General Linear Model
Arquivo de dados
TECIDOS.MTW
Varivel Descrio
Operador O nome do operador que obteve a medio
Resistncia Resistncia ruptura do tecido (kg)
Anlise de Varincia 11
One-way ANOVA
O que One-way ANOVA
O procedimento One-way ANOVA (anlise de varincia) uma generalizao do teste t para amostras independentes. Diferente do teste
t, entretanto, a One-way ANOVA pode ser usada para analisar as mdias de mais de dois grupos (amostras) ao mesmo tempo.
A idia bsica da ANOVA que a variao dentro dos grupos devida somente ao erro aleatrio.
Se a variao entre os grupos for similar variao
dentro dos grupos (grco direita), provvel que
as mdias dos grupos sejam diferentes devido ape-
nas ao erro aleatrio.
Se a variao entre grupos for grande em relao
variao dentro dos grupos (grco inferior), pro-
vvel que as diferenas entre as mdias dos gru-
pos sejam causadas por diferenas nos nveis de
fatores.
Anlise de Varincia 12
One-way ANOVA
Quando usar One-way ANOVA
Use One-way ANOVA (tambm chamada de ANOVA para um fator) se voc tiver dados de resposta contnuos para dois ou mais nveis
xos de um nico fator.
Antes de aceitar os resultados de uma ANOVA, vericar se as seguintes suposies sobre os resduos so vlidas para os dados. Eles
devem:
Ser independentes (e, portanto, aleatrios);
No se desviar substancialmente de uma distribuio normal;
Ter varincia constante ao longo de todos os nveis dos fatores.
Por que usar One-way ANOVA
One-way ANOVA responde perguntas tais como:
As mdias de uma caracterstica do produto diferem entre os fornecedores?
As mdias dos grupos de tratamentos so diferentes?
Por exemplo:
As resistncias mdias das amostras de plstico de quatro fornecedores so diferentes?
A combusto se torna mais eciente quando se utiliza o aditivo A de combustvel, o aditivo B, ou nenhum aditivo?
Anlise de Varincia 13
Visualizando os dados
Visualize os dados em um Individual Value Plot antes de analis-los.
Individual Value Plot
1) Abra o arquivo TECIDOS.MTW.
2) Selecione Graph > Individual Value Plot.
3) Em One Y, selecione With Groups. Clique em OK.
4) Preencha a caixa de dilogo como mostra a gura abaixo:
5) Clique em Data View.
6) Marque Individual symbols, Mean symbol e Mean connect line.
7) Clique em OK em cada caixa de dilogo.
Anlise de Varincia 14
Interpretando os resultados
A mdia das medidas de resistncia ruptura do Paulo parece ser inferior s mdias da Ana e do Marcos. Use anlise de varincia para
determinar se a diferena entre as resistncias mdias dos operadores estatisticamente signicantiva.
Como esse grco exibe as medidas de resistncia individuais de cada operador, voc tambm pode visualizar quaisquer diferenas na
variabilidade entre os operadores. A variabilidade no parece ser diferente entre os operadores, mas voc deve conduzir um teste de
igualdade de varincias para se assegurar de que qualquer diferena na variabilidade no signicativa.
Prximo passo
Verique as suposies de normalidade.
Anlise de Varincia 15
Vericando a normalidade
Antes de prosseguir com a anlise, certique-se de que as medidas de resistncia de cada operador so uma amostra de observaes
de uma populao normalmente distribuda.
Probability Plot
1) Selecione Graph > Probability Plot > Multiple, e clique em OK.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise de Varincia 16
Interpretando os resultados
Os p-valores do teste de normalidade de Anderson-Darling para Ana, Marcos e Paulo so 0,419, 0,371 e 0,975, respectivamente. Usando
um de 0,05, no existe evidncia suciente para sugerir que os dados no seguem uma distribuio normal.
Prximo passo
Teste de igualdade de varincias.
Anlise de Varincia 17
Teste de igualdade de varincias:
variao dentro dos operadores
Validando a suposio de igualdade de varincias
Antes de comparar as mdias em uma ANOVA, verique a igualdade de varincias. Varincias diferentes violam uma suposio da
ANOVA.
As hipteses para esse teste so:
H
0
: Todos os operadores tm a mesma varincia.
H
A
: Nem todos os operadores tm a mesma varincia.
Avaliando a preciso dos operadores
A variabilidade dentro de um operador vm do erro das medies e da variao pea-a-pea. Como as peas so atribudas aleato-
riamente aos operadores, assuma que quaisquer diferenas signicativas na variabilidade entre os operadores so devido ao erro de
medio, e no variao pea-a-pea.
Test for Equal Variances
1) Selecione Stat > ANOVA > Test for Equal Variances;
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise de Varincia 18
Interpretando os resultados
Intervalos de conana
Intervalos de conana so teis para comparar ao longo dos diferentes grupos e avaliar a preciso das estimativas. Entretanto, baseie
a deciso sobre a igualdade de varincias no teste de varincias apropriado.
Teste de varincias
O Minitab oferece dois testes de varincia:
Teste de Bartlett , que assume uma distribuio normal;
Teste de Levene , que permite distribuies simtricas no-normais.
Nota: Um teste F substitui o teste de Bartlett quando voc tiver apenas dois nveis.
Implicaes
Ambos os testes de Bartlett (p = 0,301) e de Levene (p = 0,400) indicam que as varincias no so signicativamente diferentes. Esse
resultado sugere que a diferena observada nos desvios-padres amostrais entre os grupos provavelmente devida somente variao
aleatria da amostra. A suposio de igualdade de varincias da ANOVA est vericada.
A variao dentro dos grupos neste experimento combina a repetibilidade e a variao dentro dos lotes. Como o teste destrutivo, no
possvel estimar cada uma separadamente.
Prximo passo
Gere os resultados da One-way ANOVA.
Anlise de Varincia 19
One-way ANOVA: diferenas entre os operadores
Use o General Linear Model (GLM) para comparar as resistncias mdias dos trs operadores. As hipteses so:
H
0
: Todas os operadores tm a mesma mdia (sem vcio).
H
A
: Nem todos os operadores tm a mesma mdia (vcio).
Alternativas
A mesma anlise est disponvel nas rotas Stat > ANOVA > One-way e Stat > ANOVA > Balanced ANOVA.
General Linear Model
1) Selecione Stat > ANOVA > General Linear Model.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise de Varincia 20
Interpretando os resultados
Anlise de varincia
A primeira linha de nmeros na tabela Analysis of Variance (Anlise de Varincia) contm as estatsticas associadas com o fator , Ope-
rador. A linha seguinte contm as estatsticas associadas com o erro aleatrio (Error).
Graus de liberdade
Os graus de liberdade (DF) relacionam-se ao nmero de valores usados para calcular a soma de quadrados (SS) para cada fonte de
variao.
Soma de quadrados
A soma de quadrados (SS) mede a variabilidade com a qual cada fonte de variao contribui para os dados. Observe que a variabilidade
total nos dados (Seq SS Total, 68,5163) igual a Seq SS para Operador (6,6208) mais a Seq SS para Erro (61,8954).
Quadrado mdio
O quadrado mdio (Adj MS) para cada fonte igual a Adj SS dividida por DF (graus de liberdade).
Adj MS para o fator (Operador) uma estimativa da variabilidade entre os grupos.
Adj MS para erro uma estimativa da variabilidade dentro dos grupos.
General Linear Model: Resistncia versus Operador
Factor Type Levels Values
Operador xed 3 Ana; Marcos; Paulo
Analysis of Variance for Resistncia, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Operador 2 6,6208 6,6208 3,3104 3,85 0,026
Error 72 61,8954 61,8954 0,8597
Total 74 68,5163
S = 0,927178 R-Sq = 9,66% R-Sq(adj) = 7,15%
Unusual Observations for Resistncia
Obs Resistncia Fit SE Fit Residual St Resid
6 12,6400 10,2300 0,1854 2,4100 2,65 R
60 12,5400 10,4364 0,1854 2,1036 2,32 R
64 12,5200 10,4364 0,1854 2,0836 2,29 R
75 8,5300 10,4364 0,1854 -1,9064 -2,10 R
R denotes an observation with a large standardized residual.
Anlise de Varincia 21
Interpretando os resultados
Estatstica F
F a razo da variabilidade atribuda ao fator pela variabilidade atribuda ao erro.
Se as diferenas entre as mdias dos nveis do fator so similares que voc esperaria devido variao aleatria, a razo F
ser prxima de 1.
Se a variabilidade entre as mdias dos nveis do fator so maiores que a esperada devido variao aleatria, a razo F ser
maior que 1.
P-valor
O p-valor a probabilidade de F ser to grande (ou maior) quanto seria caso o fator no tivesse efeito. Um alto valor de F sugere que as
mdias dos nveis dos fatores so mais diferentes do que seria esperado devido ao acaso; portanto o p-valor pequeno.
Use o p-valor para testar as seguintes hipteses:
H
o
: As mdias dos nveis dos fatores so as mesmas.
H
1
: Ao menos duas das mdias dos nveis dos fatores so diferentes.
General Linear Model: Resistncia versus Operador
Factor Type Levels Values
Operador xed 3 Ana; Marcos; Paulo
Analysis of Variance for Resistncia, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Operador 2 6,6208 6,6208 3,3104 3,85 0,026
Error 72 61,8954 61,8954 0,8597
Total 74 68,5163
S = 0,927178 R-Sq = 9,66% R-Sq(adj) = 7,15%
Unusual Observations for Resistncia
Obs Resistncia Fit SE Fit Residual St Resid
6 12,6400 10,2300 0,1854 2,4100 2,65 R
60 12,5400 10,4364 0,1854 2,1036 2,32 R
64 12,5200 10,4364 0,1854 2,0836 2,29 R
75 8,5300 10,4364 0,1854 -1,9064 -2,10 R
R denotes an observation with a large standardized residual.
Anlise de Varincia 22
Interpretando os resultados
Observaes no-usuais
O minitab identica qualquer observao com resduo maior que dois desvios padro em relao a zero como uma observao no-
usual. Considere estudar essas observaes posteriormente.
Nota: O Minitab identica aproximadamente 5% das observaes como no-usuais devido variao aleatria. Com um tamanho amostral de
75, espere encontrar cerca de 4 observaes no-usuais.
Concluso
Como o p-valor = 0,026, conclua que ao menos dois dos operadores tm diferentes mdias de resistncia ao nvel = 0,05.
O valor R
2
de 9,66% indica que os vcios das medies dos operadores explicam 9,66% da variao nas medidas de resistncia.
General Linear Model: Resistncia versus Operador
Factor Type Levels Values
Operador xed 3 Ana; Marcos; Paulo
Analysis of Variance for Resistncia, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Operador 2 6,6208 6,6208 3,3104 3,85 0,026
Error 72 61,8954 61,8954 0,8597
Total 74 68,5163
S = 0,927178 R-Sq = 9,66% R-Sq(adj) = 7,15%
Unusual Observations for Resistncia
Obs Resistncia Fit SE Fit Residual St Resid
6 12,6400 10,2300 0,1854 2,4100 2,65 R
60 12,5400 10,4364 0,1854 2,1036 2,32 R
64 12,5200 10,4364 0,1854 2,0836 2,29 R
75 8,5300 10,4364 0,1854 -1,9064 -2,10 R
R denotes an observation with a large standardized residual.
Prximo passo
Construa os grco de resduos e de efeitos principais.
Anlise de Varincia 23
Criando grcos de resduos e de efeitos principais
Para se assegurar de que os resultados so vlidos, verique se todas as suposies sobre os erros do modelo foram satisfeitas.
Selecione grcos Four-in-one para exibir os quatro grcos individuais de resduos em uma nica pgina, em quatro painis diferen-
tes.
Resduos
Regular residuals - As diferenas entre os valores observados e preditos na mesma unidade de seus dados.
Standardized residuals - Os resduos regulares padronizados em unidades de desvios padro.
Deleted residuals - Para calcular o resduo da i-sima observao, primeiro remova a i-sima observao do conjunto de dados,
estime a i-sima observao e calcule a diferena entre o valor observado e o valor predito. E nalmente, divida a diferena por
seu desvio padro.
Grco de efeitos principais
Use o grco de efeitos principais para exibir as mdias de cada grupo, se a ANOVA detectar diferenas signicativas entre as mdias.
General Linear Model
1) Selecione Stat > ANOVA > General Linear Model ou pressione Ctrl + E.
2) Clique em Graphs. Em Residual Plots, escolha Four in one.
3) Clique em OK.
4) Clique em Factor Plots.
5) Preencha a caixa de dilogo como mostra a gura abaixo:
6) Clique em OK em cada caixa de dilogo.
Anlise de Varincia 24
Interpretando os resultados
Grco de resduos Four-in-one
Normal Probability Plot - Como os pontos no grco de probabilidade normal seguem uma linha reta, voc pode assumir que os
resduos no se desviam substancialmente de uma distribuio normal.
Histogram - Use o grco de probabilidade normal para tomar decises sobre a normalidade dos resduos. Com um tamanho
amostral razoavelmente grande, o histograma exibe informao compatvel.
Versus Fits - A suposio de varincia constante no parece ser violada, pois os resduos esto aleatoriamente distribudos em
torno de zero e tm aproximadamente a mesma disperso para todos os valores ajustados.
Versus Order - O grco de resduos versus ordem no mostra qualquer padro, portanto no h dependncia dos dados com
o tempo.
Anlise de Varincia 25
Interpretando os resultados
Grco de efeitos principais
Como a mdia das medidas do Paulo bem menor que as mdias da Ana e Marcos, existe vcio de medio entre os operadores. Voc
tambm pode ter vcio de medio entre um operador e a medida real. Entretanto, voc no pode avaliar esse tipo de vcio com essa
anlise, pois voc no conhece o valor correto da medio (o padro).
Como um grco de efeitos principais no indica quanta variabilidade existe dentro de cada grupo, voc no pode us-lo para exibir
signicncia estatstica. Tenha cuidado ao interpretar um grco de fatores quando a ANOVA no indica uma diferena signicativa.
Anlise de Varincia 26
Consideraes Finais
Resumo e concluses
A anlise no indica que os operadores tm variabilidade diferente ao medir a resistncia dos tecidos de bancos de carros.
A anlise indica forte evidncia de um vcio entre pelo menos dois operadores.
Desta anlise, os inspetores da qualidade no podem avaliar quais operadores esto medindo corretamente, apenas que eles
esto medindo de forma diferente, em mdia.
Consideraes adicionais
A aleatorizao extremamente importante neste exemplo. Sem aleatorizao, um operador pode obter resistncias signicati-
vamente mais fortes ou fracas que outro operador. Se isso acontecer, voc pode atribuir incorretamente a variao pea-a-pea
variao do operador.
Essa anlise um estudo de reprodutibilidade de sistema de medio para um teste destrutivo. A anlise Stat > Quality Tools >
Gage Study requer um componente de repetibilidade, o que no era o foco deste estudo, e portanto, no foi medido.
Comparar os trs operadores em uma ANOVA prefervel a comparar dois operadores de cada vez com testes-t para 2 amostras.
Mltiplos testes aumentam o risco de um erro Tipo I (rejeitar H
0
incorretamente).
Muitas ferramentas estatsticas avaliam sistemas de medio. O Gage R&R no sempre a maneira mais apropriada ou eciente
de avaliar determinadas propriedades estatsticas de um sistema de medio
Anlise de Varincia 27
Exerccio L: Moldes de Tampas de Canetas
Problema
Uma empresa que fabrica canetas esferogrcas usa um molde composto por 16 cavidades para fabricar tampas plsticas para as cane-
tas. A espessura alvo para a tampa de 10 mm. O fabricante quer comparar as mdias e varincias nas espessuras para as 16 cavidades
e determinar se algumas das mdias das cavidades so diferentes do alvo de 10 mm.
Coleta de dados
A mquina armazena tampas de canetas para cada uma das 16 cavidades em 16 caixas separadas. Ao nal de cada turno, inspetores
coletam uma amostra aleatria de 20 tampas de cada caixa e medem a espessura (em mm) de cada.
Instrues
1) Use Stat > Basic Statistics > Display Descriptive Statistics para construir boxplots para as 16 cavidades.
2) Use Stat > ANOVA > Test for Equal Variances para comparar as varincias nas 16 cavidades.
3) Use Stat > ANOVA > General Linear Model para comparar as mdias nas 16 cavidades. Selecione os grcos de resduos
para identicar quaisquer observaes no-usuais.
4) Use Stat > ANOVA > Interval Plot para determinar se algumas das mdias das cavidades so diferentes do alvo. Adicione uma
linha de referncia no eixo-y clicando em Scale > Reference Lines. Quais cavidades voc concluiria que no esto ajustadas
no alvo?
5) No Interval Plot, clique duas vezes no limite de um intervalo de conana, ento clique em Options e marque Bonferroni.
Quais cavidades esto fora do alvo?
Arquivo de dados
CAVIDADES.MTW
Varivel Descrio
Cavidade Nmero da cavidade
Espessura Espessura da abertura da tampa da caneta (mm)
Nota: Ao usar um nico intervalo de 95% de conana, o risco de concluir incorretamente que a mdia est fora do alvo de 5%. Essa a taxa
de erro Tipo I. Ao usar mltiplos intervalos de conana, a taxa de erro Tipo I global aumenta medida que o nmero de intervalos de conan-
a aumenta. Intervalos de Bonferroni mantm a taxa de erro Tipo I global em 5%, quando voc gera mltiplos intervalos de conana.
Anlise de Varincia 28
ANOVA - General Linear Model
Exemplo 3: Distncia de Parada
Problema
Engenheiros desejam saber se os seguintes fatores afetam a distncia necessria para parar um carro parar em um pavimento molha-
do:
O modelo do pneu;
A banda de rodagem do pneu;
Se os freios antitravamento (freios ABS) esto habilitados.
Coleta de dados
Os engenheiros coletaram todos os dados usando o mesmo carro. Eles mediram a distncia necessria para parar o carro a uma velo-
cidade de 60 km/h em um pavimento molhado para cada combinao dos fatores (Modelo, Profundidade e ABS). Eles executaram os
experimentos em ordem aleatria.
Ferramentas
Descriptive Statistics
General Linear Model
Main Effects Plot
Interactions Plot
Arquivo de dados
DISTNCIA.MTW
Varivel Descrio
Modelo Fator - modelo do pneu (GT, LS e MX)
Banda de rodagem Fator - banda de rodagem (1,5 e 10 mm)
ABS Fator - indica a condio do freio ABS (habilitado, desabilitado)
Distncia Resposta - distncia para o veculo parar em um pavimento molhado (metros)
Anlise de Varincia 29
ANOVA - General Linear Model (GLM)
O que o modelo linear geral
O modelo linear geral do Minitab avalia a anlise de varincia em vrias situaes, incluindo experimentos balanceados e no-balance-
ados, anlise de covarincia, entre outras.
Quando usar o modelo linear geral
Use o GLM para realizar uma anlise de varincia quando voc tiver respostas contnuas para nveis xos de um ou mais fatores. O
procedimento GLM do Minitab trata:
Fatores cruzados ou aninhados;
Fatores xos ou aleatrios;
Modelos mistos;
Experimentos balanceados e no-balanceados;
Preditores contnuos como covariveis.
Por que usar o modelo linear geral
O GLM responde perguntas tais como:
Existem diferenas em seu produto devido a vrios fatores identicados?
Certas combinaes dos nveis dos fatores levam a uma resposta ideal?
Por exemplo:
A cor do plstico muda em funo da temperatura, umidade ou presso?
A cor do plstico geralmente melhor quando a presso alta, ou isso depende do nvel de umidade?
Anlise de Varincia 30
Visualizando os dados em tabelas
Exiba os dados em tabelas para examinar possveis diferenas entre as 12 combinaes de tratamentos.
Descriptive Statistics
1) Abra o arquivo DISTNCIA.MTW.
2) Selecione Stat > Tables > Descriptive Statistics.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em Categorical Variables.
5) Desmarque Counts e clique em OK.
6) Clique em Associated Variables.
7) Em Associated variables, entre com Distncia.
8) Em Display, marque Means.
9) Clique em OK em cada caixa de dilogo..
Anlise de Varincia 31
Interpretando os resultados
Efeitos principais
A distncia de parada mdia quando o ABS est desabilitado (27,63 m) maior que a distncia de parada mdia quando o ABS est
habilitado (22,79 m). Essa diferena o efeito principal de ABS.
Efeitos de interao
Observe que:
Quando ABS estava desabilitado, a banda de rodagem de 1,5 mm tinha uma distncia de parada menor (mdia = 27,47 m) que
a banda de rodagem de 10 mm (mdia = 27,78 m).
Quando ABS estava habilitado, a banda de rodagem de 10 mm tinha uma distncia de parada menor (mdia = 22,50 m) que a
banda de rodagem de 1,5 mm (mdia = 23,08 m).
Esse efeito a interao ABS*Banda de rodagem, onde o efeito da banda de rodagem depende do nvel de ABS. (Entretanto, as diferen-
as no so grandes. O teste apropriado provavelmente revelar que essa interao no signicativa.)
Tabulated statistics: Modelo; Banda de rodagem; ABS
Results for ABS = desabilitado
Rows: Modelo Columns: Banda de rodagem
1,5 10,0 All
GT 25,30 27,45 26,38
LS 29,40 27,55 28,48
MX 27,70 28,35 28,02
All 27,47 27,78 27,63
Cell Contents: Distncia : Mean
Results for ABS = habilitado
Rows: Modelo Columns: Banda de rodagem
1,5 10,0 All
GT 20,90 20,40 20,65
LS 25,15 23,80 24,48
MX 23,20 23,30 23,25
All 23,08 22,50 22,79
Cell Contents: Distncia : Mean
Anlise de Varincia 32
Analisando o modelo completo
Use a ferramenta General Linear Model para analisar o modelo completo, que contm todos os efeitos principais e interaes poss-
veis.
Notao
Para indicar os termos de interao, ligue os nomes dos fatores com asteriscos. Assim, o modelo completo para os dados de distncia
de parada ir conter os seguintes termos:
Efeitos principais Interaes de segunda ordem Interaes de terceira ordem
Modelo Modelo*Banda de rodagem Modelo*Banda de rodagem*ABS
Banda de rodagem Modelo*ABS
ABS Banda de rodagem*ABS
Para facilitar, voc pode entrar com o modelo completo usando a notao da barra vertical:
Modelo | Banda de rodagem | ABS
Com as barras verticais, o Minitab considera todos os efeitos principais e interaes entre os termos indicados.
General Linear Model
1) Selecione Stat > ANOVA > General Linear Model.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise de Varincia 33
Interpretando os resultados
Use os p-valores para testar a signicncia de cada termo. Neste modelo, os seguintes efeitos so signicativos ao nvel de 0,05:
Modelo (P = 0,003)
ABS (P = 0,000)
Como ABS tem apenas dois nveis (habilitado e desabilitado), voc sabe que a signicncia deste termo reete uma diferena signica-
tiva entre os dois nveis.
Testes de comparao
Como Modelo tem trs nveis, conduza comparaes estatsticas para determinar quais nveis so diferentes entre si.
General Linear Model: Distncia versus Modelo; Banda de rodagem; ABS
Factor Type Levels Values
Modelo xed 3 GT; LS; MX
Banda de rodagem xed 2 1,5; 10,0
ABS xed 2 desabilitado; habilitado
Analysis of Variance for Distancia, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Modelo 2 37,316 37,316 18,658 9,41 0,003
Banda de rodagem 1 0,107 0,107 0,107 0,05 0,821
ABS 1 140,167 140,167 140,167 70,67 0,000
Modelo*Banda de rodagem 2 6,656 6,656 3,328 1,68 0,228
Modelo*ABS 2 2,986 2,986 1,493 0,75 0,492
Banda de rodagem*ABS 1 1,215 1,215 1,215 0,61 0,449
Modelo*Banda de rodagem*ABS 2 2,573 2,573 1,286 0,65 0,540
Error 12 23,800 23,800 1,983
Total 23 214,818
S = 1,40831 R-Sq = 88,92% R-Sq(adj) = 78,77%
Unusual Observations for Distancia
Obs Distancia Fit SE Fit Residual St Resid
4 25,3000 23,3000 0,9958 2,0000 2,01 R
15 21,3000 23,3000 0,9958 -2,0000 -2,01 R
R denotes an observation with a large standardized residual.
Prximo passo
Elimine os termos no signicativos e verique os resduos.
Anlise de Varincia 34
Ajustando o modelo reduzido
Ajuste um modelo reduzido removendo os termos no signicativos. Use General Linear Model para ajustar o modelo apenas com Mo-
delo e ABS.
Crie grcos de resduos para validar as suposies do teste.
General Linear Model
1) Selecione Stat > ANOVA > General Linear Model.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Graphs.
4) Em Residuals Plots, marque Four in one.
5) Clique em OK em cada caixa de dilogo.
Anlise de Varincia 35
Interpretando os resultados
Conforme esperado, tanto Modelo quanto ABS so signicativos ao nvel de signicncia de 0,05 no modelo reduzido.
General Linear Model: Distncia versus Modelo; ABS
Factor Type Levels Values
Modelo xed 3 GT; LS; MX
ABS xed 2 desabilitado; habilitado
Analysis of Variance for Distancia, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Modelo 2 37,316 37,316 18,658 9,99 0,001
ABS 1 140,167 140,167 140,167 75,08 0,000
Error 20 37,336 37,336 1,867
Total 23 214,818
S = 1,36631 R-Sq = 82,62% R-Sq(adj) = 80,01%
Anlise de Varincia 36
Interpretando os resultados
Grco de resduos Four-in-one
Normal Probability Plot - Como os pontos no grco de probabilidade normal seguem uma linha reta, voc pode assumir que os
resduos no se desviam substancialmente de uma distribuio normal.
Histogram - Use o grco de probabilidade normal para tomar decises sobre a normalidade dos resduos. Com um tamanho
amostral razoavelmente grande, o histograma exibe informao compatvel.
Versus Fits - A suposio de varincia constante no parece ser violada, pois os resduos esto aleatoriamente distribudos em
torno de zero e tm aproximadamente a mesma disperso para todos os valores.
Versus Order - O grco de resduos versus ordem no mostra qualquer padro, portanto no h dependncia dos dados com
o tempo.
Prximo passo
Construa os grcos de efeitos principais e interaes.
Anlise de Varincia 37
Grco de efeitos principais e interaes
Comparao grca de mdias
Agora que voc selecionou um modelo, visualize os resultados da anlise usando grcos de efeitos principais e interaes.
Embora voc no tenha includo todos os termos no modelo nal, voc pode querer incluir todos os fatores nos grcos, para visualizar
fatores signicativos e no-signicativos.
Main Effects Plot e Interactions Plot
1) Selecione Stat > ANOVA > Main Effects Plot;
2) Em Responses, entre com Distncia;
3) Em Factors, entre com Modelo Banda de rodagem ABS;
4) Clique em OK;
5) Selecione Stat > ANOVA > Interactions Plot;
6) Em Responses, entre com Distncia;
7) Em Factors, entre com Modelo Banda de rodagem ABS;
8) Clique em OK.
Anlise de Varincia 38
Interpretando os resultados
Os grcos de efeitos principais revelam que Modelo e ABS tiveram os maiores efeitos observados na distncia de parada. Esses gr-
cos tambm mostram que:
O pneu com a menor distncia de parada foi o GT
A distncia de parada foi menor com o sistema ABS habilitado que desabilitado
O grco de Banda de rodagem demonstra pouca inclinao, sugerindo que este efeito no signicativo. As duas bandas de rodagem
produziram distncias de parada quase idnticas.
Anlise de Varincia 39
Interpretando os resultados
Os grcos de interaes ilustram todas as interaes de segunda ordem. O grco exibe as mdias das combinaes dos nveis dos
fatores.
As linhas de cada grco so quase que paralelas, sugerindo que no existe interao entre quaisquer dos termos. Alguma evidncia de
interao aparece entre Modelo e Banda de rodagem, mas a ANOVA indicou que esta no foi signicativa.
Prximo passo
Use comparaes mltiplas para comparar todos os nveis dos fatores e ver quais nveis diferem de forma signicativa.
Anlise de Varincia 40
Executando comparaes pareadas
Use comparaes pareadas para testar as diferenas entre os nveis dos fatores signicativos. Os resultados da anlise de varincia
indicam apenas que pelo menos dois nveis diferem entre si. Use comparaes mltiplas para comparar todos os nveis dos fatores para
descobrir quais diferem signicativamente entre si.
Nesse exemplo, voc pode concluir da ANOVA original que existe uma diferena signicativa entre o modelo do pneu, com a maior dife-
rena mdia observada (GT e LS). Voc no pode usar esses resultados para determinar se o pneu MX signicantemente diferente do
pneu GT ou do LS. Use comparaes pareadas para concluir se os modelos do pneu diferem entre si.
General Linear Model
1) Selecione Stat > ANOVA > General Linear Model.
2) Pressione F3 para restaurar as conguraes originais.
3) Em Responses, entre com Distncia.
4) Em Model, entre com Modelo ABS.
5) Clique em Comparisons.
6) Preencha a caixa de dilogo como mostra a gura abaixo:
7) Clique em OK em cada caixa de dilogo.
Anlise de Varincia 41
Interpretando os resultados
A primeira tabela compara o pneu GT com os pneus LS e MX. Os resultados revelam que a distncia de parada mdia obtida com o pneu
GT foi signicativamente menor do que aquela obtida com os pneus LS (P = 0,0009) ou MX (P = 0,0146).
A segunda tabela compara os pneus LS e MX, que no se mostraram signicativamente diferentes (P = 0,4522).
Tukey Simultaneous Tests
Response Variable Distancia
All Pairwise Comparisons among Levels of Modelo
Modelo = GT subtracted from:
Difference SE of Adjusted
Modelo of Means Difference T-Value P-Value
LS 2,962 0,6832 4,337 0,0009
MX 2,125 0,6832 3,111 0,0146
Modelo = LS subtracted from:
Difference SE of Adjusted
Modelo of Means Difference T-Value P-Value
MX -0,8375 0,6832 -1,226 0,4522
Anlise de Varincia 42
Consideraes nais
Resumo e concluses
Em termos de distncia de parada em um pavimento molhado:
O melhor pneu o GT
melhor ter o ABS habilitado
A banda de rodagem (1,5 ou 10,0 mm) no inuencia
Consideraes adicionais
O procedimento General Linear Model tem as seguintes vantagens:
Voc pode utiliz-lo com experimentos desbalanceados;
Voc pode avaliar diferenas entre as mdias individuais dos nveis.
Valide as suposies dos resduos antes de tirar quaisquer concluses nais sobre os resultados da ANOVA.
Esta anlise envolveu fatores xos - os nveis includos eram de interesse direto e no podem ser generalizados para outros nveis. O
procedimento General Linear Model tambm pode ser usado com fatores aleatrios, que so fatores para os quais os nveis so sele-
cionados de forma aleatria para representar uma populao maior de nveis possveis. Estudos de medio R&R frequentemente usam
fatores aleatrios.
Todos os fatores nesta anlise foram cruzados - cada nvel de Modelo podia ser testado com cada nvel de Profundidade. Os fatores so
considerados hierrquicos (ou aninhados) se todos os nveis de um fator ocorrem completamente dentro de um nvel de outro fator.
Anlise de Varincia 43
Exerccio M: Degustao de Vinho
Problema
Uma companhia quer determinar se existem diferenas signicativas de qualidade entre trs vinhos: Matador, Conquistador e Saeta.
Coleta de dados
Foram selecionados dez enlogos (juzes), e cada um degustou os trs vinhos e os pontuou por qualidade geral. A ordem de degustao
foi aleatria, de modo que cada enlogo degustou os vinhos em ordem diferente.
Instrues
1) Use General Linear Model para analisar a Nota como uma funo do Vinho e do Juiz.
2) Verique os grcos de resduos.
3) Inclua comparaes pareadas do fator Vinho para investigar diferenas entre os vinhos individuais.
4) Gere um grco de efeitos principais para Vinho.
Arquivo de dados
VINHO.MTW
Varivel Descrio
Juiz Nome do juiz
Vinho Nome do vinho
Ensaio Ordem na qual cada juiz degustou o vinho
Ordem de degustao Ordem na qual cada juiz degustou o vinho dentro do ensaio
Nota Pontuao dada pelo juiz
Anlise de Varincia 44
Exerccio N: Desgaste de Tinta
Problema
O Departamento de Transportes de Minas Gerais est estudando as caractersticas de desgaste de quatro tipos de tintas amarelas para
a pintura de rodovias.
Coleta de dados
Trabalhadores aplicaram faixas de teste de cada tinta em ruas de quatro municpios da regio metropolitana de Belo Horizonte: Sabar,
Santa Luzia, Contagem e Vespasiano. Aps longa exposio ao clima e ao trfego, os trabalhadores mediram o desgaste da tinta em
cada um dos quatro municpios. Uma alta pontuao indica que menos tinta foi desgastada.
Instrues
1) Use General Linear Model para determinar se o desgaste mdio dos quatro tipos de tinta foi igual.
2) Use General Linear Model para determinar se o desgaste mdio foi diferente nas localidades e tipos de tinta.
3) Verique os grcos de resduos.
4) Por que o tipo de tinta foi signicativo na segunda anlise, mas no na primeira?
5) Use comparaes pareadas para determinar quais tintas so signicativamente diferentes entre si. Mantenha a localidade no
modelo como uma varivel de bloco.
Arquivo de dados
DESGASTE.MTW
Varivel Descrio
Localidade Fator - localidade do teste
Tinta Fator - tipo de tinta testada
Desgaste Resposta - desgaste da tinta
Cartas de Controle
Dados Contnuos
Cartas de Controle - Dados Contnuos
3
Monitorar o processo usando as cartas Xbar, R, S e I-MR.
Determinar se a variablidade possui uma causa especial.
Objetivos
www.minitabbrasil.com.br
Copyright - GLOBAL TECH
O contedo desta apostila, desenvolvida pela Global Tech, encontra-se protegido pela legislao autoral vigente no
Pas e pelas regras internacionais estabelecidas na Conveno de Berna. Desta forma, so vedadas a reproduo,
modicao e distribuio total ou parcial de quaisquer informaes nela contida, a menos que devidamente autorizadas
pela Global Tech. Assim, de responsabilidade do usurio qualquer violao s normas de direitos autorais nacionais
ou internacionais. www.minitabbrasil.com.br
Cartas de Controle - Dados Contnuos
4
Contedo
Exemplos e Exerccios Objetivos Pgina
Cartas Xbar e R
Exemplo 1:
Consistncia da Cor
Avaliar a estabilidade da mdia e variao de um processo
usando cartas Xbar e R
7
Exemplo 2:
Consistncia da Cor - Especicando Parme-
tros
Construir cartas Xbar e R com linha central e limites de controle
xos especicando parmetros
22
Exerccio G:
Estabilidade das Medies de Densidade de
Filmes Fotogrcos
Avaliar a estabilidade da mdia e variao de um processo
usando cartas Xbar e R
26
Exerccio H:
Peso dos Sabonetes
Avaliar a estabilidade da mdia e variao de um processo
usando cartas Xbar e R
27
Cartas Xbar e S
Exemplo 3:
Encolhimento em um Processo de Moldagem
por Injeo
Avaliar a estabilidade da mdia e variao de um processo e
demonstrar melhorias usando cartas Xbar e S
28
Exerccio I:
ndice de Refrao em Cabos de Fibra tica
Avaliar a estabilidade da mdia e variao de um processo e
demonstrar melhorias usando cartas Xbar e S
35
Cartas I-MR
Exemplo 4:
Peso dos Sorvetes
Avaliar a estabilidade da mdia de um processo usando cartas
I-MR
36
Exerccio J:
Dimetro dos Trincos das Portas
Avaliar a estabilidade da mdia de um processo e demonstrar
melhorias usando cartas I-MR
44
Cartas de Controle - Dados Contnuos
5
Cartas de Controle
O que uma carta de controle
Uma carta de controle um grco especial de sries temporais desenvolvido para ajudar a identicar padres anormais de variabilidade
em um processo. As cartas Xbar e R esto entre as cartas de controle mais utilizadas.
A estrutura geral de uma carta de controle a mostrada a seguir:
Quando usar uma carta de controle?
Use cartas de controle para monitorar dados coletados em ordem temporal para uma caracterstica de qualidade particular, tal como a
cor do produto, peso, ou temperatura.
Por que usar uma carta de controle
Use uma carta de controle para detectar variaes no processo ao longo do tempo.
Use cartas de controle para responder perguntas tais como:
Os lotes de matria-prima esto causando mudanas na mdia ou variao do processo?
A mdia e variao do processo esto se deslocando devido a causas externas, tais como condies ambientais?
A variao entre os lotes ou bateladas da produo maior que a esperada?
Cartas de Controle - Dados Contnuos
6
C
a
r
t
a
s

d
e

C
o
n
t
r
o
l
e
Cartas de Controle - Dados Contnuos
7
Cartas Xbar e R
Exemplo 1: Consistncia da Cor
Problema
Uma companhia usa grnulos plsticos para fabricar cases para monitores de computador. Eles desejam avaliar se a cor dos cases
consistente ao longo do tempo.
Coleta de dados
Inspetores da qualidade selecionaram aleatoriamente cinco cases a cada quatro horas de produo, durante um perodo de oito dias. A
cor de cada case foi avaliada usando o valor L* da escala de cor L,a,b.
Ferramentas
R Chart
Xbar Chart
Arquivo de dados
COR1.MTW
Varivel Descrio
Leituras Leitura obtida de cada case de computador, usando o valor L* da escala
de cor L,a,b
Data/Hora Data e hora em que cada subgrupo de cases foi amostrado no processo
Cartas de Controle - Dados Contnuos
8
Cartas R
O que uma carta R
Uma carta R plota as amplitudes dos subgrupos em ordem temporal para detectar mudanas na variabilidade do processo ao longo do
tempo.
Quando usar uma carta R
Use uma carta R para comparar a variabilidade dentro de cada subgrupo dos dados ao longo do tempo.
Um erro comum ao se analisar dados do processo por intermdio do estudo de dados amostrais, interpretar a carta de controle de
mdias dos subgrupos sem antes vericar se a variabilidade dentro dos subgrupos est sob controle estatstico.
apropriado examinar uma carta R ou S antes de interpretar uma carta de controle das mdias dos subgrupos (uma carta Xbar). Se a
variabilidade dentro dos subgrupos no for estvel, os limites de controle usados na carta Xbar podem no ser informativos, pois estes
limites de controle foram obtidos com base na variao dentro dos subgrupos.
As cartas R so tradicionalmente usadas para anlise de subgrupos pequenos. As diretrizes da Automotive Industry Action Group (AIAG)
sugerem usar cartas R ao invs de cartas S quando o tamanho do subgrupo for inferior a nove.
Por que usar uma carta R
Use uma carta R para detectar a ocorrncia de variaes no processo ao longo do tempo.
Use cartas R para responder perguntas tais como:
A variao de um processo estvel durante intervalos de tempo especcos?
Os diferentes lotes de matria-prima causam mudanas na variabilidade do processo?
Por exemplo, a carta R pode detectar:
Se a variao na resistncia de peas coladas aumentou porque o aplicador de cola liberou quantidades inconsistentes de cola
devido a entupimentos intermitentes.
Se a variao em perfuraes de buracos localizados se tornou maior devido perda de espessura.
Cartas de Controle - Dados Contnuos
9
Causas especiais
Uma causa especial uma ocorrncia incomum que no tpica do processo, podendo ser benca ou prejudicial.
Investigue as causas especiais se o processo parece estar fora de controle estatstico. Investigando as razes para as causas especiais
de variabilidade, possvel responder perguntas tais como:
Por que a mdia do processo a maior que a esperada?
Por que a proporo de erros maior que a esperada?
Por que existe mais variao que a esperada no processo?
Por exemplo:
O nvel de preenchimento da mquina de refrigerante estava com um ajuste alto demais?
A pessoa que estava operando a mquina foi treinada adequadamente?
A tintura usada no processo de fabricao de papel era da cor errada?
Cartas de Controle - Dados Contnuos
10
Criando uma carta R
Crie uma carta R para examinar a variabilidade dentro dos subgrupos das leituras da cor, antes de criar uma carta Xbar. Se a variabilidade
do processo no estiver sob controle estatstico, as concluses obtidas na carta Xbar podem ser invlidas.
Subgrupos racionais
Cada conjunto de cinco cases selecionados por turno formam um subgrupo. Um subgrupo deve representar somente causas comuns
de variao no processo e deve, se possvel, ser livre de causas especiais de variao. Exemplos incluem itens fabricados ao mesmo
tempo, ou criados por um mesmo operador.
Idealmente, a variabilidade dentro de subgrupos racionais limitada variao inerente ao processo. O objetivo ao avaliar a estabilidade
do processo identicar e eliminar fontes de variao que impactam negativamente o processo.
R Chart
1) Abra o arquivo COR1.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Subgroups > R.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em R Options.
Cartas de Controle - Dados Contnuos
11
Criando uma carta R
Testes para causas especiais
O Minitab inclui quatro testes para ajudar a identicar variaes no-aleatrias nos dados na carta R. Podemos escolher um dos 4 testes
ou fazer todos eles:
Ponto fora dos limites de controle: 1 ponto
alm de 3 desvios-padro da linha central, o que
testa valores de amplitude muito altos ou baixos.

Deslocamento da linha mdia: 9 pontos con-


secutivos no mesmo lado da linha central, que testa
se uma srie de valores consecutivos so maiores
ou menores que a mdia.

Tendncia: 6 pontos consecutivos, todos cres-


cendo ou decrescendo, o que testa um crescimen-
to ou decrescimento sistemtico das amplitudes.

Periodicidade: 14 pontos consecutivos, alternan-


do em cima e em baixo, o que testa as oscilaes
no aleatrias nas amplitudes.

Mudando as denies dos testes


Voc pode personalizar qualquer teste para atender sua aplicao especca. Por exemplo, mude k=2,5 para o primeiro teste para marcar
um ponto fora de controle antes de 3 desvios-padro.
NOTA: Use Tools > Options > Control Charts and Quality Tools para customizar os testes para todas as cartas de controle que voc criar.
Cartas de Controle - Dados Contnuos
12
Criando uma carta R (continuao)
R Chart
5) Clique na aba Tests.
6) Preencha a caixa de dilogo como mostra a gura abaixo:
7) Clique em OK em cada caixa de dilogo.
Cartas de Controle - Dados Contnuos
13
Interpretando os resultados
Use a carta R para avaliar se a variao dentro dos subgrupos est sob controle estatstico.
A linha central representa a mdia das amplitudes dos subgrupos e uma estimativa da variao dentro dos subgrupos (
within
).
A localizao dos limites de controle inferior e superior (UCL e LCL, respectivamente) representa a variao esperada para as amplitudes
dos subgrupos. Um ponto acima ou abaixo desses limites indica uma variao no-usual se comparada com a mdia.
Controle do processo
A variabilidade na amplitude dos subgrupos parece ser aleatria sem valores atpicos muito altos ou baixos. (Esta observao conr-
mada devido ao fato de nenhum ponto falhar nos testes para causas especiais).
NOTA: Geralmente Rbar/d2 usado ao invs do desvio-padro combinado (pooled) como uma estimativa da variao dentro dos subgrupos.
Se voc quiser mudar o mtodo para esta carta, use R Options > Estimate. Se voc quiser mudar o default de todas as cartas, use Tools >
Options > Control Charts and Quality Tools > Estimating Standard Deviation.
Cartas de Controle - Dados Contnuos
14
Consideraes nais
Resumo e concluses
A carta R indica que a variao dentro dos subgrupos est sob controle estatstico, o que permite avaliar a mdia do processo usando
a carta Xbar.
Consideraes adicionais
Use uma carta R para avaliar a variao do processo antes de avaliar uma carta Xbar.
A variao do processo deve estar sob controle estatstico para se avaliar a estabilidade da mdia do processo usando a carta Xbar, pois
os limites de controle da carta Xbar so calculados por meio da variao dentro dos subgrupos. Se a variao dentro dos subgrupos no
for estvel, os limites da carta de controle sero questionveis e, talvez, resultem em concluses invlidas.
NOTA: Use a carta R ao invs da carta S para subgrupos pequenos.
Se a variabilidade for inconsistente ao longo do tempo, investigue o processo:
Examine os subgrupos que exibem variabilidade menor que a esperada, para determinar as condies de operao que podem
reduzir a variabilidade.
Examine os subgrupos que exibem variabilidade maior que a esperada, para tentar eliminar as causas de variao excessiva e
melhorar o processo.
Cartas de Controle - Dados Contnuos
15
Cartas Xbar
O que uma carta Xbar
Uma carta Xbar um grco que ajuda voc a determinar se a mdia do processo est sob controle estatstico, quando os dados so
coletados em subgrupos racionais.
Quando usar uma carta Xbar
Use cartas Xbar para avaliar a estabilidade da mdia de um processo quando os dados so coletados usando subgrupos racionais.
Avalie a estabilidade da variao do processo usando uma carta R ou S antes de avaliar a mdia do processo. Se a variao dentro dos
subgrupos estiver fora de controle estatstico, os limites de controle da carta Xbar podem no reetir adequadamente o status de controle
do processo.
Por que usar uma carta Xbar
Cartas Xbar podem responder perguntas tais como:
A mdia do processo estvel ao longo do tempo?
A mdia do processo exibe um padro no-aleatrio ao longo do tempo?
Por exemplo, uma carta Xbar pode detectar:
Se uma broca foi instalada incorretamente em uma mquina, causando a mudana na mdia do dimetro do orifcio;
Se a resistncia mdia das peas coladas deslocar para baixo, devido ao fato da consistncia da cola aplicada ser insuciente.
Cartas de Controle - Dados Contnuos
16
Avaliando mudanas nas mdias de grupos
Testes para causas especiais
A carta Xbar possui mais testes para causas especiais que a carta R. Com propsito ilustrativo, todos os 8 testes para essa carta sero
usados neste exemplo:
Ponto fora dos limites de controle: 1 ponto
alm de 3 desvios-padro da linha central.
Deslocamento da linha mdia: 9 pontos con-
secutivos no mesmo lado da linha central.
Tendncia: 6 pontos consecutivos, todos cres-
cendo ou decrescendo.
Periodicidade: 14 pontos consecutivos, alternan-
do em cima e em baixo.
Cartas de Controle - Dados Contnuos
17
Avaliando mudanas nas mdias de grupos
Testes para causas especiais
Aproximao dos limites de controle: 2 de 3
pontos consecutivos entre 2 e 3 desvios-padro do
mesmo lado da linha mdia.

Deslocamento acentuado da mdia: 4 de 5


pontos consecutivos (do mesmo lado), alm de um
desvio-padro da linha mdia.

Aproximao da linha mdia: 15 pontos con-


secutivos (em ambos os lados) no limite de um
desvio-padro da linha mdia.

Distanciamento da linha mdia: 8 pontos


consecutivos (em ambos os lados), alm de um
desvio-padro da linha mdia.

Cartas de Controle - Dados Contnuos


18
Criando uma carta Xbar
Xbar Chart
1) Abra o arquivo COR1.MTW, se j no estiver aberto.
2) Selecione Stat > Control Charts > Variables Charts for Subgroups > Xbar.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em Xbar Options, ento clique na aba Tests.
5) Selecione Perform all tests for special causes.
6) Clique em OK em cada caixa de dilogo.
NOTA: Quanto mais testes voc realizar, maior a probabilidade de que voc obtenha um alarme falso de falta de controle.
Cartas de Controle - Dados Contnuos
19
Interpretando os resultados
Limites de controle
Os limites de controle da carta Xbar usam o desvio-padro combinado (pooled) estimado com a variao dentro dos subgrupos.
Observe que a carta Xbar estima a variao das mdias dos subgrupos, e no dos valores individuais dos dados. Para fazer isso, ela
usa o erro-padro das mdias:

Cartas de Controle - Dados Contnuos
20
Interpretando os resultados
Falhas nos testes para causas especiais
Um nmero vermelho em um ponto da carta indica que o ponto falhou em um ou mais testes. Se mltiplos testes falham no mesmo ponto,
o ponto rotulado com o nmero do primeiro teste, para evitar sobreposio no grco. Aqui, ambos os testes 1 e 6 falharam no stimo
ponto, portanto este ponto est rotulado como 1.
A janela Session contm os resultados completos para todos os testes reprovados. Para ver a mesma informao usando a ferramenta
Brushing, clique com a mo sobre o ponto e observe o valor correspondente, tanto na janela quanto na Worksheet apontada com um
ponto preto.
Aqui, 10 pontos falharam em um ou mais testes. Este processo est, portanto, fora de controle estatstico.
Xbar-R Chart of Leituras
Test Results for Xbar Chart of Leituras
TEST 1. One point more than 3,00 standard deviations from center line.
Test Failed at points: 7; 10; 13; 16; 17; 29; 46
TEST 5. 2 out of 3 points more than 2 standard deviations from center line (on
one side of CL).
Test Failed at points: 10; 17; 47
TEST 6. 4 out of 5 points more than 1 standard deviation from center line (on
one side of CL).
Test Failed at points: 7; 32; 34
* WARNING * If graph is updated with new data, the results above may no
* longer be correct.
Cartas de Controle - Dados Contnuos
21
Consideraes nais
Resumo e concluses
Um processo que est fora de controle estatstico exibe uma variao incomum, que pode ser devido presena de causas especiais.
Com a presena de vrios pontos fora de controle, deve-se investigar qual causa especial est afetando a consistncia da cor.
Consideraes adicionais
Use cartas Xbar para monitorar e detectar mudanas na mdia do processo quando os dados forem coletados em subgrupos racionais.
Ao usar a carta Xbar, considere que:
As cartas de controle para dados em subgrupos so sensveis a grandes mudanas no processo. Se for de interesse investigar
pequenas mudanas na mdia, pode ser melhor usar outras cartas, como a CUSUM ou EWMA.
Os limites de controle so baseados na variabilidade dentro dos subgrupos, portando os subgrupos devem ser selecionados
cuidadosamente. Por exemplo, um subgrupo pode ser composto de unidades consecutivas de uma linha de produo (produtos
sob condies similares).
Assumindo normalidade, a probabilidade de exceder os limites de 3 de 0,0027 (1-0,9973). O nmero mdio de amostras ne-
cessrias antes de voc declarar falsamente que o processo est fora do controle estatstico algo em torno de 370 observaes
(1/0,0027). Neste exemplo, espera-se um alarme falso em aproximadamente um dia por ano (assumindo independncia entre
os subgrupos).
Os dados no precisam seguir a distribuio normal para se usar uma carta Xbar. Mesmo se a distribuio normal no for ade-
quada, a probabilidade de se obter um alarme falso ainda baixa.
Cartas de Controle - Dados Contnuos
22
Cartas Xbar e R
Exemplo 2: Consistncia da Cor - Especicando Parmetros
Problema
A carta Xbar revelou que o processo est fora de controle estatstico.
Ao invs de utilizar os dados amostrais mais recentes para estimar os parmetros para a linha central e os limites da carta de controle,
use dados amostrais registrados quando o processo estava sob controle estatstico. Especique uma mdia de 40 e um desvio-padro
de 0,96 para o processo, e ento use cartas Xbar e R para avaliar o controle do processo.
Coleta de dados
Os grnulos plsticos usados para fabricar os cases vm de diferentes fornecedores. Inspetores da qualidade selecionaram aleatoria-
mente 5 cases em intervalos de 4 horas durante 8 dias e registraram a data, hora, e fornecedor que correspondem a cada uma das
leituras de cor obtidas.
Ferramentas
Xbar-R Chart
Arquivo de dados
COR2.MTW
Varivel Descrio
Leituras Leitura de cor para cada case de computador, usando o valor L* da
escala de cor: L,a,b
Data/Hora Data e hora em que os cases foram fabricados
Fornecedor Fornecedor dos grnulos plsticos usados nos cases
Cartas de Controle - Dados Contnuos
23
Especicando parmetros
Parmetros so valores xos usados para determinar a linha central e os limites de controle para o processo.
Valores conhecidos
Se voc puder obter uma estimativa convel de dados passados, entre com o valor para a mdia e o desvio-padro do processo sob
controle.
Neste exemplo, assuma que a mdia do processo 40, e o desvio-padro dentro dos subgrupos 0,96.
Com base nesses parmetros, construa as cartas Xbar e R.
NOTA Em Xbar-R Options, voc pode omitir determinados subgrupos dos clculos dos parmetros. Tome cuidado quanto estiver omitindo
valores. Tenha certeza de que voc entendeu todas as causas especiais de variao antes de eliminar os dados correspondentes da anlise.
Xbar_R Chart
1) Abra o arquivo COR2.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Subgroups > Xbar-R.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em Xbar-R Options.
5) Em Mean, digite 40. Em Standard deviation, digite 0,96.
6) Clique em Tests e selecione Perform all tests for special causes.
7) Clique em OK em cada caixa de dilogo.
Cartas de Controle - Dados Contnuos
24
Interpretando os resultados
Com base nos resultados das cartas Xbar-R, o processo est claramente fora de controle estatstico. Ambas as cartas exibem vrios
pontos fora dos limites de controle.
Cartas de Controle - Dados Contnuos
25
Consideraes nais
Resumo e concluses
Usando os parmetros estimados de quando o processo era estvel, existem evidncias de que o mesmo encontra-se fora de controle
estatstico. Prossiga com investigaes adicionais para identicar razes para a instabilidade.
Consideraes adicionais
Use cartas de controle para monitorar um processo. Uma carta Xbar pode revelar mdias dos subgrupos fora dos limites de controle, indi-
cando fontes de variao no-usuais. Neste caso, investigue o processo para identicar e remover as fontes incomuns de variabilidade.
Observe que nem todas as causas especiais so prejudiciais ao processo. Quando uma causa especial levar a uma melhoria no proces-
so (por exemplo, alto rendimento), considere modicar o processo para incluir essa melhoria.
Cartas de Controle - Dados Contnuos
26
Exerccio O: Estabilidade das Medies de Densidade de Filmes Foto-
grcos
Problema
Uma companhia que fabrica lmes fotogrcos usa um densitmetro para medir a densidade de lmes fotogrcos. Para avaliar o densi-
tmetro em vrias densidades, a companhia conduziu um estudo de estabilidade usando 3 pedaos de lme com densidades conhecidas
de 1.5, 3 e 4.5.
Coleta de dados
Durante 30 dias, cada manh um operador mediu 3 pedaos de lme (com densidades de 1.5, 3 e 4.5) 3 vezes cada e registrou todas as
medies. O operador calibrou o densitmetro no incio do estudo, mas no novamente durante o perodo de coleta de dados.
Instrues
1) Use cartas Xbar e R para monitorar as medies para cada lme durante os 30 dias. Use os valores de referncia conhecidos
para as mdias (Xbar-R Options, aba Parameters) para cada uma das 3 densidades (1.5, 3 e 4.5).
Nota: Para gerar todas as trs cartas de controle simultaneamente, entre com Dens 1,5, Dens 3,0 e Dens 4,5 na caixa de dilogo principal,
e digite 1,5 3 4,5 para a mdia (Xbar-R Options, aba Parameters).
2) Avalie se as medies so estveis durante o perodo de estudo.
Arquivo de dados
DENSIDADE.MTW
Varivel Descrio
Dens 1,5 Leituras de densidade para o lme com densidade referncia conhecida de 1,5
Dens 3,0 Leituras de densidade para o lme com densidade referncia conhecida de 3,0
Dens 4,5 Leituras de densidade para o lme com densidade referncia conhecida de 4,5
Data Data em que as medies foram obtidas
Cartas de Controle - Dados Contnuos
27
Exerccio P: Peso dos Sabonetes
Problema
Um fabricante de sabonetes est tendo problemas relacionados embalagem do seu sabonete mais vendido. As mquinas esto man-
chando o logotipo impresso nas embalagens no momento em que os sabonetes so embalados.
Uma equipe de engenheiros deseja descobrir o que est causando estas manchas. A hiptese deles de que os sabonetes produzidos
esto excessivamente grandes. Assim, na hora de serem embalados em caixas de papelo, os sabonetes so apertados uns contra os
outros, ocasionando as manchas.
Para testar esta teoria, eles decidem examinar se os pesos das barras so consistentes ao longo do tempo, usando cartas de controle
para monitorar os pesos dos sabonetes.
A mquina que produz os sabonetes possui cinco cavidades. A mquina produz cinco diferentes moldes em cada ciclo.
Coleta de dados
A equipe tem diferentes opes de como coletar os dados em subgrupos. Alguns membros da equipe desejam coletar cinco sabonetes
consecutivos de cada molde a cada hora, enquanto outros membros querem coletar cinco sabonetes de um ciclo da mquina a cada
hora. A equipe decide ento, coletar os dados de ambas as formas durante um estudo exploratrio.
Instrues
1) Construa uma carta de controle onde os subgrupos so os cinco moldes. (Cada ciclo da mquina um subgrupo.) Quais fontes
de variao so capturadas dentro dos subgrupos? E quais so capturadas entre os subgrupos?
2) Construa uma carta de controle para cada molde. (As cinco peas consecutivas coletadas a cada hora formam um subgrupo.)
Quais fontes de variao so capturadas dentro dos subgrupos? E quais so capturadas entre os subgrupos?
3) Comente os resultados. Construa um boxplot (com mltiplos Ys) que compare os cinco moldes. O que os resultados implicam
com relao carta de controle criada no passo1?
Arquivo de dados
SABONETE.MTW
Varivel Descrio
Data/hora Data e hora do dia em que os sabonetes foram produzidos
Turno Turno em que o sabonete foi produzido
Ciclo Ciclo da mquina
Molde1-Molde5 Peso dos sabonetes para cada molde
Cartas de Controle - Dados Contnuos
28
Cartas Xbar e S
Exemplo 3: Encolhimento em um Processo de Moldagem por Injeo
Problema
Peas fabricadas em um processo de moldagem por injeo esto encolhendo excessivamente. O encolhimento mdio observado de 5%
inaceitvel e o processo tem muito variabilidade.
Uma equipe de melhoria da qualidade usa um experimento para investigar fatores que possam afetar o encolhimento no processo de
moldagem por injeo. Com base nos resultados do experimento, eles reduziram a temperatura do molde.
Aps reduzir a temperatura, a equipe decidiu reduzir adicionalmente o encolhimento modicando a ferramenta de moldagem por inje-
o.
Coleta de dados
A equipe coleta dados de encolhimento em subgrupos de tamanho 10 a cada 8 horas. Eles rotulam os dados iniciais como Benchmark,
os dados aps a primeira mudana no processo como Temperatura Reduzida, e os dados aps a segunda mudana no processo como
Ferramenta Modicada.
Ferramentas
Xbar-S Chart
Arquivo de dados
MELHORIAS.MTW
Varivel Descrio
Encolhimento Diferena percentual entre o tamanho real da pea e o tamanho do molde
Data Data e hora em que as peas foram produzidas
Mudana Condies do processo quando as peas foram produzidas
Cartas de Controle - Dados Contnuos
29
Cartas S
O que uma carta S
Uma carta S um grco dos desvios-padro de cada subgrupo dos dados em ordem temporal.
Quando usar uma carta S
Use uma carta S para comparar a variabilidade ocorrida dentro de cada subgrupo dos dados ao longo do tempo.
Examine uma carta R ou S antes de interpretar um grco das mdias dos subgrupos (uma carta Xbar). Se a variabilidade dentro dos
subgrupos no estvel, os limites de controle usados na carta Xbar podem no ser informativos, pois estes limites de controle so
calculados com base na variao dentro dos subgrupos.
Tradicionalmente, cartas R eram usadas para monitorar a variao do processo pela facilidade de seus clculos. Entretanto, como o
mtodo de amplitudes para a estimao de no to eciente como o desvio-padro para subgrupos grandes, cartas S so usadas
para monitorar a variao do processo com amostras maiores. Alm disso, como a amplitude uma funo do tamanho da amostra, a
carta S usada quando os tamanhos dos subgrupos diferem entre os subgrupos.
As diretrizes da AIAG sugerem usar cartas S ao invs de cartas R para subgrupos de tamanho 9 ou maiores.
Usaremos a carta S para detectar quando a variabilidade do processo muda de acordo com o tempo.
Por que usar uma carta S
Uma carta S detecta mudanas na variabilidade do processo ao longo do tempo para responder perguntas como:
A variao de um processo estvel durante intervalos de tempo especcos?
Os diferentes lotes de matria-prima causam mudanas na variabilidade do processo?
Por exemplo, a carta S pode detectar:
Se a variao na resistncia de peas coladas aumentou porque o aplicador de cola liberou quantidades inconsistentes de cola
devido a entupimentos intermitentes.
Se a variao em perfuraes de buracos localizados se tornou maior devido perda de espessura.
Cartas de Controle - Dados Contnuos
30
Ilustrando a melhoria do processo
Selecionando uma carta para a variao dentro dos subgrupos
Devido ao fato do tamanho dos subgrupos ser maior que 8, usaremos a carta S ao invs da carta R.
Xbar-S Chart
1) Abra o arquivo MELHORIAS.MTW.
2) Selecione Stat > Control Chart > Variables Charts for Subgroups > Xbar-S.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em Scale.
5) Abaixo de X Scale, selecione Stamp.
6) Abaixo de Stamp columns, entre com Data e clique em OK.
7) Clique em Xbar-S Options.
8) Clique na aba Tests e selecione Perform all tests for special causes.
9) Clique em OK em cada caixa de dilogo.
Cartas de Controle - Dados Contnuos
31
Interpretando os resultados
Limites de controle
Os limites de controle so calculados usando todos os dados de uma carta de controle. Como o processo foi modicado, os parmetros
devem ser estimados com base em cada estgio do processo.
Ilustrando melhorias no processo
Quando o processo passar por modicaes, recalcule os limites de controle.
Prximo passo
Estime os parmetros por grupos para recalcular os limites de controle das cartas Xbar e S.
Cartas de Controle - Dados Contnuos
32
Estimando os parmetros por grupos
Usando esta opo, os limites de controle mudam cada vez que ocorre uma mudana no processo.
O Minitab recalcula os limites da carta de controle para cada atributo na coluna que denominados Mudana.
Xbar-S Chart
1) Selecione Stat > Control Charts > Variables Charts for Subgroups >Xbar-S ou pressione Ctrl + E.
2) Clique em Xbar-S Options, ento clique na aba Stages.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique na aba Display e marque a opo Display control limit / center line labels for all stages.
5) Clique em OK em cada caixa de dilogo.
Cartas de Controle - Dados Contnuos
33
Interpretando os resultados
Sem recalcular os limites de controle, voc no pode interpretar os resultados de forma coerente.
As cartas de controle com os limites de controle e linhas centrais recalculados indicam que ocorreu uma melhoria no processo.
Tanto o encolhimento mdio quanto a variao no encolhimento foram reduzidos pelas mudanas no processo.
O processo est sob controle estatstico para cada condio do processo. Mesmo quando o encolhimento era alto (Benchmark), o pro-
cesso era estvel e previsvel.
Cartas de Controle - Dados Contnuos
34
Consideraes nais
Resumo e concluses
As modicaes no processo reduziram tanto a variao no encolhimento quanto a mdia do encolhimento no processo de moldagem
por injeo. Ao avaliar um processo antes e aps uma mudana, recalcule os limites de controle aps a mudana.
Consideraes adicionais
Use as cartas Xbar e S para monitorar um processo e detectar mudanas na mdia e variao do processo quando os dados so cole-
tados em subgrupos.
Se um processo mudar, recalcule os limites de controle. Calcular os limites de controle por estgios - por exemplo, antes e aps uma
mudana - pode destacar a efetividade da mudana no processo.
Cartas de Controle - Dados Contnuos
35
Exercicio Q: ndice de Refrao em Cabos de Fibra tica
Problema
Uma companhia fabrica cabos de bra tica usados para conexes de Internet de alta velocidade. Tais cabos no so suscetveis a inter-
ferncia de rdio e podem enviar uma grande quantidade de dados por segundo. Um nico pedao da bra tica consiste de um ncleo
de vidro no com um revestimento que tem um baixo ndice de refrao.
O ndice de refrao afeta a velocidade na qual os dados podem ser transmitidos atravs do cabo. Com o intuito de reduzir o ndice de
refrao, a companhia mudou o material que reveste o cabo.
Coleta de dados
Engenheiros mediram o ndice de refrao de cabos em subgrupos de tamanho 12 a cada 6 horas. Para indicar se os dados foram cole-
tados do processo original ou do processo modicado, eles registraram o material de revestimento para cada cabo.
Instrues
1) Crie cartas de controle para avaliar a melhoria no processo. Voc deve usar uma carta R ou S para exibir a variabilidade do
processo? Voc precisa recalcular os limites de controle?
2) Comente os resultados obtidos.
Arquivo de dados
REFRAO.MTW
Varivel Descrio
ndice de Refraao Valor do ndice de refrao para cada cabo
Data/Hora Data e hora em que o cabo foi fabricado
Material de Revestimento Material de revestimento usado no cabo testado
Cartas de Controle - Dados Contnuos
36
Cartas I-MR
Exemplo 4: Peso de Sorvetes
Problema
Estudantes de Engenharia de Alimentos querem avaliar a consistncia dos pesos de enchimento do sorvete Gelato. O sorvete embala-
do em recipientes de meio galo. O peso alvo 1150 gramas. Os limites de especicao so 1100 e 1200 gramas.
Evidncias recentes indicam que este processo estvel com uma mdia de 1150 gramas e um desvio-padro de 8,6 gramas.
Coleta de dados
Estudantes registraram o peso de enchimento de cada recipiente durante um dia.
Ferramentas
I-MR Chart
Arquivo de dados
SORVETE.MTW
Esses dados so baseados em dados similares coletados pela Pennsylvania State University.
Varivel Descrio
Peso Peso de enchimento recipiente de sorvete (g)
Data/Hora Data e hora em que cada recipiente foi enchido
Cartas de Controle - Dados Contnuos
37
Cartas de Controle de amplitudes mveis
O que uma carta de amplitudes mveis
Uma carta de amplitudes mveis (MR) monitora e detecta mudanas na variao do processo quando os dados so coletados como
medies individuais, ao invs de serem coletados em subgrupos.
Quando usar uma carta de amplitudes mveis
Avalie a variao do processo usando cartas MR quando nenhum subgrupo racional tiver tamanho maior que 1.
Use uma carta MR para avaliar a estabilidade quando:
As medies so caras, como em testes destrutivos;
Os produtos requerem um longo ciclo de tempo para produo;
As medies ao longo do tempo no so necessariamente relacionadas; por exemplo, o tempo para fechar um contrato ou res-
ponder uma pergunta depende do tipo de contrato ou pergunta;
Cada amostra representa um lote diferente;
A resposta contnua e homognea.
Por que usar uma carta de amplitudes mveis
Cartas MR respondem perguntas tais como:
A variao do processo est sob controle estatstico?
A variao do processo se mantm a mesma entre as peas individuais?
Por exemplo:
A variabilidade do pH de um sabo lquido est sob controle estatstico no decorrer do processo?
A variabilidade dos pesos em um processo de empacotamento estvel durante todos os dias?
Cartas de Controle - Dados Contnuos
38
Carta de Controle para dados individuais
O que uma carta para dados individuais
Uma carta para dados individuais (I), que plota os pontos de dados individualmente, permite que voc determine se a mdia do processo
est sob controle estatstico quando dados individuais so coletados, ao invs de dados em subgrupos.
Quando usar uma carta para dados individuais
Avalie a mdia do processo usando cartas I quando nenhum subgrupo racional for maior que 1.
Avalie a variao do processo usando uma carta de amplitudes mveis (MR) ou uma carta I-MR combinada antes de avaliar a mdia do
processo. Se a variao do processo estiver fora do controle estatstico, os limites de controle da carta I podem no reetir adequada-
mente o status de controle do processo.
Use cartas I para avaliar o controle do processo quando:
As medies so caras, como em testes destrutivos;
Os produtos requerem um longo ciclo de tempo para produo;
As medies no tempo no so necessariamente relacionadas; por exemplo, o tempo para fechar um contrato ou responder uma
pergunta depende do tipo de contrato ou pergunta;
Cada amostra representa um lote diferente;
A resposta contnua e homognea.
Por que usar uma carta para dados individuais
Cartas I respondem perguntas tais como:
A mdia do processo est sob controle estatstico?
A mdia do processo consistente entre as peas individuais?
Por exemplo:
O pH de um sabo lquido est sob controle estatstico no decorrer do processo?
Os pesos em um processo de empacotamento so estveis durante todos os dias?
Cartas de Controle - Dados Contnuos
39
Avaliando a variao do processo
Voc quer avaliar e monitorar a estabilidade dos pesos de enchimento dos recipientes de sorvete monitorando tanto os pesos individuais
dos recipientes quanto a amplitude entre recipientes consecutivos.
Testes para causas especiais
Por default, o Minitab testa se 1 ponto est alm de 3 desvios-padro da linha central.
Neste exemplo, o Minitab tambm ir testar:
9 pontos consecutivos no mesmo lado da linha central;
6 pontos consecutivos, todos crescendo ou decrescendo;
14 pontos consecutivos, alternados em cima e em baixo;
2 de 3 pontos consecutivos > 2 desvios-padro da linha central (mesmo lado);
4 de 5 pontos consecutivos > 1 desvio-padro da linha central (mesmo lado);
15 pontos consecutivos dentro de 1 desvio-padro da linha central ( ambos os lados);
8 pontos consecutivos > 1 desvio-padro da linha central ( ambos os lados).
NOTA: Use Tools > Options > Control Charts and Quality Tools > Dene Tests para mudar as denies dos testes. Se voc redenir os testes,
os nmeros mudam para todas as cartas de controle.
I-MR
1) Abra o arquivo SORVETE.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Individuals > I-MR.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em Scale. Abaixo de X Scale, selecione Stamp.
5) Abaixo de Stamp columns, entre com Data/Hora. Clique em OK.
6) Clique em I-MR Options.
7) Em Mean, digite 1150; em Standard deviation, digite 8,6.
8) Clique na aba Tests, ento selecione Perform all test for special causes.
9) Clique em OK em cada caixa de dilogo.
Cartas de Controle - Dados Contnuos
40
Interpretando os resultados
A carta de amplitudes mveis mostra que a variabilidade do processo est sob controle estatstico. Entretanto, a carta de valores indi-
viduais (I) claramente no est sob controle estatstico. Neste dia, o processo estava operando de forma consistente acima da mdia
histrica de 1150 gramas.
Prximo passo
Remova a restrio da mdia histrica.
Cartas de Controle - Dados Contnuos
41
Avaliando a mdia do processo
Voc quer determinar se a mdia do processo de empacotamento do sorvete est sob controle estatstico.
Parmetros
Como a mdia do processo no parece ser de 1150 gramas, estime a mdia do processo usando os dados e use-a na linha central da
carta I. Os limites de controle so ento centrados em torno dessa nova mdia.
I-MR
1) Pressione Ctrl + E ou selecione Stat > Control Charts > Variables Charts for Individuals > I-MR.
2) Clique em I-MR Options.
3) Em Mean, delete 1150.
4) Clique em OK em cada caixa de dilogo.
Cartas de Controle - Dados Contnuos
42
Interpretando os resultados
Controle do processo
A carta I indica que o processo est sob controle estatstico.
Observe que as cartas diferem quando os dados amostrais so usados para gerar a linha central e os limites de controle, em vez da
mdia histrica.
Cartas de Controle - Dados Contnuos
43
Consideraes nais
Resumo e concluses
O processo de enchimento falhou em vrios testes para causas especiais quando comparado com a mdia histrica.
Investigue porque a mdia foi superior de um dia comum. Por exemplo, a mdia do processo mudou devido a um evento especial,
mudanas na equipe, ou para agradar os alunos que foram visitar a sorveteria?
Consideraes adicionais
Use cartas I para monitorar e detectar mudanas na mdia do processo quando os dados so coletados individualmente, ao invs de
serem coletados em subgrupos. Voc pode usar uma carta histrica I como benchmark para melhorias no processo.
Ao usar uma carta I, lembre-se que:
Se voc quiser detectar pequenas mudanas na mdia, use uma carta CUSUM ou EWMA;
Se voc no especicar o desvio-padro, os limites de controle so baseados na amplitude mvel. Uma carta que utiliza dados
de um nico lote pode subestimar a variabilidade do processo ao longo do tempo. Alternativamente, uma carta usando dados de
diferentes fontes (por exemplo, diferentes fornecedores) pode fornecer limites de controle excessivamente largos.
Cartas de Controle - Dados Contnuos
44
Exerccio R: Dimetro dos Trincos das Portas
Problema
Um fabricante de trincos de portas monitora os dimetros de buracos perfurados por um processo automatizado. Eles precisam detectar
se o dimetro mdio dos buracos difere do alvo de 5 mm. Mesmo pequenas mudanas na mdia do processo causam altas taxas de
desperdcio e retrabalho. O desvio-padro dos dimetros dos buracos tipicamente 0,01 mm.
Coleta de dados
O fabricante mede e registra os dimetros de buracos para 30 trincos consecutivos. Para identicar a evidncia de uma descentralizao
no processo, eles analizam os dados usando uma carta de controle.
Instrues
1) Crie uma carta I-MR para avaliar o processo. Use o valor alvo de 5 e o desvio-padro histrico indicado acima (I-MR Op-
tions).
2) Exiba uma carta CUSUM (Stat > Control Charts > Time-weighted Charts > CUSUM). Use um subgrupo de tamanho 1 e um
valor alvo de 5. Clique em CUSUM Options e digite o o desvio-padro histrico (0,01).
3) Avalie a habilidade de cada carta para detectar pequenas variaes no processo.
Arquivo de dados
TRINCOS.MTW
Varivel Descrio
Dimetro Dimetro do buraco
Data/Hora Data e hora em que cada buraco foi furado
Anlise de Capacidade
Dados Contnuos
Anlise de Capacidade - Dados Contnuos
3
Entender as suposies da anlise da capacidade de proces-
sos.
Analisar a capacidade de um processo estvel.
Identicar uma distribuio apropriada para dados que no tm
distribuio normal.
Analisar a capacidade de um processo usando uma distribuio
no-normal.
Analisar a capacidade de um processo usando transformaes
de Box-Cox e Johnson.
Objetivos
www.minitabbrasil.com.br
Copyright - GLOBAL TECH
O contedo desta apostila, desenvolvida pela Global Tech, encontra-se protegido pela legislao autoral vigente no
Pas e pelas regras internacionais estabelecidas na Conveno de Berna. Desta forma, so vedadas a reproduo,
modicao e distribuio total ou parcial de quaisquer informaes nela contida, a menos que devidamente autorizadas
pela Global Tech. Assim, de responsabilidade do usurio qualquer violao s normas de direitos autorais nacionais
ou internacionais. www.minitabbrasil.com.br
Anlise de Capacidade - Dados Contnuos
4
Contedo
Exemplos e Exerccios Objetivos Pgina
Anlise de Capacidade com Dados
Normais
Exemplo 1:
Espessura do Revestimento de Cabos
de Alumnio
Avaliar a capacidade do processo usando anlise de capaci-
dade normal
5
Exerccio L:
Deslocando o Processo
Avaliar a capacidade do processo usando anlise de capaci-
dade normal
21
Exerccio M:
Reduo da Variao
Avaliar a capacidade do processo usando anlise de capaci-
dade normal
22
Exerccio N:
Estudo da Capacidade do Peso de Po-
lmeros
Avaliar a capacidade do processo usando anlise de capaci-
dade normal
23
Anlise de Capacidade com Dados
No-normais
Exemplo 2:
Aspereza da Superfcie de Condutores
de Ferro
Avaliar a capacidade do processo usando anlise de capacida-
de normal e no-normal
24
Exemplo 3:
Isolantes de Cermica
Avaliar a capacidade do processo para dados no-normais
usando as transformaes de Box-Cox e Johnson
34
Exerccio O:
Resistncia do Selamento das Sacolas
Plsticas
Avaliar a capacidade do processo para dados no-normais
usando a transformao de Box-Cox
47
Anlise de Capacidade - Dados Contnuos
5
Anlise de Capacidade com Dados Normais
Exemplo 1: Espessura do Revestimento de Cabos de Alumnio
Problema
Um fabricante de cabos eltricos reveste os cabos para manter sua resistncia e durabilidade. O limite inferior de especicao (LIE)
para a espessura do revestimento de 39 mils (milsimos de polegada), o limite superior de especicao (LSE) 43 mils, e o valor
alvo 41 mils.
Engenheiros avaliam a capacidade do processo de revestimento para assegurar que ele consegue atender as exigncias do cliente, que
especica um Cpk de 1,5 ou maior.
Coleta de dados
Os operadores selecionam aleatoriamente cinco amostras de cabos em intervalos regulares. Essas amostras representam adequa-
damente a variao inerente ao processo naquele momento. Os operadores registram a espessura do revestimento externo de cada
amostra de cabo.
Ferramentas
Capability Sixpack - Normal
Capability Analysis - Normal
Arquivo de dados
REVESTIMENTO.MPJ
Varivel Descrio
Espessura Espessura do revestimento do cabo
Subgrupo Identicao do subgrupo
Anlise de Capacidade - Dados Contnuos
6
Anlise de Capacidade
O que anlise de capacidade
Uma anlise de capacidade avalia o quo bem um processo atende um conjunto de requerimentos, denidos por meio dos limites de
especicao. As ferramentas apropriadas para um estudo de capacidade incluem:
Cartas de controle para avaliar se o processo est sob controle.
Grcos de probabilidade e testes de ajuste para avaliar a distribuio dos dados.
Estimativas da capacidade, como Cp, Cpk, Pp, Ppk e nvel sigma, para fornecer medidas da capacidade potencial e total e da
variabilidade do processo.
Quando usar anlise de capacidade
Use a anlise de capacidade para assegurar que um processo atende as especicao do cliente e para estimar a proporo dos pro-
dutos que no atendem as especicaes.
Por que usar anlise de capacidade
A anlise de capacidade pode responder perguntas tais como:
Qual fabricante fornece peas com qualidade superior?
A variabilidade em um processo baixa o suciente para fornecer peas que caem dentro dos limites de especicao?
O processo precisa ser modicado para operar mais efetivamente dentro dos limites especicados pelo cliente?
Anlise de Capacidade - Dados Contnuos
7
Vericando as suposies da anlise de capacidade
Estimativas da capacidade so informativas quando:
O processo est sob controle;
A distribuio assumida fornece um ajuste adequado aos dados.
Use o Capability Sixpack para vericar essas suposies.
Com base nas determinaes do guia AIAG, o Minitab determina qual carta de controle construir com base no tamanho dos subgrupos.
Se o tamanho do subgrupo ... O Minitab mostra...
1 Carta I-MR
2-8 Carta Xbar-R
9 ou mais Carta Xbar-S
Capability Sixpack - Normal
1) Abra o arquivo REVESTIMENTO.MPJ.
2) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em Tests, ento selecione Perform All eight tests. Clique em OK.
5) Clique em Options.
6) Em Target (adds Cpm to table), digite 41.
7) Clique em OK em cada caixa de dilogo.
Anlise de Capacidade - Dados Contnuos
8
Interpretando os resultados
Cartas Xbar e R
A carta Xbar indica que o processo no est sob controle. Pelo menos dois deslocamentos na mdia do processo aparecem nesses
dados.
Entretanto, a carta R indica que as amplitudes dentro dos subgrupos so estveis, pois todos os dados caem dentro dos limites de con-
trole.
Nota: Neste exemplo, a carta R mostra controle estatstico, indicando que a variao dentro dos subgrupos estvel. Por isso, o Within StDev
no grco de capacidade fornece uma estimativa convel da variao inerente ao processo e permite comparaes razoveis entre as
estatsticas de capacidade (Cp, Cpk) e as estatsticas de desempenho (Pp, Ppk).
Anlise de Capacidade - Dados Contnuos
9
Interpretando os resultados
Cpk e Ppk
A nica diferena nos clculos desses dois ndices que o Cpk usa o desvio-padro dentro dos subgrupos e o Ppk usa o desvio-padro
total do conjunto de dados. Se o processo no est sob controle, o desvio-padro total estima a variao devido s causas de variao
comuns e especiais.
A diferena entre o Cpk e o Ppk reete a melhoria na capacidade do processo que o fabricante poderia esperar se o processo fosse
trazido sob controle. E mesmo com a possibilidade de considerar o Ppk um indicador de capacidade para um processo que no est sob
controle, o Ppk no pode ser usado para predizer o desempenho futuro daquele processo fora de controle.
Prximo passo
Verique as suposies usando os dados de quando o processo estava sob controle.
Anlise de Capacidade - Dados Contnuos
10
Subdividindo os dados
O relatrio da produo indica que ajustes na temperatura do revestimento so responsveis pelos deslocamentos na mdia da espes-
sura vistos no incio dos dados. Esses ajustes terminaram aps o subgrupo 15. A carta de controle indica que o processo era estvel
aps esse perodo.
Verique as suposies de estabilidade e normalidade dos dados coletados aps o subgrupo 15.
Subset Data
1) Selecione Data > Subset Worksheet.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Condition.
4) Em Condition, digite Subgrupo > 15.
5) Clique em OK em cada caixa de dilogo.
Anlise de Capacidade - Dados Contnuos
11
Vericando as suposies da anlise de capacidade
O Capability Sixpack anterior sugeriu que os dados coletados aps o subgrupo 15 esto sob controle. Agora que esses dados foram
subdivididos em uma worksheet separada, use o Capability Sixpack para avaliar as suposies da anlise de capacidade.
Capability Sixpack - Normal
1) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Tests, ento selecione Perform All eight tests. Clique em OK.
4) Clique em Options.
5) Em Target (adds Cpm to table), digite 41.
6) Clique em OK em cada caixa de dilogo.
Anlise de Capacidade - Dados Contnuos
12
Interpretando os resultados
Cartas Xbar e R
As cartas Xbar e R mostram que todos os pontos esto dentro dos limites de controle, sugerindo que o processo estvel. Portanto,
a mdia e o desvio-padro do processo parecem constantes durante o estudo e suas estimativas podem ser usadas para calcular os
ndices de capacidade.
Histograma de capacidade
Voc pode usar o histograma com as curvas sobrepostas para avaliar visualmente se seus dados so normalmente distribudos. Para
avaliar a suposio de normalidade de forma mais objetiva, use o grco de probabilidade e os resultados do teste de ajuste.
Dotplot dos ltimos 25 subgrupos
O dotplot dos ltimos 25 subgrupos indica que os pontos plotados parecem estar aleatoriamente e simetricamente distribudos em torno
da mdia do processo.
Anlise de Capacidade - Dados Contnuos
13
Interpretando os resultados
Grco de probabilidade normal
Os pontos de dados caem aproximadamente ao longo de uma linha reta, indicando que a suposio de normalidade razovel.
As hipteses para o teste de normalidade de Anderson-Darling so:
H
0
: Os dados seguem uma distribuio normal
H
1
: Os dados no seguem uma distribuio normal
O p-valor (0,570) maior que 0,05. Voc no tem evidncias para rejeitar a hiptese nula com o nvel de signicncia de = 0,05.
Grco e estatsticas de capacidade
Este grco fornece as estimativas de capacidade. Elas sero discutidas em mais detalhes ainda nesse exemplo.
Prximo passo
Use o Capability Analysis para avaliar a capacidade do processo.
Anlise de Capacidade - Dados Contnuos
14
Anlise de Capacidade
Em Subgroup size, voc pode especicar 5 (constante) ou a varivel indicadora Subgrupo.
Por default, o Minitab usa os dados amostrais para estimar a mdia e o desvio-padro do processo. Se voc tiver valores conhecidos
ou estimativas obtidas de dados passados, digite-os em Historical mean e Historical standard deviation, usando-os como os parmetros
do processo.
Capability Analysis - Normal
1) Selecione Stat > Quality Tools > Capability Analysis > Normal.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Options.
4) Em Target (adds Cpm to table), digite 41.
5) Marque Include condence intervals.
6) Clique em OK em cada caixa de dilogo.
Anlise de Capacidade - Dados Contnuos
15
Interpretando os resultados
Capacidade potencial (within)
Os ndices de capacidade potencial so calculados usando uma estimativa da mdia e desvio-padro dentro dos subgrupos de todos
os dados.
Cp
Este ndice de capacidade compara a tolerncia permitida com a disperso estimada do processo quando o mesmo est sob controle
estatstico. A formula :
Se apenas o limite superior ou inferior de especicao estiver disponvel, o Minitab no calcula o Cp.
Como o Cp no leva em conta a mdia ou o valor alvo, ele representa o melhor valor terico e pode ser entendido como a capacidade
potencial do processo no atual nvel de tecnologia.
Anlise de Capacidade - Dados Contnuos
16
Interpretando os resultados
CPL e CPU
Se o limite inferior de especicao fornecido, o Minitab calcula o CPL como:
Se o limite superior de especicao fornecido, o Minitab calcula o CPU como:
CPL e CPU reetem no apenas a variabilidade (desvio-padro dentro dos subgrupos), mas tambm a relao do centro da distribuio
(mdia amostral) com os limites de especicao.
Cpk
O Cpk o menor valor entre o CPL e o CPU. Se Cpk e Cp so idnticos, o processo est centrado entre os limites de especicao.
Quanto mais distante o centro da distribuio estiver do ponto mdio entre os limites de especicao, menor o valor de Cpk em relao
ao Cp.
Anlise de Capacidade - Dados Contnuos
17
Interpretando os resultados
Capacidade total
Ambas as variaes entre e dentro dos subgrupos contribuem com a variao total em um processo. Quando um processo est sob
controle estatstico, a variao entre os subgrupos muito pequena se comparada variao dentro dos subgrupos, portanto o desvio-
padro total aproximadamente igual ao desvio-padro dentro dos subgrupos.
As frmulas de capacidade total so similares s frmulas de capacidade potencial (within), exceto pelo fato de que o desvio padro total
usado nos clculos:
Quando o processo est sob controle estatstico, Cp e Cpk so similares, assim como Cpk e Ppk.
Anlise de Capacidade - Dados Contnuos
18
Interpretando os resultados
Cpm
Frequentemente, desejvel que um processo opere em um valor alvo que no o ponto mdio entre os limites de especicao. Se as
especicaes do processo no so simtricas em torno do alvo, o Cpk ainda pode ser usado para estimar os nveis de defeitos, mas no
reete se o processo est centrado no alvo; para determinar se o processo est centrado no alvo, use o Cpm como indicador.
O Minitab calcula o Cpm com base nos valores fornecidos em LSL, USL e Target. Se voc fornecer ambos os limites de especicao e
um valor alvo que est centrado entre os limites de especicao, o Cpm calculado como:
Se voc inserir ambos os limites de especicao e um valor alvo que no est centrado entre os limites de especicao, o Cpm
calculado como:
Anlise de Capacidade - Dados Contnuos
19
Interpretando os resultados
Cpm
Se voc fornecer valores para o limite superior de especicao e o alvo, o Cpm calculado como:
Se voc fornecer valores para o limite inferior de especicao e o alvo, o Cpm calculado como:
Intervalos de conana
Neste exemplo, o intervalo de conana de 95% para Cp de 0,62 a 0,76, e para Cpk, de 0,38 a 0,50; o limite inferior para o Cpm
0,51.
Anlise de Capacidade - Dados Contnuos
20
Consideraes nais
Resumo e concluses
O processo parece estvel, embora muitas medies caiam fora dos limites de especicao.
Mesmo com o processo centrado entre os limites de especicao, aproximadamente 10% das amostras de cabos exibem va-
lores de espessura fora dos limites.
A mdia estimada deste processo 40,27, que est abaixo do valor alvo. Isto indica que mais peas caem abaixo do limite inferior
de especicao que do limite superior de especicao.
A mdia do processo deve ser deslocada e a variao reduzida para que seja possvel atender as especicaes do cliente.
Consideraes adicionais
Para obter estimativas conveis dos parmetros, o processo deve exibir estabilidade. Em processos normalmente distribudos,
os parmetros de interesse geralmente so a mdia e o desvio-padro.
A suposio de normalidade critica ao usar o Cp e Cpk. Mesmo pequenos desvios da normalidade podem levar a grandes erros
na estimao da taxa de defeitos em processos, se a normalidade assumida.
Os intervalos de conana fornecem uma margem de erro para as estimativas da capacidade. Os intervalos de conana podem
ser usados para concluir, em um nvel especco de conana, se a capacidade alvo foi atingida.
Anlise de Capacidade - Dados Contnuos
21
Exerccio S: Deslocando o Pocesso
Problema
Como resultado da investigao anterior, engenheiros decidem ajustar o processo para obter uma mdia prxima de 41 (ponto mdio
entre os limites de especicao). O limite inferior de especicao (LIE) 39 e o limite superior de especicao (LSE) 43.
Coleta de dados
Operadores coletaram 50 amostras (cada uma de tamanho 5) usando o mesmo mtodo descrito no exemplo anterior e mediram a espes-
sura do revestimento externo dos cabos. Eles armazenaram os dados na Worksheet 2 do arquivo do Minitab.
Instrues
Analise a capacidade do processo submetido melhoria, usando os dados da coluna Centrado da Worksheet 2.
Arquivo de dados
REVESTIMENTO.MPJ
Varivel Descrio
Centrado Espessura do revestimento aps os engenheiros ajustarem a m-
dia do processo
Variabilidade Reduzida Espessura do revestimento aps os engenheiros ajustarem o es-
tabilizador de temperatura
Subgrupo Identicao do subgrupo
Anlise de Capacidade - Dados Contnuos
22
Exerccio T: Reduo da Variao
Problema
Agora, mesmo o processo estando aproximadamente centrado no alvo (ponto mdio entre o limite inferior de especicao (39) e o limite
superior de especicao (43)), os valores de Cp e Cpk ainda indicam que o processo no capaz de atender as exigncias do cliente.
Um experimento indica que uma alta proporo da variao mostrada devido temperatura do estabilizador externo. Operadores ajus-
tam o processo para tornar o estabilizador de temperatura mais consistente e ento coletar mais dados.
Coleta de dados
Operadores coletam 50 amostras (cada uma de tamanho 5) usando o mesmo mtodo descrito anteriormente e mediram a espessura do
revestimento externo dos cabos. Eles armazenaram os dados na Worksheet 2 do arquivo do Minitab.
Instrues
Analise a capacidade do processo submetido melhoria, usando os dados da coluna Variabilidade Reduzida da Worksheet 2.
Arquivo de dados
REVESTIMENTO.MPJ
Varivel Descrio
Centrado Espessura do revestimento aps os engenheiros ajustarem a m-
dia do processo
Variabilidade Reduzida Espessura do revestimento aps os engenheiros ajustarem o esta-
bilizador de temperatura
Subgrupo Identicao do subgrupo
Anlise de Capacidade - Dados Contnuos
23
Exerccio U: Estudo da Capacidade do Peso de Polmeros
Problema
Uma empresa qumica deseja avaliar a capacidade do seu processo em atender s especicaes do cliente.
Coleta de dados
Os qumicos registraram o peso molecular para polmeros a cada 2 horas, usando subgrupos racionais de tamanho 5. Os pesos molecu-
lares tm uma tolerncia de 2400 300 e esto divididos por 100 para a realizao da anlise.
Instrues
1) Verique as suposies de capacidade do processo para os dados de peso usando o comando Capability Sixpack - Normal;
2) Depois de uma investigao, voc descobriu que foi usada uma congurao incorreta para o subgrupo 29/04 10:00, j para o
subgrupo 30/04 16:00 os dados esto incorretos devido a problemas no servidor. Ento estes subgrupos foram removidos e os
dados esto armazenados na coluna Dados revisados. Usando a nova coluna de dados verique a estabilidade e a capacidade
do processo;
3) Compare os resultados obtidos nos passos 1 e 2, inclusive Cp versus Pp e Cpk versus Ppk.
Arquivo de dados
MOLECULAR.MPJ
Varivel Descrio
Data Identicao do subgrupo (28/04 08:00, ..., 30/04 10:00)
Peso Peso molecular
Dados revisados Peso molecular
Anlise de Capacidade - Dados Contnuos
24
Anlise de Capacidade com Dados No-Normais
Exemplo 2: Rugosidade da Superfcie de Condutores de Ferro
Problema
Um fabricante de ferros galvanizados quer avaliar a capacidade do processo. O fabricante deseja que a rugosidade da superfcie seja
menor que 1,5675 * 10
-4
m.
Coleta de dados
Engenheiros coletam amostras de anis de ferro em subgrupos de tamanho 10 e registram a rugosidade da superfcie aps o processo
de galvanizao.
Ferramentas
Capability Sixpack - Normal
Individual Distribution Indentication
Capability Analysis - Nonnorml
Arquivo de dados
RUGOSIDADE.MTW
Varivel Descrio
Rugosidade Rugosidade da superfcie medida em mltiplos de 10
-4
m
Data/Hora Data e hora em que a amostra de ferro foi fabricada
Anlise de Capacidade - Dados Contnuos
25
Vericando as suposies da Anlise de Capacidade
Use o Capability Sixpack - Normal para vericar as seguintes suposies:
O processo estvel;
Os dados tm distribuio normal.
Se a suposio de normalidade for violada, voc ainda tem opes para realizar uma anlise apropriada.
Capability Sixpack - Normal
1) Abra o arquivo RUGOSIDADE.MTW.
2) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em OK.
Anlise de Capacidade - Dados Contnuos
26
Interpretando os resultados
Cartas Xbar e S
As cartas de controle Xbar e S mostram que todos os pontos esto dentro dos limites de controle, sugerindo que o processo estvel.
Histograma de capacidade
O histograma indica que a suposio de normalidade pode no ser adequada.
Grco de probabilidade normal
O grco de probabilidade normal indica assimetria negativa nos dados. Alm disso, o teste de normalidade de Anderson-Darling fornece
um p-valor menor que 0,05. Voc rejeita a hiptese nula de que os dados provm de uma populao com distribuio Normal ao nvel
de signicncia de 5%.
Prximo passo
As cartas de controle indicam um processo estvel, apesar de no ser bem modelado pela distribuio normal. Portanto, voc precisa
estabelecer um modelo til que ajuste os dados. Se voc no tiver conhecimento prvio de um modelo razovel para o processo, use o
identicador de distribuio para encontrar um modelo que ajuste adequadamente os dados.
NOTA: Se a no-normalidade aparecer devido s causas especiais, o uso de mtodos no-normais no apropriado.
Anlise de Capacidade - Dados Contnuos
27
Identicador de Distribuio
O que o identicador de distribuio
O identicador de distribuio permite que voc ajuste seus dados com 14 distribuies. Selecione uma distribuio com base no grco
de probabilidade, nos resultados do teste de ajuste, e no conhecimento fsico ou histrico do processo.
Quando usar o identicador de distribuio
Use o identicador de distribuio para encontrar uma distribuio til para ajustar os dados se uma distribuio normal no ajusta bem
os dados. A sensibilidade dos resultados ao modelo escolhido depende da ferramenta estatstica. Na anlise de capacidade, encontrar
uma distribuio apropriada para ajustar os dados extremamente importante.
Por que usar o identicador de distribuio
Ao realizar a anlise de capacidade, voc assume que uma distribuio existe para o processo estvel. Para inferir adequadamente qual
proporo de unidades caem fora dos limites de especicao, voc precisa usar uma distribuio apropriada.
Estimativas da capacidade tais como Cp, Cpk e nvel sigma so altamente sensveis suposio de normalidade. Se a normalidade for
assumida incorretamente, a proporo estimada de unidades no-conformes pode ser superestimada ou subestimada.
Anlise de Capacidade - Dados Contnuos
28
Identicando uma distribuio apropriada
Como voc determinou que a distribuio normal pode no ser apropriada para estes dados, use o identicador de distribuio para
encontrar uma distribuio mais til.
Escolhendo a opo Box-Cox, voc pode transformar os dados e ento reavaliar o ajuste com a normal e outras distribuies.
Individual Distribution Identication
1) Selecione Stat > Quality Tools > Individual Distribution Identication.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise de Capacidade - Dados Contnuos
29
Interpretando os resultados
Avalie os grcos de probabilidade e os resultados do teste de Anderson-Darling para identicar uma distribuio que ajusta bem os
dados.
Um p-valor para o teste de Anderson-Darling no est disponvel para trs distribuies: Lognormal com 3 parmetros, Gama com 3
parmetros e Loglogstica com 3 parmetros. Para essas distribuies, o Minitab exibe
*
ao invs de um p-valor.
Use o Likelihood Ratio Test (LRT P) na sada da Session para avaliar se uma distribuio com 3 parmetros fornece um ajuste signica-
tivamente melhor que a distribuio correspondente com 2 parmetros.
Neste exemplo, as distribuies Weibull e Menor Valor Extremo (Smallest Extreme Value) parecem ajustar bem os dados.
NOTA: Usar apenas o critrio de o maior p-valor o vencedor pode no ser um mtodo sensato, especialmente se voc tiver conhecimento
histrico ou terico sobre a adequao de uma distribuio.
Anlise de Capacidade - Dados Contnuos
30
Interpretando os resultados
Anlise de Capacidade - Dados Contnuos
31
Avaliando as estimativas de capacidade
Da anlise anterior, conclua que o processo est sob controle estatstico e uma distribuio Weibull ajusta bem os dados. Portanto, voc
pode realizar uma anlise de capacidade com base em uma distribuio Weibull.
Capability Analysis (Nonnormal) - Weibull
1) Selecione Stat > Quality Tools > Capability Analysis > Nonnormal;
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise de Capacidade - Dados Contnuos
32
Interpretando os resultados
Como voc no determinou um limite inferior de especicao, apenas o ndice Ppk foi calculado. O Ppk estimado de 1,53.
Anlise de Capacidade - Dados Contnuos
33
Consideraes nais
Resumo e concluses
Ambas as distribuies Weibull e Menor Valor Extremo parecem ajustar bem os dados;
A estimativa de Ppk para esses dados 1,53.
Consideraes adicionais
Para obter uma estimativa convel da capacidade do processo, o processo deve ser estvel e os dados devem seguir aproxi-
madamente a distribuio escolhida;
Usar os testes de ajuste e grcos de probabilidade pode ajudar voc a selecionar a distribuio apropriada, mas o conhecimento
do processo tambm extremamente til.
Anlise de Capacidade - Dados Contnuos
34
Anlise de Capacidade com Dados No-Normais
Exemplo 3: Isolantes de Cermica
Problema
Uma empresa que fabrica isolantes de cermica usa uma anlise de capacidade para avaliar sua habilidade em atender as exigncias
do cliente. O isolante de cermica um cilindro com um buraco no centro. As especicaes requerem que o buraco seja centralizado
em relao ao dimetro externo do isolante, dentro de 30 microns
Coleta de dados
Isolantes de cermica so assados em lotes em grandes fornos a cada 3 horas. Para monitorar o processo, tcnicos selecionaram alea-
toriamente 10 isolantes de cada lote e mediram sua concentricidade.
Ferramentas
Capability Sixpack - Normal
Individual Distribution Identication
Johnson Transformation
Capability Analysis - Nonnormal
Arquivo de dados
ISOLANTES.MTW
Varivel Descrio
Concentricidade Distncia da localizao desejada do buraco (microns)
Data/Hora Data e hora em que o isolante foi fabricado
Anlise de Capacidade - Dados Contnuos
35
Vericando as suposies da Anlise de Capacidade
Use o Capability Sixpack - Normal para vericar essas suposies:
O processo estvel;
Os dados tm distribuio normal.
Se a suposio de normalidade for violada, voc ainda tem condies de realizar uma anlise apropriada.
Capability Analysis - Normal
1) Abra o arquivo ISOLANTES.MTW.
2) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
3) Preencha a caixa de dilogo como mostra a gura abaixo:
4) Clique em Tests.
5) Selecione Perform all eight tests.
6) Clique em OK em cada caixa de dilogo.
Anlise de Capacidade - Dados Contnuos
36
Interpretando os resultados
Cartas Xbar e S
As cartas de controle Xbar e S mostram que todos os pontos esto dentro dos limites de controle, sugerindo que o processo estvel.
Histograma de capacidade
O histograma indica que a suposio de normalidade pode no ser adequada.
Grco de probabilidade normal
O grco de probabilidade normal indica assimetria positiva nos dados. Alm disso, o teste de normalidade de Anderson-Darling fornece
um p-valor menor que 0,05. Voc rejeita a hiptese nula de que os dados provm de uma populao com distribuio Normal ao nvel
de signicncia de 5%.
Prximo passo
As cartas de controle indicam um processo estvel, apesar de no ser bem modelado pela distribuio normal. Portanto, voc precisa
identicar uma distribuio que ajuste os dados. Se voc no tiver conhecimento prvio de uma distribuio razovel para o processo,
use o identicador de distribuio para encontrar uma distribuio que ajuste adequadamente os dados.
NOTA: Se a no-normalidade aparecer devido s causas especiais, o uso de mtodos no-normais no apropriado.
Anlise de Capacidade - Dados Contnuos
37
Identicando uma distribuio apropriada
Como voc determinou que a distribuio normal pode no ser apropriada para estes dados, use o identicador de distribuio para
encontrar uma distribuio mais til.
Escolhendo as opes Box-Cox e Johnson, voc pode transformar os dados e ento reavaliar o ajuste com a normal e outras distribui-
es.
Individual Distribution Identication
1) Selecione Stat > Quality Tools > Individual Distribution Identication.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise de Capacidade - Dados Contnuos
38
Interpretando os resultados
Avalie os grcos de probabilidade e os resultados do teste de Anderson-Darling para identicar uma distribuio que ajusta bem os
dados.
Um p-valor para o teste de Anderson-Darling no est disponvel para trs distribuies: Lognormal com 3 parmetros, Gama com 3
parmetros e Loglogstica com 3 parmetros. Para essas distribuies, o Minitab exibe
*
ao invs de um p-valor.
Use o Likelihood Ratio Test (LRT P) na sada da Session para avaliar se uma distribuio com 3 parmetros fornece um ajuste signica-
tivamente melhor que sua distribuio com 2 parmetros correspondente.
Neste exemplo, a distribuio lognormal parece ajustar bem os dados. A distribuio normal tambm ajusta os dados aps eles serem
transformados por Box-Cox.
NOTA: Usar apenas o critrio de o maior p-valor o vencedor pode no ser um mtodo sensato, especialmente se voc tiver conhecimento
histrico ou terico sobre a adequao de uma distribuio.
Anlise de Capacidade - Dados Contnuos
39
Interpretando os resultados
Anlise de Capacidade - Dados Contnuos
40
Avaliando as estimativas de capacidade
A transformao de Box-Cox pode transformar os dados de uma distribuio lognormal para uma distribuio normal, permitindo que voc
conduza a anlise de capacidade.
Selecione intervalos de conana para fornecer limites inferior e superior para os ndices de capacidade.
Capability Analysis (Normal) - Box-Cox Transformation
1) Selecione Stat > Quality Tools > Capability Analysis > Normal.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Box-Cox.
4) Marque Box-Cox power transformation (W=Y**Lambda) e clique em OK.
5) Clique em Options e marque Include condence intervals.
6) Clique em OK em cada caixa de dilogo.
Anlise de Capacidade - Dados Contnuos
41
Interpretando os resultados
As estimativas transformadas so indicadas por um asterisco.
Usando a transformao de Box-Cox, o valor de Cpk 0,61. O intervalo de conana para o Cpk 0,54 a 0,69.
A variao dentro dos subgrupos e a variao total so praticamente iguais (0,624649 vs. 0,62389). Portanto, os ndices de capacidade
potencial e total so similares. Por exemplo, Cpk=Ppk=0,61.
Prximo passo
Use um mtodo alternativo, a transformao de Johnson, para transformar os dados em uma distribuio normal.
Anlise de Capacidade - Dados Contnuos
42
Transformao de Johnson
A transformao de Johnson seleciona uma em trs famlias de distribuies: S
B
, S
L
e S
U
, onde B, L e U se referem ao fato da variavel
ser limitada, lognormal e ilimitada, respectivamente. A funo de distribuio selecionada ento utilizada para transformar os dados em
uma distribuio normal.
Johnson Transformation
1) Selecione Stat > Quality Tools > Johnson Transformation.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Anlise de Capacidade - Dados Contnuos
43
Interpretando os resultados
Usando a transformao de Box-Cox, o p-valor para o teste de Anderson-Darling similar ao p-valor obtido usando a transformao de
Box-Cox.
Anlise de Capacidade - Dados Contnuos
44
Estimando a capacidade usando a transformao de Johnson
Estime a capacidade do processo usando a transformao de Johnson.
Para considerar qual distribuio fornece melhores resultados, considere a validade do modelo usando:
Conhecimento do processo;
Grcos de capacidade.
Capability Analysis (Nonnormal) - Johnson Transformation
1) Selecione Stat > Quality Tools > Capability Analysis > Nonnormal.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em Options.
4) Marque Include condence intervals.
5) Clique em OK em cada caixa de dilogo.
Anlise de Capacidade - Dados Contnuos
45
Interpretando os resultados
Usando a transformao de Johnson, o Ppk estimado de 0,62, que muito prximo do valor 0,61 obtido usando a transformao de
Box-Cox. O intervalo de conana de 95% para Ppk 0,54 a 0,70.
Anlise de Capacidade - Dados Contnuos
46
Consideraes nais
Resumo e concluses
Para esses dados, as transformaes de Box-Cox e Johnson forneceram resultados similares.
As estimativas de capacidade e seus intervalos de conana indicam que o processo no capaz de atender as especicaes.
Melhorias devem ser implementadas para que o processo atenda as especicaes;
Consideraes adicionais
Para obter uma estimativa convel da capacidade do processo, o processo deve ser estvel e os dados devem seguir a distri-
buio escolhida;
O uso de testes de ajustes e grcos de probabilidade pode ajudar voc a determinar a distribuio, embora o conhecimento do
processo tambm seja muito til.
Anlise de Capacidade - Dados Contnuos
47
Exerccio V: Resistncia do Selamento das Sacolas Plsticas
Problema
Operadores precisam selar um lote de sacolas plsticas cheias de componentes de engenharia para um cliente. Se o selamento for muito
fraco, as sacolas podem abrir durante o transporte. Se o selamento for muito forte, o cliente pode ter diculdade para abrir as sacolas.
Operadores selam as sacolas introduzindo a sacola plstica entre duas barras de metal, e aquecendo uma delas. A resistncia do sela-
mento a fora necessria para abrir a sacola. O limite inferior de especicao para a resistncia de 5 Newtons, e o limite superior
de especicao de 14,9 Newtons.
Coleta de dados
Operadores selecionaram aleatoriamente 200 sacolas e testaram a resistncia do selamento. Eles registraram os valores de resistncia
em Newtons.
Instrues
1) Identique uma distribuio para os dados utilizando Individual Distribution Identication.
2) Realize um estudo de capacidade usando um modelo apropriado e obtenha intervalos de 95% de conana para as estimativas
de capacidade.
Arquivo de dados
SELAMENTO.MPJ
Varivel Descrio
Resistncia Resistncia do selamento das sacolas plsticas (Newtons)
Anlise de Capacidade - Dados Contnuos
48
A
n

l
i
s
e

d
e

C
a
p
a
c
i
d
a
d
e

(
D
a
d
o
s

C
o
n
t

n
u
o
s
)
Solues dos Exerccios 2
Contedo
Exerccios Pgina
Viso Geral do Minitab
Exerccio A:
Registro de Pacientes em um Hospital
4
Anlise Bsica de Dados
Exerccio B:
Dados de uma Central de Atendimento
9
Exerccio C:
Emprstimos On Line
13
Exerccio D:
Processo de uma Indstria Txtil
16
Exerccio E:
Correias para Motores Industriais
20
Importao e Manipulao de Dados
Exerccio F:
Reclamaes em um Restaurante
22
Exerccio G:
Nveis de Dixido de Enxofre
28
Inferncia Estatstica e Teste t
Exerccio H:
Detectando Mudanas em Dimetros de Rolamentos
32
Exerccio I:
Investigando a Qualidade do Fornecedor
36
Exerccio J:
Altura do nodo
39
Exerccio K:
Comparando Instrumentos de Medio
45
Anlise de Varincia
Exerccio L:
Moldes de Tampas de Canetas
48
Exerccio M:
Degustao de Vinho
53
Exerccio N:
Desgaste de Tinta
56
Solues dos Exerccios 3
Contedo
Exerccios Pgina
Cartas de Controle - Dados Contnuos
Exerccio O:
Estabilidade das Medies de Densidade de Filmes Fotogrcos
60
Exerccio P:
Peso dos Sabonetes
62
Exerccio Q:
ndice de Refrao em Cabos de Fibra tica
67
Exerccio R:
Dimetro dos Trincos das Portas
69
Anlise de Capacidade - Dados Contnuos
Exerccio S:
Deslocando o Processo
71
Exerccio T:
Reduo da Variao
73
Exerccio U:
Estudo da Capacidade do Peso de Polmeros
75
Exerccio V:
Resistncia do Selamento das Sacolas Plsticas
77
Solues dos Exerccios 4
Exerccio A: Registro de Pacientes em um Hospital
Project Manager
Abra o projeto a verique o contedo do ReportPad.
1) Selecione o arquivo HOSPITAL.MPJ;
2) Clique no cone na barra de ferramentas do Project Manager;
Interpretando os resultados
O ReportPad contm uma histograma da coluna Censo.
Solues dos Exerccios 5
Project Manager
Determine o nmero de worksheets no projeto.
1) Clique no cone na barra de ferramentas do Project Manager.
Interpretando os resultados
O projeto contm quatro worksheets.
Solues dos Exerccios 6
Project Manager
Determine o tamanho de todas as colunas na worksheet Dados do Censo.
1) Clique no cone na barra de ferramentas do Project Manager.
Interpretando os resultados
O tamanho de cada coluna na worksheet Dados do Censo 333 (linhas).
Solues dos Exerccios 7
Project Manager
Determine qual tipo de grco est no projeto.
1) Clique no cone na barra de ferramentas do Project Manager;
Interpretando os resultados
O projeto contm um dotplot do Censo para cada unidade hospitalar.
Solues dos Exerccios 8
Dotplot
Crie um dotplot similar.
1) Selecione Graph > Dotplot;
2) Em One Y, selecione With Groups. Clique em OK;
3) Em Graph variables, entre com Censo;
4) Em Categorical variables for grouping, entre com Unidade. Clique em OK.
Interpretando os resultados
O dotplot da varivel censo por unidade deve ser idntico ao grco que j est salvo no projeto.
Solues dos Exerccios 9
Exerccio B: Dados de uma Central de Atendimento
Display Descriptive Statistics
Calcule e avalie as estatsticas do tempo de espera para melhorar o tempo de servio de resposta ao consumidor.
1) Abra CENTRAL DE ATENDIMENTO.MTW.
2) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
3) Em Variables, entre com Tempo de espera e Tempo de atendimento.
4) Clique em Statistics. Selecione Mean, First Quartile, Median, Third Quartile, Minimum, N nonmissing, e N missing.
5) Clique em OK em cada caixa de dilogo.
Descriptive Statistics: Tempo de espera; Tempo de atendimento
Variable N N* Mean Minimum Q1 Median Q3 Maximum
Tempo de espera 466 0 6,736 1,000 4,000 6,000 9,000 25,000
Tempo de atendimento 451 15 28,324 1,000 14,000 24,000 38,000 121,000
Interpretando os resultados
Os resultados indicam que:
O tempo mdio que o cliente espera pelo atendimento de 6,7 minutos.
O tempo mnimo de espera por atendimento de 1,0 minuto e o tempo mximo 25,0 minutos.
O tempo de espera mediano de 6,0 minutos; portanto, aproximadamente 50% ligaes cam na espera por 6 minutos ou
menos.
O tempo mdio gasto conversando com um tcnico de 28,3 minutos.
Solues dos Exerccios 10
Histogram
Construa um histograma para visualizar a distribuio dos dados do tempo de espera.
1) Selecione Graph > Histogram.
2) Selecione With Fit. Clique em OK.
3) Em Graph variables, entre com Tempo de Espera. Clique em OK.
Interpretando os resultados
Os dados parecem assimtricos direita. Isto faz sentido, pois no existem um limite superior que limite o tempo que um cliente pode
esperar para ser atendido.
Solues dos Exerccios 11
Tally Individual Variables
Determine o nmero e o percentual de ligaes que caem em cada categoria de tempo de espera.
1) Selecione Stat > Tables > Tally Individual Variables.
2) Em Variables, entre com Tempo de Espera.
3) Em Display, selecione Counts, Percents e Cumulative percents. Clique em OK.
Tally for Discrete Variables: Tempo de espera
Tempo de
espera Count Percent CumPct
1 28 6,01 6,01
2 29 6,22 12,23
3 36 7,73 19,96
4 48 10,30 30,26
5 66 14,16 44,42
6 53 11,37 55,79
7 48 10,30 66,09
8 38 8,15 74,25
9 29 6,22 80,47
10 23 4,94 85,41
11 17 3,65 89,06
12 13 2,79 91,85
13 4 0,86 92,70
14 6 1,29 93,99
15 9 1,93 95,92
16 7 1,50 97,42
17 1 0,21 97,64
18 2 0,43 98,07
19 1 0,21 98,28
20 1 0,21 98,50
21 2 0,43 98,93
22 3 0,64 99,57
23 1 0,21 99,79
25 1 0,21 100,00
N= 466
Interpretando os resultados
Os resultados indicam que a proporo de clientes que esperam 5 minutos ou menos de 30,26%. A proporo que esperam de 5 a 10
minutos 55,15% (85,41% - 30,26%). A proporo de clientes que esperam mais de 10 minutos 14,59% (100,00% - 85,41%).
Solues dos Exerccios 12
Tally Individual Variables
Determine o percentual de ligaes nalizadas dentro de 30 minutos.
1) Selecione Calc > Calculator.
2) Em Store result in variable, digite Total abaixo de 30.
3) Em Expression, digite Tempo de Espera + Tempo de atendimento < 30. Clique em OK.
4) Selecione Stat > Tables > Tally Individual Variables.
5) Em Variables, entre com Total abaixo de 30. Desmarque a opo Cumulative percents. Certique-se de que Counts e Per-
cents estejam marcados. Clique em OK.
Tally for Discrete Variables: Total abaixo de 30
Total
abaixo
de 30 Count Percent
0 245 54,32
1 206 45,68
N= 451
*= 15
Interpretando os resultados
O percentual de ligaes nalizadas em menos de 30 minutos 45,68%.
O percentual de clientes que desligam o telefone sem falar com o tcnico de 3% (15/466).
Solues dos Exerccios 13
Exerccio C: Emprstimos On Line
Display Descriptive Statistics
Use estatsticas descritivas para analisar a utilizao da solicitao de emprstimo online.
1) Abra ONLINE.MTW.
2) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
3) Em Variables, entre com Tempo.
4) Clique em Statistics. Marque Mean, First Quartile, Median, Third Quartile, Minimum, Maximum, N nonmissing, e N mis-
sing;
5) Clique em OK em cada caixa de dilogo.
Descriptive Statistics: Tempo
Variable N N* Mean Minimum Q1 Median Q3 Maximum
Tempo 375 92 36,091 20,000 30,000 35,000 40,000 95,000
Interpretando os resultados
Os resultados indicam que:
O tempo mdio gasto para completar a solicitao 36,1 minutos.
O tempo mximo para completar a solicitao 95 minutos e o tempo mnimo 20 minutos.
O tempo mediano para completar a solicitao 35 minutos.
O primeiro quartil 30 minutos; portanto, aproximadamente 25% dos clientes completam a solicitao dentro de 30 minutos.
A porcentagem de clientes que iniciam o processo de solicitao, mas no o nalizam N*/(N+N*) = 92/467 = 19,7%.
Solues dos Exerccios 14
Tally Individual Variables
Calcule o nmero real de tentativas de solicitao e o nmero mdio de solicitaes completas por dia.
1) Selecione Stat > Tables > Tally Individual Variables.
2) Em Variable, entre com Data. Em Display, marque Counts. Clique em OK.
Tally for Discrete Variables: Data
Data Count
5/10 15
6/10 20
7/10 17
8/10 10
9/10 19
10/10 6
11/10 16
12/10 11
13/10 18
14/10 9
15/10 12
16/10 13
17/10 11
18/10 7
19/10 14
20/10 19
21/10 20
22/10 9
23/10 15
24/10 20
25/10 18
26/10 7
27/10 15
28/10 13
29/10 9
30/10 13
31/10 11
1/11 14
2/11 10
3/11 8
4/11 12
5/11 14
6/11 11
7/11 16
8/11 15
N= 467
Interpretando os resultados
Os resultados indicam o nmero de tentativas de solicitaes em
cada dia.
O estudo foi realizado durante 35 dias. Neste perodo, foram re-
alizadas 467 tentativas de solicitaes. A mdia de tentativas de
solicitaes por dia 467/35 = 13,34.
Solues dos Exerccios 15
Bar Chart
Construa um grco de barras para mostrar o nmero de tentativas de solicitaes cada dia.
1) Selecione Graph > Bar Chart. Em Bars represent, selecione Counts of unique values. Selecione Simple, e ento clique em
OK.
2) Em Categorical variables, entre com Data.
3) Clique em Data View. Em Data Display, desmarque Bars e marque Symbols e Connect line.
4) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
O grco mostra o nmero de solicitaes de emprstimos por dia. Os clientes realizaram mais solicitaes nos dias 5, 21 e 24 de outu-
bro e menos solicitaes no dia 10 de outubro.
Solues dos Exerccios 16
Exerccio D: Processo de uma Indstria Txtil
Bar Chart
Construa um grco de barras para comparar o nmero total de defeitos de cada tipo.
1) Abra PROCESSO TXTIL.MTW.
2) Selecione Graph > Bar Chart.
3) Em Bar represent, selecione A function of a variable.
4) Em Multiple Ys, selecione Simple. Clique em OK.
5) Em Function, selecione Sum.
6) Em Graph variables, entre com Manchas Rasgos Fios Expostos Perfuraes. Clique em OK.
Interpretando os resultados
O grco indica que Perfuraes e Rasgos so os defeitos que ocorrem com maior frequncia.
Solues dos Exerccios 17
Time Series Plot
Como a quantidade de material produzido varia a cada ms, voc deve vericar a taxa de defeitos. Use a Calculadora do Minitab para
dividir o nmero de defeitos de cada tipo por metro de material; ento construa um grco de sries temporais (Time Series Plot) para
examinar a taxa de defeitos ao longo do tempo.
1) Selecione Calc > Calculator.
2) Em Store results in variable, digite Manchas_Mat.
3) Em Expression, digite Manchas/Qte Material. Clique em OK.
4) Pressione CTRL + E e repita os clculos para cada tipo de defeito, armazenando os resultados em Rasgos_Mat, Fios expos-
tos_Mat e Perfuraes_Mat.
5) Selecione Graph > Time Series Plot.
6) Escolha Simple, e ento clique em OK.
7) Em Series, entre com Manchas_Mat Rasgos_Mat Fios expostos_Mat Perfuraes_Mat.
8) Clique em Multiple Graphs. Selecione In separate panels of the same graph, e ento clique em OK.
9) Clique em Time/Scale, e ento selecione Stamp.
10) Em Stamp columns, entre com Data.
11) Clique em OK em cada caixa de dilogo.
Solues dos Exerccios 18
Interpretando os resultados
A taxa de Rasgos tem aumentado desde o comeo de 2004, e a taxa de Fios Expostos aparentemente decresceu em torno de Outubro
de 2004. As taxas de Manchas e Perfuraes parecem ter se mantido aleatrias ao longo do tempo.
Solues dos Exerccios 19
Scatterplot
Construa um grco de disperso para determinar se a contagem de defeitos e a quantidade de material produzido esto relacionadas.
1) Selecione Graph > Scatterplot.
2) Selecione Simple, e ento clique em OK.
3) Em Y variables, entre com Manchas, Rasgos, Fios expostos e Perfuraes. Em X variables entre com Qte Material em todas
as quatro linhas.
4) Clique em Multiple Graphs. Selecione In separate panels of the same graph, e ento clique em OK em cada caixa de dilo-
go.
Interpretando os resultados
O nmero de manchas e perfuraes parece crescer com o aumento do material produzido. O grco do nmero de os expostos e
rasgos indica pouca ou nenhuma relao entre a quantidade de metros de material e a frequncia de defeitos. Isto inesperado, pois a
rea disponvel para defeitos maior quando mais material produzido. A variao na contagem de defeitos pode ser to grande que
obscurece esta relao. Por exemplo, o nmero de rasgos tem grande variao; esta variao mais relacionada com o tempo, como
mostrado anteriormente no grco de sries temporais. A variao devido ao efeito do tempo provavelmente maior que a variao
ocasionada pelas diferentes quantidades de material.
Solues dos Exerccios 20
Exerccio E: Correias para Motores Industriais
Boxplot
Construa um boxplot para comparar o tempo de vida dos vrios tipos de correias.
1) Abra CORREIAS.MTW.
2) Selecione Graph > Boxplot.
3) Em One Y, selecione With Groups. Clique em OK.
4) Em Graph variables, entre com Horas. Em Categorical variables for grouping, entre com Tipo de Correia.
5) Clique em OK.
Interpretando os resultados
O boxplot sugere que a correia NS-33 possui um tempo de vida mediano menor que os outros tipos de correias, e que as correias HS-91
e NS-33 possuem uma maior variao no tempo de vida que as correias HS-33 e NS-91. Entretanto, neste grco no se considera a
velocidade com que a correia foi utilizada, ento poderamos cometer enganos com a anlise desse grco.
Solues dos Exerccios 21
Scatterplot
Construa um grco de disperso (scatterplot) para examinar o relacionamento entre a velocidade e o tempo de vida para cada tipo de
correia.
1) Selecione Graph > Scatterplot.
2) Selecione With Groups, e ento clique em OK.
3) Em Y variables, entre com Horas. Em X variables, entre com Velocidade. Em Categorical variables for grouping, entre com
Tipo de Correia. Clique em OK.
Interpretando os resultados
Para todos os tipos de correias, a relao linear entre horas e velocidade negativa. O boxplot indicou que trs tipos de correia tiveram
aproximadamente o mesmo tempo de vida mediano, sem considerar a velocidade. Contudo, o grco de disperso mostra que ambas as
correias NS-33 e NS-91 foram usadas com velocidades mdias de operao mais baixas do que os outros tipos de correias. As correias
do tipo NS foram utilizadas em velocidades que iam de 2200 at 3000, enquanto as correias do tipo HS foram utilizadas em velocidades
de 2700 at 3000. As diferenas na variao vista no boxplot esto relacionadas amplitude do intervalo de velocidades em que cada
correia foi testada, e no s diferenas inerentes variao do perodo de vida para diferentes tipos de correia.
Voc pode comparar todos os quatro tipos de correias na mesma velocidade de operao. Por exemplo, no intervalo de 2800 at 3000,
as correias HS parece ter um tempo de vida maior que as correias NS.
Solues dos Exerccios 22
Exerccio F: Reclamaes em um Restaurante
Para determinar a reclamao mais comum dos clientes, faa uma tabela de frequncia (Tally), construa grcos de Pareto e de bar-
ras.
1) Abra o arquivo RECLAMAES.XLS no Minitab.
2) Selecione Stat > Tables > Tally Individuals Variables.
3) Em Variables, entre com Reclamaes Turno Equipe de Garons Gerente.
4) Marque Counts, e ento clique em OK.
Tally for Discrete Variables: Equipe de cozinha; Gerente; Reclamao; Turno
Equipe de
Garons Count Gerente Count Reclamao Count
A 22 Joo 25 Carne mal passada 9
B 32 Roberto 29 Demora no servios 23
N= 54 N= 54 Erro no pedido 12
Erro no Pedido 2
Preo alto 2
Qualidade ruim 6
N= 54
Turno Count
Almoo 11
Jantar 43
N= 54
Interpretando os resultados
Tenha cuidado ao sumarizar dados de uma varivel de cada vez. Se existirem muitos fatores, voc pode perder interaes importantes.
Por exemplo, talvez a equipe B cometa mais erros quando eles trabalham no turno da manh, mas no quando eles trabalham no turno
da tarde.
Observe tambm que o cdigo para a reclamao de pedido incorreto aparece de duas formas: Erro no pedido e Erro no Pedido.
Solues dos Exerccios 23
Pareto Chart
Unique Erro no pedido e Erro no Pedido usando o comando Code do Minitab, e ento construa uma grco de Pareto para as re-
clamaes.
1) Selecione Data > Code > Text to Text.
2) Em Code data from columns, entre com Reclamaes.
3) Em Store coded data in columns, entre com Reclamaes.
4) Em Original values, digite Erro no Pedido (inclusive as aspas duplas). Em New, digite Erro no pedido. Clique em OK.
Nota: Voc tambm poderia utilizar o comando de Localizar e Substituir do Minitab em Editor > Replace para mudar os valores de texto.
5) Selecione Stat > Quality Tools > Pareto Chart.
6) Em Chart defects data in, entre com Reclamaes.
7) Selecione Do not combine. Clique em OK.
Interpretando os resultados
As trs reclamaes mais frequentes so Demora nos servios, Erro no pedido e Carne mal passada. Demora nos sevios e Erro no
pedido so tipicamente atribudos equipe de garons, enquanto Carne mal passada um problema usualmente da cozinha. Contudo,
todos os trs tipos de reclamaes podem ser atribudos cozinha tambm.
Solues dos Exerccios 24
Pareto Chart
Construa um grco de Pareto para cada Turno.
1) Selecione Stat > Quality Tools > Pareto Chart.
2) Em Chart defects data in, entre com Reclamaes.
3) Em By variable in, entre com Turno. Clique em OK.
Interpretando os resultados
O grco indica que a maioria das reclamaes acontecem no jantar, e nenhuma reclamao sobre preo acontece no almoo.
Solues dos Exerccios 25
Pareto Chart
Construa um grco de Pareto para cada equipe de garons.
1) Selecione Stat > Quality Tools > Pareto Chart.
2) Em Chart defects data in, entre com Reclamaes.
3) Em By variable in, entre com Equipe de Garons. Clique em OK.
Interpretando os resultados
A maioria das reclamaes so feitas quando a Equipe B est em servio. Todas as reclamaes com relao qualidade ruim e quase
todas com relao carne mal passada esto relacionadas equipe B.
No tire concluses e nem decida que a diferena no nmero de reclamaes inteiramente devido Equipe de Garons avaliando
apenas as frequncias. Uma equipe pode trabalhar mais no turno do jantar ou em turnos mais longos que a outra.
Solues dos Exerccios 26
Pareto Chart
Construa um grco de Pareto para cada Gerente.
1) Selecione Stat > Quality Tools > Pareto Chart.
2) Em Chart defects data in, entre com Reclamaes.
3) Em By variable in, entre com Gerente. Clique em OK.
Interpretando os resultados
A maioria das reclamaes de demora nos servios ocorre sob a superviso de Roberto. Alm disso, a maioria dos erros nos pedidos
ocorre sob a superviso de Joo.
Solues dos Exerccios 27
Bar Chart
Para vericar o nmero total de reclamaes para cada combinao de variveis (Turno, Equipe de Garons, e Gerente), construa um
grco de barras.
1) Selecione Graph > Bar Chart.
2) Em Bars represent, selecione Counts of unique values e Cluster. Clique em OK.
3) Em Categorical variables, entre com Gerente Equipe de Garons e Turno. Clique em OK.
Interpretando os resultados
Este grco mostra o nmero de reclamaes para cada combinao de variveis Turno, Gerente e Equipe de Garons.
A combinao de variveis que produz a maioria das reclamaes :
Jantar com Roberto como gerente (com ambas as equipes de garons)
Jantar com Joo como gerente e a equipe B
Solues dos Exerccios 28
Exerccio G: Nveis de Dixido de Enxofre
Open Worksheet
Quando os dados de resposta so avaliados em uma situao de cada vez, voc pode omitir relaes ou fazer generalizaes impr-
prias. Se possvel, considere todas as variveis simultaneamente quando plotar os dados de resposta. Sua habilidade para fazer isto
depende do nmero de variveis e da quantidade de dados.
Construa um grco de disperso simples para sumarizar importantes caractersticas dos dados de resposta.
1) Selecione File > Open Worksheet.
2) Em Arquivos do tipo, selecione Excel (*.xls). Selecione DIXIDO.XLS.
3) Clique em Options, marque Ignore blank data rows. Clique em OK.
4) Clique em Preview.
5) Use a barra de rolagem para vizualizar a coluna C7, na coluna Tempo 4. Selecione Numeric na lista de opes.
6) Clique em OK e ento clique em Abrir.
Interpretando os resultados
Embora a coluna C7 possua dados em sua maioria numricos, a primeira observao de texto. Os operadores digitaram faltante
quando eles no obtiveram a leitura no Tempo 4. Voc pode mudar a maneira do Minitab ler esta coluna selecionando o tipo apropriado
para os dados (Numrico) a partir da lista de opes.
Solues dos Exerccios 29
Stack Blocks of Columns
Para exibir um grco que mostre a tendncia em relao ao tempo, a variao entre os ensaios e a variao entre os tanques, voc
precisa empilhar os dados. O empilhamento mantm os dados relacionados ao tanque juntos para cada ensaio (data).
1) Selecione Data > Stack > Blocks of Columns.
2) Preencha a caixa de dilogo como mostra a gura abaixo:
3) Clique em OK.
Interpretando os resultados
Os dados esto estruturados para a anlise. Agora, voc precisa codicar os dados de tempo antes de construir um grco, pois variveis
de texto no podem ser usadas no eixo x de um grco de disperso.
Solues dos Exerccios 30
Scatterplot
Codique os dados de tempo como numricos e construa um grco de disperso para examinar o relacionamento entre os nveis de
SO
2
e o tempo para cada tanque.
1) Renomeie as colunas C1 a C4 como, C1 = Tempo, C2 = Nvel SO2, C3 = Ensaio e C4 = Tanque.
2) Selecione Data > Code > Text to Numeric.
3) Em Code data from columns, entre com Tempo.
4) Em Store coded data in columns, entre com Tempo.
5) Em Original values, linha 1 entre com Tempo 1. Em New, digite 1.
6) Repita para Tempo 2, Tempo 3 e Tempo 4, renomeando-os como 2, 3 e 4, respectivamente. Clique em OK.
7) Selecione Graph > Scatterplot.
8) Selecione With Connect and Groups, e ento clique em OK.
9) Em Y variables, entre com Nivel SO2. Em X variables entre com Tempo.
10) Em Categorical variables for grouping, entre com Ensaio.
11) Clique em Multiple Graphs, e ento clique na aba By variables.
12) Em By variables with groups in separate panels, entre com Tanque.
13) Clique em OK em cada caixa de dilogo.
Solues dos Exerccios 31
Interpretando os resultados
Os nveis de SO
2
diminuem ao longo dos tempos de amostragem. Em particular, nos tanques H10, H11 e H9, a diminuio dos nveis de
SO
2
muito mais acentuada do que nos outros tanques.
A variao de ensaio para ensaio (data para data) parece maior nos tanques H10, H11 e H9 do que nos outros.
A maior fonte de variao parece ser as diferenas entre os tanques. Investigue a variao tanque a tanque para entender melhor o
processo.
Solues dos Exerccios 32
Exerccio H:
Detectando Mudanas em Dimetros de Rolamentos
Teste t para 1 amostra
Calcule o tamanho amostral necessrio para detectar uma diferena de 0,1 mm com um poder de 0,85 ao nvel 0,05.
1) Selecione Stat > Power and Sample Size > 1-Sample t.
2) Em Differences, digite 0,1. Em Power value, digite 0,85. Em Standard deviation, digite 0,04.
3) Clique em OK.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,04
Sample Target
Difference Size Power Actual Power
0,1 4 0,85 0,898606
Interpretando os resultados
Se a mdia do processo se deslocar de 0,1 mm, o teste t para 1 amostra ir detectar esta mudana 89,86% das vezes, com um tamanho
amostral de 4.
Solues dos Exerccios 33
Teste t para 1 amostra
Calcule a diferena que pode ser detectada com um poder de 0,90 quando so usados tamanhos de amostra de 5 e 10.
1) Selecione Stat > Power and Sample Size > 1-Sample t ou pressione Ctrl + E.
2) Pressione F3 para limpar a caixa de dilogo. Em Sample sizes, digite 5 10. Em Power values, digite 0,90. Em Standard de-
viation, digite 0,04.
3) Clique em OK.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,04
Sample
Size Power Difference
5 0,9 0,0786356
10 0,9 0,0461826
Interpretando os resultados
Com um tamanho amostral de 5, o teste t para 1 amostra ir detectar uma mudana de 0,079 na mdia do processo em 90% das ve-
zes.
Com um tamanho amostral de 10, o teste t para 1 amostra ir detectar uma mudana de 0,046 na mdia do processo em 90% das ve-
zes.
Solues dos Exerccios 34
Teste de Normalidade
Teste a normalidade da amostra.
1) Abra o arquivo ROLAMENTOS.MTW.
2) Selecione Stat > Basic Statistics > Normality Test.
3) Em Variable, entre com Dimetro.
4) Clique em OK.
Interpretando os resultados
O grco de probabilidade dos dez dimetros dos rolamentos indica que voc pode assumir a normalidade. Os pontos plotados caem ao
longo da linha reta e o p-valor (0,760) maior que 0,05.
Solues dos Exerccios 35
Teste t para 1 amostra
Determine se o processo est no alvo
1) Selecione Stat > Basic Statistics > 1-Sample t.
2) Em Samples in columns, entre com Dimetro.
3) Marque Perform hypotesis test.
4) Em Hypotesized mean, digite 5.
5) Clique em Graphs.
6) Marque Boxplot of data.
7) Clique em OK em cada caixa de dilogo.
One-Sample T: Bearings
Test of mu = 5 vs not = 5
Variable N Mean StDev SE Mean 95% CI T P
Dimetro 10 5,0718 0,0414 0,0131 (5,0421; 5,1014) 5,48 0,000
Interpretando os resultados
O boxplot indica que a mdia do processo no est no valor alvo (o intervalo de 95% de conana no contem Ho). O teste t para 1
amostra conrma que a mdia dos dimetros dos rolamentos signicativamente maior que 5 mm, pois o p-valor menor que 0,05.
Solues dos Exerccios 36
Exerccio I: Investigando a Qualidade do Fornecedor
Teste t para 1 amostra
Usando um tamanho amostral de 10, determine o poder para detectar diferenas de 0,008, 0,010 e 0,012.
1) Selecione Stat > Power and Sample Size > 1-Sample t.
2) Em Sample Sizes, digite 10. Em Differences, digite 0,008 0,010 0,012. Em Standard deviation, digite 0,01.
3) Clique em Options.
4) Em Alternative Hypothesis, escolha Greater than.
5) Clique em OK em cada caixa de dilogo.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus > null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,01
Sample
Difference Size Power
0,008 10 0,754425
0,010 10 0,897517
0,012 10 0,967475
Interpretando os resultados
A probabilidade de voc detectar deslocamentos de tamanho 0,008, 0,010 e 0,012 com um tamanho amostral de 10 0,754, 0,897 e
0,976, respectivamente.
Solues dos Exerccios 37
Teste de Normalidade
Verique a normalidade dos dados.
1) Abra o arquivo QUEIJOS.MTW.
2) Selecione Stat > Basic Statistics > Normality Test.
3) Em Variable, entre com TempCong.
4) Clique em OK.
Interpretando os resultados
Os dados caem ao longo da linha reta no grco de probabilidade normal. Voc pode assumir uma distribuio normal porque o p-valor
0,352.
Solues dos Exerccios 38
Teste t para 1 amostra
Determine se provvel que as amostras venham de uma populao com mdia maior que -0,545.
1) Selecione Stat > Basic Statistics > 1-Sample t.
2) Em Samples in columns, entre com TempCong.
3) Marque Perform hypotesis test.
4) Em Hypotesized mean, digite -0,545.
5) Clique em Options.
6) Em Alternative, escolha greater than.
7) Clique em OK em cada caixa de dilogo.
One-Sample T: TempCong
Test of mu = -0,545 vs > -0,545
95% Lower
Variable N Mean StDev SE Mean Bound T P
TempCong 10 -0,53937 0,00780 0,00247 -0,54389 2,28 0,024
Interpretando os resultados
Como o p-valor de 0,024 menor que = 0,05, voc pode concluir que a mdia da temperatura de congelamento maior que -0,545
graus Celsius.
Sim, a anlise mudaria se todas as amostras viessem de um nico lote de leite. Voc no teria uma amostra aleatria de tamanho 10 da
populao de leite do fornecedor. Portanto, suas concluses seriam vlidas apenas para a populao daquele lote de leite especco.
Voc no poderia tirar concluses sobre toda a populao de leite.
Solues dos Exerccios 39
Exerccio J: Altura do nodo
Poder e tamanho de amostra
Calcule o tamanho amostral necessrio para detectar um acrscimo na altura do nodo de pelo menos 0,4 mm com um poder de pelo
menos 0,85 ao nvel de signicncia de 0,05.
1) Selecione Stat > Power and Sample Size > 2-Sample t.
2) Em Differences, digite 0,4. Em Power values, digite 0,85. Em Standard deviation, digite 0,55.
3) Clique em Options.
4) Em Alternative Hypothesis, escolha greater than.
5) Clique em OK em cada caixa de dilogo.
Power and Sample Size
2-Sample t Test
Testing mean 1 = mean 2 (versus >)
Calculating power for mean 1 = mean 2 + difference
Alpha = 0,05 Assumed standard deviation = 0,55
Sample Target
Difference Size Power Actual Power
0,4 28 0,85 0,851295
The sample size is for each group.
Interpretando os resultados
Os resultados indicam que 28 observaes em ambos os momentos (antes e aps a mudana) so necessrias para detectar um acrs-
cimo de 0,4 mm na altura do nodo com 85% de poder.
Solues dos Exerccios 40
Teste de Normalidade
Teste a normalidade de ambas as amostras.
1) Abra o arquivo NODO.MTW.
2) Selecione Graph > Probability Plot > Multiple.
3) Em Graph variables, entre com Altura do nodo.
4) Em Categorical variables for grouping, entre com Mudana no processo.
5) Clique em OK.
Interpretando os resultados
O teste de Anderson-Darling para os dados Final (p-valor=0,490) indica que no h evidncias para rejeitar a hiptese nula de norma-
lidade para esses dados. O teste de Anderson-Darling para os dados Incio (p-valor=0,442) tambm indica que no h evidncias para
rejeitar a hiptese nula de normalidade para esses dados.
Solues dos Exerccios 41
Teste de igualdade de varincias
Compare as varincias das amostras para determinar se os clculos dos teste t para 2 amostras podem assumir que as duas
populaes tm a mesma variabilidade.
1) Selecione Stat > Basic Statistics > 2 Variances.
2) Marque Samples in one column.
3) Em Samples, entre com Altura do nodo. Em Subscripts, entre com Mudana no processo.
4) Clique em OK.

Interpretando os resultados
O teste F compara a varincia das duas amostras para determinar se h evidncias sucientes para se rejeitar a hiptese nula de que
as duas populaes tm varincias iguais. O alto p-valor (0,202) indica que no h evidncias sucientes para rejeitar a hiptese nula de
igualdade de varincias ao nvel de signicncia de 0,05. O clculo da estatstica de teste para o teste t para 2 amostras pode assumir
igual variabilidade nas duas populaes.
Solues dos Exerccios 42
Teste t para 2 amostras
Os engenheiros mediram trinta amostras da altura dos nodos antes e aps a mudana. Determine se a altura mdia do nodo a mes-
ma antes e aps a mudana no processo. As hipteses a serem testadas so as seguintes:
H
0
:
Final
=
Incio
H
A
:
Final
>
Incio
1) Selecione Stat > Basic Statistics > 2-Sample t.
2) Marque Samples in one column.
3) Em Samples, entre com Altura do nodo. Em Subscripts, entre com Mudana no processo.
4) Marque Assume equal variances.
5) Clique em Options. Em Alternative, escolha greater than.
6) Clique em OK.
7) Clique em Graphs. Marque Boxplots of data.
8) Clique em OK em cada caixa de dilogo.
Two-Sample T-Test and CI: Altura do nodo; Mudana no processo
Two-sample T for Altura do nodo
Mudana no
processo N Mean StDev SE Mean
Final 30 6,280 0,564 0,10
Incio 30 6,045 0,444 0,081
Difference = mu (Final) - mu (Incio)
Estimate for difference: 0,235
95% lower bound for difference: 0,016
T-Test of difference = 0 (vs >): T-Value = 1,80 P-Value = 0,039 DF = 58
Both use Pooled StDev = 0,5077
Solues dos Exerccios 43
Interpretando os resultados
O boxplot comparativo indica que a altura mdia do nodo pode ter aumentado. Os resultados do teste t conrmam que o aumento de
0,235 mm na altura do nodo estatisticamente signicativa (p-valor=0,039). Entretanto, essa melhoria no signicativa com base no
aumento de 0,4 mm necessrio para melhorar sicamente os capacitores.
Solues dos Exerccios 44
Poder e tamanho de amostra
A anlise de poder e tamanho de amostra anterior determinou que um tamanho amostral de 28 era necessrio para detectar um aumento
de 0,4 mm na altura do nodo com 85% de poder e um teste unilateral. Agora, calcule o tamanho amostral para a hiptese alternativa
bilateral, que nesse caso seria:
H
A
:
Final

Incio
1) Selecione Stat > Power and Sample Size > 2-Sample t.
2) Em Differences, digite 0,4. Em Power Values, digite 0,85. Em Standard deviation, digite 0,55.
3) Clique em Options. Em Alternative Hypothesis, escolha Not equal.
4) Clique em OK em cada caixa de dilogo.
Power and Sample Size
2-Sample t Test
Testing mean 1 = mean 2 (versus not =)
Calculating power for mean 1 = mean 2 + difference
Alpha = 0,05 Assumed standard deviation = 0,55
Sample Target
Difference Size Power Actual Power
0,4 35 0,85 0,850645
The sample size is for each group.
Interpretando os resultados
A anlise de poder e tamanho de amostra indica que necessrio avaliar 35 capacitores antes da mudana, e 35 aps para detectar uma
mudana de 0,4 mm na altura do nodo em 85% das vezes. Em outras palavras, mais sete observaes por grupo so necessrias se
a anlise no utilizar a hiptese alternativa unilateral. Isso ilustra o poder atingido quando a hiptese alternativa unilateral apropriada-
mente utilizada em sua anlise, como nesse exemplo.
Solues dos Exerccios 45
Exerccio K: Comparando Instrumentos de Medio
Teste t pareado
Determine se as medies fornecidas pelos compassos so diferentes.
1) Abra o arquivo COMPASSOS.MTW.
2) Selecione Stat > Basic Statistics > Paired t.
3) Em First sample, entre com EasyGage. Em Second sample, entre com ToolIt.
4) Clique em Graphs.
5) Marque Individual value plot.
6) Clique em OK em cada caixa de dilogo.
Paired T-Test and CI: EasyGage; ToolIt
Paired T for EasyGage - ToolIt
N Mean StDev SE Mean
EasyGage 12 0,266275 0,001336 0,000386
ToolIt 12 0,265517 0,001876 0,000542
Difference 12 0,000758 0,001735 0,000501

95% CI for mean difference: (-0,000344; 0,001861)
T-Test of mean difference = 0 (vs not = 0): T-Value = 1,51 P-Value = 0,158
Interpretando os resultados
As diferentes ferramentas no fornecem medies signicativamente diferentes. O intervalo de conana inclui 0, e o p-valor maior
que 0,05.
Solues dos Exerccios 46
Teste t para 1 amostra
Calcule o poder do teste para detectar uma diferena mdia de 0,005 cm.
1) Selecione Stat > Power and Sample Size > 1-Sample t.
2) Em Sample sizes, digite 12. Em Differences, digite 0,005. Em Standard deviation, digite 0,001735.
3) Clique em OK.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,001735

Sample
Difference Size Power
0,005 12 1,00000
Interpretando os resultados
O poder do teste para detectar uma diferena de 0,005 1,00. (O valor real maior que 0,99995; o Minitab arredonda o valor at
1,00000.),
Solues dos Exerccios 47
Teste t para 1 amostra
Calcule o poder do teste para detectar uma diferena mdia de 0,001 cm.
1) Selecione Stat > Power and Sample Size > 1-Sample t.
2) Em Differences, digite 0,001.
3) Clique em OK.
Power and Sample Size
1-Sample t Test
Testing mean = null (versus not = null)
Calculating power for mean = null + difference
Alpha = 0,05 Assumed standard deviation = 0,001735

Sample
Difference Size Power
0,001 12 0,445247
Interpretando os resultados
O poder do teste para detectar uma diferena de 0,001 0,445.
Solues dos Exerccios 48
Exerccio L: Moldes de Tampas de Canetas
Estatsticas Descritivas
Construa boxplots para as 16 cavidades.
1) Abra o arquivo CAVIDADES.MTW.
2) Selecione Stat > Basic Statistics > Display Descriptive Statistics.
3) Em Variables, entre com Espessura. Em By variables, entre com Cavidade.
4) Clique em Graphs e marque Boxplot of data.
5) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
O boxplot sugere que:
No existem outliers extremos (todos os dados caem em uma amplitude de 0,30 mm)
As distribuies dentro de cada cavidade so aproximadamente simtricas (a mediana est prxima do centro da caixa).
Voc no pode determinar por esse grco se as diferenas entre as cavidades so estatisticamente signicativas.
Solues dos Exerccios 49
Teste de Igualdade de Varincias
Compare as varincias nas 16 cavidades.
1) Selecione Stat > ANOVA > Test for Equal Variances.
2) Em Response, entre com Espessura; Em Factors, entre com Cavidade.
3) Clique em OK.
Interpretando os resultados
Com base nos p-valores altos para o Teste de Bartlett (assumindo normalidade) e o Teste de Levene (assumindo apenas simetria),
voc no tem evidncias sucientes para declarar uma diferena na variabilidade entre as 16 cavidades.
Solues dos Exerccios 50
General Linear Model
Compare as mdias nas 16 cavidades e verique as suposies do modelo.
1) Selecione Stat > ANOVA > General Linear Model.
2) Em Responses, entre com Espessura; Em Model, entre com Cavidade.
3) Clique em Graphs. Em Residual Plots, escolha Four in one.
4) Clique em OK em cada caixa de dilogo.
General Linear Model: Espessura versus Cavidade
Factor Type Levels Values
Cavidade xed 16 1; 2; 3; 4; 5; 6; 7; 8; 9; 10; 11; 12; 13; 14; 15; 16
Analysis of Variance for Espessura, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Cavidade 15 0,141988 0,141988 0,009466 8,35 0,000
Error 304 0,344623 0,344623 0,001134
Total 319 0,486612
S = 0,0336694 R-Sq = 29,18% R-Sq(adj) = 25,68%
Interpretando os resultados
Pelo menos duas cavidades tm mdias signicativamente diferentes (P=0,000).
Os resduos so aproximadamente normalmente distribudos, com varincia constante e nenhuma tendncia ao longo do tempo.
Solues dos Exerccios 51
Interval Plot
Determine se a mdia de alguma cavidade difere do alvo.
1) Selecione Stat > ANOVA > Interval Plot.
2) Em One Y, selecione With Groups e clique em OK.
3) Em Graph variables, entre com Espessura. Em Categorical variables for grouping, entre com Cavidade.
4) Clique em Scale e selecione a aba Reference lines.
5) Em Show reference lines at Y values, digite 10.
6) Clique em OK.
Interpretando os resultados
As cavidades 1, 3, 5, 7, 8, 9, 12, 15 e 16 so signicativamente diferentes do valor alvo, pois os intervalos no contm esse valor (10
mm). Entretanto, usar intervalos de Bonferroni para controlar o erro Tipo I mais apropriado, pois com tantas cavidades, ao menos
uma das identicadas como diferentes provavelmente est no alvo.
Solues dos Exerccios 52
Interval Plot
Mude para intervalos de conana Bonferroni.
1) D dois cliques sobre a linha de algum intervalo de conana, e clique em Options.
2) Em Condence interval, marque Bonferroni.
3) Clique em OK.
Interpretando os resultados
As cavidades 3, 5, 7, 8, 9, 15 e 16 so signicativamente diferentes do alvo. Voc pode ter 95% de conana de que essas cavidades
esto trabalhando fora do alvo.
Solues dos Exerccios 53
Exerccio M: Degustao de Vinhos
General Linear Model
Analise a Nota em funo do Juiz e do Vinho.
1) Abra o arquivo VINHO.MTW.
2) Selecione Stat > ANOVA > General Linear Model.
3) Em Responses, entre com Nota. Em Model, entre com Juiz Vinho Juiz*Vinho;
4) Clique em OK.
General Linear Model: Score versus Juiz; Vinho
Factor Type Levels Values
Juiz xed 10 Antonio; Ballardo; Carmen; Daniel; Esmeralda; Fernanda;
Gerardo; Hernan; Irma; Jose na
Vinho xed 3 Conquistador; Matador; Saeta
Analysis of Variance for Nota, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Juiz 9 24,683 24,683 2,743 1,09 0,399
Vinho 2 39,433 39,433 19,717 7,83 0,002
Juiz*Vinho 18 58,567 58,567 3,254 1,29 0,260
Error 30 75,500 75,500 2,517
Total 59 198,183
S = 1,58640 R-Sq = 61,90% R-Sq(adj) = 25,08%
Interpretando os resultados
H uma forte evidncia de que h diferenas entre as pontuaes mdias (P = 0,002). Os enlogos no so signicativamente diferentes
um do outro, e a interao Juiz*Vinho no signicativa. A no-signicncia do efeito do Juiz boa, pois voc quer que os enlogos
concordem entre si. Ajuste o modelo novamente retirando os termos no-signicativos.
Solues dos Exerccios 54
General Linear Model
Construa os grcos de resduos. Inclua comparaes pareadas e um grco de efeitos principais para Vinho.
1) Selecione Stat > ANOVA > General Linear Model ou pressione Ctrl + E.
2) Em Model, mantenha apenas Vinho.
3) Clique em Graphs. Em Residual plots, escolha Four in one e clique em OK.
4) Clique em Comparisons. Em Terms, entre com Vinho e clique em OK.
5) Clique em Factor Plots. Sob Main Effects Plot, entre com Vinho em Factors.
6) Clique em OK em cada caixa de dilogo.
Tukey Simultaneous Tests
Response Variable Nota
All Pairwise Comparisons among Levels of Vinho
Vinho = Conquistador subtracted from:
Difference SE of Adjusted
Vinho of Means Difference T-Value P-Value
Matador -0,650 0,5277 -1,232 0,4397
Saeta -1,950 0,5277 -3,695 0,0014
Vinho = Matador subtracted from:
Difference SE of Adjusted
Vinho of Means Difference T-Value P-Value
Saeta -1,300 0,5277 -2,463 0,0437
Interpretando os resultados
Com base nos p-valores para as comparaes em pareadas, o vinho Saeta signicativamente diferente de Conquistador (p-valor =
0,0014) e Matador (p-valor = 0,0437).
Solues dos Exerccios 55
Interpretando os resultados
O grco de probabilidade normal indica um leve desvio da normalidade, pois a resposta no uma medida contnua. Como no exis-
tem outliers extremos e os pontos de dados caem ao longo de uma linha reta, voc pode assumir que a falta de normalidade no afeta
fortemente os resultados.
O grco de fatores mostra que o vinho Saeta recebeu a menor pontuao mdia e Conquistador a maior.
Solues dos Exerccios 56
Exerccio N: Desgaste de Tinta
General Linear Model
Determine se o desgaste mdio da tinta em todos os quatro tipos de tinta igual.
1) Abra o arquivo DESGASTE.MTW.
2) Selecione Stat > ANOVA > General Linear Model.
3) Em Responses, entre com Desgaste. Em Model, entre com Tinta.
4) Clique em OK.
General Linear Model: Desgaste versus Tinta
Factor Type Levels Values
Tinta xed 4 Y-0242; Y-0314; Y-1424; Y-1723
Analysis of Variance for Desgaste, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Tinta 3 30,688 30,688 10,229 2,44 0,115
Error 12 50,250 50,250 4,188
Total 15 80,938
S = 2,04634 R-Sq = 37,92% R-Sq(adj) = 22,39%
Unusual Observations for Desgaste
Obs Desgaste Fit SE Fit Residual St Resid
14 8,0000 12,2500 1,0232 -4,2500 -2,40 R
R denotes an observation with a large standardized residual.
Interpretando os resultados
Quando Tinta o nico fator no modelo, o resultado no mostra diferena signicativa entre os quatro tipos de tinta (P > 0,05).
Solues dos Exerccios 57
General Linear Model
Determine se o desgaste mdio da tinta diferente nas localidades e tipos de tinta.
1) Selecione Stat > ANOVA > General Linear Model.
2) Em Responses, entre com Desgaste. Em Model, entre com Localidade Tinta.
3) Clique em OK.
General Linear Model: Desgaste versus Localidade; Tinta
Factor Type Levels Values
Localidade xed 4 Contagem; Sabar; Santa Luzia; Vespasiano
Tinta xed 4 Y-0242; Y-0314; Y-1424; Y-1723
Analysis of Variance for Desgaste, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Localidade 3 38,688 38,687 12,896 10,04 0,003
Tinta 3 30,688 30,688 10,229 7,96 0,007
Error 9 11,562 11,562 1,285
Total 15 80,938
S = 1,13346 R-Sq = 85,71% R-Sq(adj) = 76,19%
Unusual Observations for Desgaste
Obs Desgaste Fit SE Fit Residual St Resid
14 8,0000 9,9375 0,7497 -1,9375 -2,28 R
R denotes an observation with a large standardized residual.
Interpretando os resultados
Quando voc adiciona Localidade ao modelo, o resultado mostra uma diferena estatstica entre os quatro tipos de tinta (P = 0,007) e as
quatro localidades (P = 0,003).
Solues dos Exerccios 58
General Linear Model
Verique as suposies do modelo.
1) Selecione Stat > ANOVA > General Linear Model.
2) Clique em Graphs.
3) Em Residual Plots, escolha Four in one.
4) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
Os grcos de resduos no indicam quaisquer observaes no-usuais.
Quando Localidade deixada fora do modelo, o termo de erro inclui o efeito da localidade. Esse efeito ina a quantidade de erro e torna
as diferenas entre os tipos de tinta menos estatisticamente signicativas.
O termo de erro para testar as diferenas entre os tipos de tinta:
= SS Localidade + SS Erro, se o modelo no incluir Localidade
= SS Erro, se o modelo incluir Localidade.
Solues dos Exerccios 59
General Linear Model
Determine quais tipos de tinta so signicativamente diferentes entre si.
1) Selecione Stat > ANOVA > General Linear Model.
2) Clique em Comparisons.
3) Em Terms, entre com Tinta.
4) Desmarque Condence interval, with condence level.
5) Clique em OK em cada caixa de dilogo.
Tukey Simultaneous Tests
Response Variable Desgaste
All Pairwise Comparisons among Levels of Tinta
Tinta = Y-0242 subtracted from:
Difference SE of Adjusted
Tinta of Means Difference T-Value P-Value
Y-0314 -2,000 0,8015 -2,495 0,1274
Y-1424 -3,250 0,8015 -4,055 0,0125
Y-1723 -3,500 0,8015 -4,367 0,0080
Tinta = Y-0314 subtracted from:
Difference SE of Adjusted
Tinta of Means Difference T-Value P-Value
Y-1424 -1,250 0,8015 -1,560 0,4452
Y-1723 -1,500 0,8015 -1,872 0,3041
Tinta = Y-1424 subtracted from:
Difference SE of Adjusted
Tinta of Means Difference T-Value P-Value
Y-1723 -0,2500 0,8015 -0,3119 0,9888
Interpretando os resultados
A tabela mostra que o desgaste da tinta signicativamente diferente ao nvel de signicncia de 0,05 entre os seguintes tipos de tinta:
Y-0242 e Y-1424 (P = 0,0125)
Y-0242 e Y-1723 (P = 0,0080)
Solues dos Exerccios 60
Exerccio O: Estabilidade das Medies de Densidade de Filmes Foto-
grcos
Xbar-R
Construa cartas de controle Xbar-R para monitorar as medies de cada lme:
1) Abra o arquivo DENSIDADE.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Subgroups > Xbar-R.
3) Escolha All observations for a chart are in one column. Entre com Dens 1,5, Dens 3,0 e Dens 4,5.
4) Em Subgroup sizes, digite 3.
5) Clique em Xbar-R Options e clique na aba Parameters.
6) Em Mean, digite 1,5 3,0 4,5.
7) Clique em OK em cada caixa de dilogo.
Este processo est sob controle estatstico em torno do valor alvo de 1,5.
O sistema de medio parece estvel em torno do valor real para os lmes com densidade 3,0.
Solues dos Exerccios 61
Para os lmes com densidade 4,5, o sistema de medio exibe uma possvel tendncia, iniciando em torno do vigsimo dia do estudo.
Deve-se avaliar porque esse comportamento ocorreu.
Solues dos Exerccios 62
Exerccio P: Peso dos Sabonetes
Xbar-R
Construa cartas de controle Xbar e R para monitorar o peso dos sabonetes.
1) Abra o arquivo SABONETE.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Subgroups > Xbar-R.
3) Selecione Observations for a subgroup are in one row of columns. Entre com Molde1 - Molde5.
4) Clique em Xbar-R Options, e ento clique na aba Tests.
5) Selecione Perform all tests for special causes.
6) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
As mdias dos subgrupos parecem estar sob controle estatstico. De fato, as mdias aparecem agrupadas prximas linha central.
Isto pode estar acontecendo devido ao fato dos limites de controle estarem muito largos, possivelmente devido fonte de variao no
aleatria ou a uma estimativa ruim do desvio-padro dentro do subgrupo.
A variao de ciclo a ciclo comparada variao de molde a molde. ( A variao dentro do subgrupo para esta carta a variao de
molde a molde.) A variao dentro do subgrupo baseada na variao ciclo a ciclo e na variao hora a hora.
Solues dos Exerccios 63
Xbar-R
Agora, avalie as cartas de controle geradas para cada molde.
1) Pressione Ctrl + E.
2) Selecione All observations for a chart are in one column, entre com Molde1-Molde5.
3) Em Subgroup size digite 5.
4) Clique em OK.
Solues dos Exerccios 64
Solues dos Exerccios 65
Interpretando os resultados
Observe que quando os dados para cada molde so plotadas separadamente, os resultados so bastante diferentes. De fato, vrios
pontos falham nos testes para causas especiais. Nestas cartas de controle a variao de subgruposa subgrupo comparada variao
em ciclos sucesivos das mquinas. A variao entre os subgrupos a variao hora a hora.
Solues dos Exerccios 66
Boxplot
Agora, construa um boxplot com mltiplos Ys com cada cavidade sendo um Y
1) Selecione Graph > Boxplot.
2) Em Multiple Ys, selecione Simple. Clique em OK.
3) Em Graph variables, entre com Molde1-Molde5.
4) Clique em OK.
Interpretando os resultados
Os boxplots mostram as diferenas entre os moldes. Os moldes no parecem estar produzindo sabonetes com o mesmo peso mediano.
Isto explica porque a diferena entre os moldes aumenta o intervalo amostral.
Na primeira carta de controle, com as variveis Molde1 at Molde5 plotadas juntas, uma amostra de cada molde forma um subgrupo. A
carta Xbar-R usa como default a variao dentro do subgrupo combinada (pooled) para calcular os limites de controle para a carta Xbar.
Como os subgrupos possuem uma variao molde a molde a variao dentro do subgrupo aumenta. Isto explica os limites de controle,
tornando a carta um pouco menos sensvel para desloxamentos na mdia global.
Solues dos Exerccios 67
Exerccio Q: ndice de Refrao em Cabos de Fibra tica
Xbar-S
Construa cartas de controle Xbar e S para monitorar o ndice de refrao.
1) Abra o arquivo REFRAO.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Subgroups > Xbar-S.
3) Selecione All observations for a chart re in one column, e entre com ndice de Refrao.
4) Em Subgroup sizes, digite 12.
5) Clique em Scale.
6) Abaixo de X Scale, selecione Stamp; abaixo de Stamp columns, entre com Data/Hora.
7) Clique em OK, ento clique em Xbar-S Options.
8) Clique na aba Tests, e selecione Perform all tests for special causes.
9) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
Claramente, o processo no est sob controle estatstico. A carta de controle deve reetir as mudanas do processo, indicadas na coluna
Material de Revestimento, que estratica os dados antes e aps a mudana no material de revestimento.
Solues dos Exerccios 68
Xbar-S
Recalcule os limites de controle para considerar as mudanas no material de revestimento.
1) Pressione Ctrl + E, ento clique em Xbar-S Options.
2) Clique na aba Stages.
3) Abaixo de Dene stages (historical groups) with this variable, entre com Material de Revestimento.
4) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
Conforme indicado nas cartas de controle, o processo no est sob controle estatstico aps a mudana no processo. Entretanto, um
padro cclico aparece nos dados. Voc pode querer investigar se o padro regular e, caso seja, qual a causa. Ento, um modelo de
sries temporais poderia possivelmente ser usado com uma carta de controle nos resduos.
Solues dos Exerccios 69
Exerccio R: Dimetro dos Trincos das Portas
I-MR
Construa uma carta I-MR para monitorar o dimetro dos buracos.
1) Abra o arquivo TRINCOS.MTW.
2) Selecione Stat > Control Charts > Variables Charts for Individuals > I-MR.
3) Em Variables entre com Dimetro.
4) Clique em Scale. Abaixo de X Scale, selecione Stamp.
5) Abaixo de Stamp columns, entre com Data/Hora. Clique em OK.
6) Clique em I-MR Options.
7) Em Mean, digite 5, em Standard deviation, digite 0,01.
8) Clique na aba Tests e selecione Perform all test for special causes.
9) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
Como mostrado na carta I-MR, mesmo com todos os 8 testes para causas especiais, a mdia do processo estvel em torno de 5 mm.
Solues dos Exerccios 70
CUSUM
Uma carta CUSUM detecta claramente mudanas pequenas e contnuas em um processo.
1) Selecione Stat > Control Charts > Time-Weighted Charts > CUSUM.
2) Selecione All variables for a chart are in one column e entre com Dimetro.
3) Em Subgroup sizes, digite 1. Em Target, digite 5.
4) Clique em Scale.
5) Em X Scale, selecione Stamp. Em Stamp columns, entre com Data/Hora. Clique em OK.
6) Clique em CUSUM Options.
7) Em Standard deviation, digite 0,01.
8) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
A carta CUSUM detecta um deslocamente descendente de 0,5 desvios padro prximo da 20 leitura (10:49 am). Investigue o processo
para encontrar uma causa especial para esse deslocamento.
Solues dos Exerccios 71
Exerccio S: Deslocando o Processo
Capability Sixpack - Normal
Use o Capability Sixpack - Normal para avaliar se as suposies da anlise de capacidade so satisfeitas.
1) Abra o arquivo REVESTIMENTO.MPJ.
2) Selecione Window > Worksheet 2.
3) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
4) Em Single column, entre com Centrado; em Subgroup size, entre com Subgrupo.
5) Em Lower spec, digite 39; em Upper spec, digite 43.
6) Clique em Options. Em Target (add Cpm to table), digite 41.
7) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
A distribuio normal fornece um bom ajuste para os dados e o processo parece estar sob controle estatstico.
Solues dos Exerccios 72
Capability Analysis - Normal
Use o Capability Analysis - Normal para avaliar mais detalhadamente a capacidade do processo.
1) Selecione Stat > Quality Tools > Capability Analysis > Normal.
2) Em Single column, entre com Centrado; em Subgroup size, entre com Subgrupo.
3) Em Lower spec, digite 39; em Upper spec, digite 43.
4) Clique em Options. Em Target (add Cpm to table), digite 41.
5) Marque Include condence intervals.
6) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
O Cp prximo de seu valor anterior. O Cpk quase igual ao Cp, reetindo a centralizao. Entretanto, a capacidade do processo per-
manece inaceitvel.
Solues dos Exerccios 73
Exerccio T: Reduo da Variao
Capability Sixpack - Normal
Use o Capability Sixpack - Normal para avaliar se as suposies da anlise de capacidade so satisfeitas.
1) Abra o arquivo REVESTIMENTO.MPJ.
2) Selecione Window > Worksheet 2.
3) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
4) Em Single column, entre com Variabilidade Reduzida; em Subgroup size, entre com Subgrupo.
5) Em Lower spec, digite 39; em Upper spec, digite 43.
6) Clique em Options. Em Target (add Cpm to table), digite 41.
7) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
A distribuio normal fornece um bom ajuste para os dados e o processo parece estar sob controle estatstico.
Solues dos Exerccios 74
Capability Analysis - Normal
Use o Capability Analysis - Normal para avaliar mais detalhadamente a capacidade do processo.
1) Selecione Stat > Quality Tools > Capability Analysis > Normal.
2) Em Single column, entre com Variabilidade Reduzida; em Subgroup size, entre com Subgrupo.
3) Em Lower spec, digite 39; em Upper spec, digite 43.
4) Clique em Options. Em Target (add Cpm to table), digite 41.
5) Marque Include condence intervals.
6) Clique em OK em cada caixa de dilogo.
Interpretando os resultados
O Cp e o Cpk so muito prximos do Pp e Ppk, respectivamente, indicando que o processo est centrado. Mesmo o desempenho desse
processo sendo melhor que dos outros, ele no atende o objetivo de Cpk=1,5. O valor de 1,5 cai acima do intervalo de conana de 95%
para o Cpk.
Solues dos Exerccios 75
Exerccio U: Estudo da Capacidade do Peso de Polmeros
Capability Sixpack > Normal
Use a Anlise de Capacidade - Normal para vericar se os dados atendem s suposies para a anlise de capacidade.
1) Abra o arquivo MOLECULAR.MTW.
2) Selecione Stat > Quality Tools > Capability Sixpack > Normal.
3) Em Single column, entre com Peso. Em Subgroup size digite 5.
4) Em Lower spec digite 21. Em Upper spec digite 27.
5) Clique em OK.
Test Results for Xbar Chart of Peso
TEST 1. One point more than 3,00 standard deviations from center line.
Test Failed at points: 2; 17
Interpretando os resultados
Para obter uma estimativa signicativa dos parmetros, o processo precisa estar sob controle estatstico. Este processo, contudo no se
encontra sob controle.
Solues dos Exerccios 76
Capability Sixpack > Normal
Verique novamente a estabilidade e a capacidade do processo.
1) Pressione Ctrl + E.
2) Em Single column, entre com Dados revidados.
3) Clique em OK.
Interpretando os resultados
Para o processo estvel (usando os dados revidados), as estimativas para o desvio-padro within e overall esto prximas (2,77256 e
2,77774). Por isso as estimativas de Pp e Cp (assim como Ppk e Cpk) extremamente prximas.
O processo precisa de melhorias.
Solues dos Exerccios 77
Exerccio V: Resistncia do Selamento das Sacolas Plsticas
Individual Distribution Identication
Selecione uma distribuio ou transformao apropriada para os dados da resistncia do selamento.
1) Abra o arquivo SELAMENTO.MTW.
2) Selecione Stat > Quality Tools > Individual Distribution Identication.
3) Em Single column, entre com Resistncia.
4) Em Subgroup size, digite 1.
5) Selecione Use all distributions and transformations.
6) Clique em OK.
Solues dos Exerccios 78
Interpretando os resultados
Os grcos de probabilidade e os resultados dos testes de Anderson-Darling indicam que nenhuma distribuio ajusta bem os dados.
Entretanto, aps realizar uma transformao de Johnson, a distribuio normal ajusta os dados transformados.
Solues dos Exerccios 79
Johnson Transformation
Use a Transformao de Johnson para transformar os dados.
1) Selecione Stat > Quality Tools > Johnson Transformation.
2) Em Single column, entre com Resistncia.
3) Clique em OK.
Interpretando os resultados
Os resultados dos grcos de probabilidade e do teste de Anderson-Darling indicam que a distribuio normal ajusta bem os dados
transformados.
Solues dos Exerccios 80
Capability Analysis > Nonnnormal
Voc pode obter estimativas da capacidade usando a transformao de Johnson.
1) Selecione Stat > Quality Tools > Capability Analysis > Nonnormal.
2) Em Single column, entre com Resistncia.
3) Selecione Johnson transformation.
4) Em Lower spec, digite 5; em Upper spec, digite 14,9.
5) Clique em Options.
6) Marque Include condence intervals e clique em OK em cada caixa de dilogo.
Interpretando os resultados
O Pp estimado para este processo 0,75, com intervalo de 95% de conana entre 0,67 e 0,82. O Ppk estimado de 0,65, com intervalo
de 95% entre 0,57 a 0,73.

Você também pode gostar