EXERCCIOS PARA USO COM MINITAB 16

I) CONSTRUO DE GRFICOS

I.1) Construir um grfico de disperso (graph/scatterplot/with regression) aos dados da tabela, onde
Y = densidade de um produto, em g/cm3 e X = adio de molibdnio, em mcron. Analisar tambm a
correlao (stat/basic statistics/correlation) entre as variveis.

Y 4,32 4,38 4,67 4,72 4,99 5,05 5,32 5,48 5,66

X 136 207 276 333 381 409 476 588 802

I.2) A tabela a seguir mostra o consumo de matria prima de uma empresa, Y, em toneladas, em funo
das produes de seus dois produtos principais, X1 e X2, em mil unidades, durante certo perodo de
tempo. Construir grficos apropriados (graph/matrix plot, 3D surface plot e 3D scatterplot). Analisar
tambm a correlao entre as variveis (stat/basic statistics/correlation).

Y 212 253 285 315 444 654 865 1045

X1 1007 1523 2557 3577 5004 8072 11000 15440
X2 32 35 41 53 68 69 82 126

I.3) Construir um grfico setorial, "pizza" (graph/pie chart/chart values from a table) e de colunas
(graph/bar chart/values from a table/simple) para representar os dados da tabela (quantidade de
vendas de um produto, em milhes de unidades, em 2010, por filial de uma empresa).

Diadema Moema Sade Limeira Itapira Santos Outras

394 536 122 222 78 498 17

I.4) Usar um grfico de linhas (graph/line plot) para mostrar, simultaneamente, a variao anual do
consumo de aditivo, catalisador e apassivador de uma indstria qumica (dados em mil reais). A seguir,
projetar o consumo total para 2011 (graph/scatterplot ou stat/time series/trend analysis).

Ano 2003 2004 2005 2006 2007 2008 2009 2010

Aditivo 56 62 60 67 73 70 79 81
Catalisador 123 114 108 118 108 100 93 82
Apassivador 94 99 10-9 100 123 136 148 160

I.5) Ocorreram 596 devolues de um produto, numa venda de 84.234 unidades. Pede-se:
a) Construir um grfico de Pareto (stat/quality tools/pareto chart), sabendo-se que os motivos de
devoluo foram: Tipo errado: 375 unidades; Embalagem amassada: 61; Cor errada: 109; Entrega fora
do prazo: 39: Quantidade fora do especificado: 12. Para se reduzir o total devolvido em 80%, que
problemas deveriam ser atacados prioritariamente?
b) Idem, um Pareto de custo total, sabendo que os custos unitrios associados a esses problemas
sejam de $ 2,33 / 5,48 / 66,00 / 19,52 / 34,78, respectivamente.

I.6) Simular um diagrama espinha de peixe (stat/quality tools/cause and effect chart) para um
problema real de sua empresa (exemplo: alto refugo); tentar usar os 6Ms: mo de obra, mtodo, meio
de medio, meio ambiente, mquina e material).

I.7) Construir um grfico de srie de tempo para os dados da tabela, que representam o histrico do
vendas de uma empresa, em milhes de dlares (graph/time series/simple). A seguir, efetuar anlises
de tendncia (stat/time series/trend analysis) para a evoluo dessas vendas, estimando a venda
para 2012 e 2013; usar indicador MAPE.

Lucro 118 124 120 146 162 159 172 172

Ano 2004 2005 2006 2007 2008 2009 2010 2011

1
I.8) Com os dados empilhados, construir e interpretar o boxplot para os dados, que representam os
salrios semanais pagos numa empresa de servios, em reais (graph/boxplot/simple). Construir
tambm o histograma (graph/histogram), o grfico em pontos (graph/dotplot) e o grfico de
probabilidade nornal (graph/probability plot).

857,57 261,13 2101,48 664,06 4804,01 589,88 939,44 296,59 1062,52

519,86 1810,62 695,40 1172,67 2498,62 2335,82 1354,69 1711,44 2325,28
904,95 486,38 572,19 1684,60 1864,48 9,68 123,86 3276,62 48,11
2359,91 287,44 4001,76 1337,51 1863,06 1958,56 249,21 355,08 1530,05
2896,91 2287,84 521,30 479,88 3487,79 285,89 1605,64 41,53 148,07
1891,84 1240,62 3179,20 176,62 996,75 539,77 2309,13 3658,08 1867,24
563,60 383,48 33,72 21,67 1374,65 1246,91 895,02 2905,90 322,78
54,18 1613,15 1232,44 43,73 1554,11 1178,51 894,58 1281,71 31,99
873,84 1173,69 1616,58 1712,45 1312,07 851,95 584,40 25,65 543,76
156,70 2557,05 731,88 27,37 583,43 928,32 1040,00 3846,51 1125,36

I.9) o quadro mostra a evoluo do consumo de energia eltrica de regies brasileiras, em bilhes de
kWh, de certo ano. Mostrar os dados num grfico de reas (graph/rea graph).

OUTROS SUDESTE SUL NORDESTE MS

127 345 88 178 fev
129 389 61 170 mar
156 351 43 167 abr
133 401 97 190 mai
146 397 83 185 jun
138 387 77 208 jul

I.10) Construir um grfico multivariado (stat/quality tools/multi-vari chart), para mostrar como a
variao da resistncia de um composto, em kgf/mm2, em funo do tipo de liga utilizado e da
temperatura de sinterizao, em graus.

Tempo sint 100 100 100 100 100 100 100 100 100 150 150 150 150 150 150 150
Tipo liga 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3
Resist 23 20 21 22 19 20 19 18 21 22 20 19 24 25 22 20

Tempo sint 150 150 200 200 200 200 200 200 200 200 200
Tipo liga 3 3 1 1 1 2 2 2 3 3 3
Resist 19 22 18 18 16 21 23 20 20 22 24

2
II) PARMETROS DESCRITIVOS E INDUTIVOS

II.1) Um lote piloto de 21 peas foi ensaiado fadiga e mediu-se o nmero de ciclos at a ruptura, em
mil ciclos, obtendo os dados. Pede-se calcular os principais parmetros descritivos, de posio e de
disperso, interpretando-os (stat/basic statistics/display descriptive statistics).

4200 3769 4318 3994 4872 5023 3785

2861 4279 4632 5024 5156 4447 4286
3375 3866 4792 4916 5222 4713 5004

II.2) Gerar 300 nmeros aleatrios, de acordo com uma distribuio exponencial de mdia 17. Construir
o histograma (usar a opo binning) e o box plot (graph/histogram/with fit e graph/boxplot/simple).

II.3) Os dados a seguir referem-se medio de amostras de dados de custo de um servio, em mil
reais, cujo valor esperado de 66 4,5 mil reais. Pede-se:
a) Construir um histograma (graph/histogram/with fit) e efetuar o teste de normalidade (stat/basic
statistics/normality test);
b) Obter parmetros descritivos amostrais (stat/basic statistics/display descriptive statistics);
c) Fazer o sumrio grfico (stat/basic statistics/graphical summary); nele, interpretar os intervalos de
confiana para alguns parmetros populacionais (mdia, mediana e desvio padro), com alfa de 10%;
existem pontos fora da curva ou outlayers no box plot?

68,2 68,6 62,5 67,9 68,4 63,8 63,6 68,8

69,8 58,4 65,5 63,2 57,9 66,4 66,6 64,0
68,3 68,3 66,8 64,3 69,0 69,2 60,9 69,3
63,3 75,0 61,5 61,7 66,0 68,2 63,2 68,5
66,6 72,3 67,2 76,6 66,0 67,6 65,3 68,2
62,1 65,2 59,5 64,7 62,1 67,8 60,4 72,9
63,5 61,9 63,2 61,1 71,4 67,7 59,1 64,1
70,9 61,4 67,8 60,1 63,2 70,0 65,6 66,1
70,9 63,6 71,6 69,8 68,4 66,9 59,0 66,3
67,3 61,2 68,3 75,2 67,2 62,1 64,6 64,5
71,6 69,3 65,8 56,9 59,5 59,6 70,5 61,7
63,3 63,0 69,2 66,3 69,6 57,1 62,8 67,0
58,7 79,1 74,9 62,3 61,8 78,1 67,2 71,7
70,3 61,6 66,3 63,6 65,4 67,0 70,9 65,8
63,6 78,0 62,1 70,5 75,3 66,0 59,6 58,7

II.4) Os dados a seguir referem-se medio de amostras de espessuras de chapas de alumnio, em

mm, cuja especificao de 2,52 0,12 mm. Pede-se:
a) Construir um histograma (graph/histogram/with fit) com esses dados e efetuar o teste de
normalidade (stat/basic statistics/normality test);
b) Obter os principais parmetros descritivos amostrais (stat/basic statistics/display descriptive
statistics);
c) Fazer o sumrio grfico (stat/basic statistics/graphical summary); nele, interpretar os intervalos de
confiana para alguns parmetros populacionais (mdia, mediana e desvio padro), com alfa de 5%;
existem pontos fora da curva ou outlayers no box plot?

2,52 2,55 2,57 2,48 2,33 2,56 2,46 2,53 2,32 2,57
2,40 2,47 2,53 2,56 2,41 2,67 2,55 2,42 2,52 2,54
2,51 2,68 2,54 2,44 2,45 2,64 2,44 2,65 2,50 2,38
2,53 2,33 2,39 2,39 2,62 2,48 2,56 2,49 2,61 2,50
2,60 2,52 2,56 2,42 2,55 2,52 2,43 2,49 2,42 2,63
2,89 2,65 2,23 2,26 2,43 2,57 2,35 2,27 2,50 2,35
2,42 2,46 2,51 2,33 2,48 2,54 2,50 2,47 2,52 2,58
3
 2,46 2,56 2,70 2,49 2,61 2,61 2,49 2,31 2,43 2,50
2,34 2,37 2,38 2,55 2,46 2,50 2,61 2,59 2,52 2,25
2,44 2,31 2,44 2,60 2,60 2,56 2,35 2,39 2,76 2,61

II.5) A tabela seguinte foi obtida na execuo de uma tarefa (dados em segundos), segundo 4 mtodos
de trabalho distintos (amostra). Sendo a especificao de 257 a 264 segundos, pede-se:
a) Atravs de stat/basic/statistics/graphical summary, obter o histograma para cada mtodo,
verificando se o processo capaz e se segue uma Normal; obter, tambm, os principais parmetros
estatsticos descritivos e indutivos (95% de confiana);
b) Calcular que % de valores ultrapassa as tolerncias (calc/probability distributions/normal);
c) Idem, mas juntando os 400 dados; o processo capaz?
d) Analisar, com 95% de confiana, para os dados da parte c, se possvel concluir que:
261s ; Me 262s; 4s;
e) Posteriormente, comparar pela ANOVA, com = 5%, se as varincias dos tempos so iguais para os
4 mtodos (stat/anova/test for equal variances), assim como se os tempos mdios desses 4 mtodos
so iguais (stat/anova/one way).

Amostra M1 M2 M3 M4 Amostra M1 M2 M3 M4
1 258,5 263,9 262,3 259,7 51 261,0 265,8 262,9 263,2
2 257,8 261,0 261,3 261,7 52 261,0 266,4 262,6 266,4
3 262,9 259,7 264,8 263,9 53 260,7 264,2 259,4 263,9
4 263,6 260,4 260,4 256,2 54 261,7 261,7 258,1 260,4
5 261,0 263,6 262,6 260,7 55 260,7 262,3 258,1 266,4
6 263,2 261,3 263,2 259,7 56 260,7 262,0 260,4 257,2
7 263,6 264,5 263,9 256,2 57 262,3 262,6 257,2 261,3
8 266,1 269,0 263,2 259,7 58 260,1 261,3 258,8 261,3
9 261,7 264,8 264,5 260,4 59 259,4 259,1 257,2 259,7
10 261,7 263,9 262,3 261,0 60 257,8 258,8 258,8 261,0
11 261,0 266,7 258,1 259,7 61 255,9 262,3 262,0 262,9
12 261,7 268,0 261,3 265,8 62 259,4 262,6 263,9 263,9
13 260,1 270,2 261,0 262,6 63 260,4 263,2 264,8 258,8
14 259,7 269,6 266,7 266,4 64 258,5 262,0 263,2 256,6
15 261,0 269,3 261,3 258,8 65 260,4 264,5 263,6 262,6
16 262,0 260,4 263,2 262,9 66 258,5 263,9 260,1 260,7
17 262,0 259,4 264,2 262,3 67 261,7 264,2 263,6 260,4
18 259,7 261,0 261,7 264,8 68 257,2 263,9 260,7 260,7
19 260,4 260,4 261,3 261,0 69 258,8 260,1 259,7 266,1
20 263,6 258,8 264,8 263,2 70 266,4 261,0 259,7 264,8
21 264,8 259,4 261,7 254,6 71 264,5 262,3 262,0 262,0
22 264,8 258,8 259,7 258,5 72 263,6 260,1 257,8 264,2
23 262,3 261,7 262,0 258,8 73 261,0 260,1 258,5 262,9
24 263,9 260,7 261,3 261,7 74 262,9 260,7 259,1 260,7
25 264,8 263,6 262,6 263,9 75 266,4 259,7 259,7 260,4
26 264,2 263,9 262,6 262,0 76 263,2 262,3 260,7 263,6
27 258,5 262,0 259,4 263,2 77 263,2 263,9 261,7 263,2
28 262,6 259,4 260,1 262,6 78 264,5 262,0 259,4 264,5
29 262,9 259,1 258,8 259,7 79 262,3 261,3 256,9 261,7
30 265,8 255,9 262,6 266,1 80 263,6 258,8 259,1 259,7
31 262,3 260,4 262,0 263,6 81 263,6 258,5 261,3 255,6
32 260,4 256,9 259,7 264,2 82 261,7 261,0 259,7 258,5
33 262,0 260,4 260,4 258,8 83 262,6 260,1 260,1 258,8
34 262,9 261,7 260,1 264,5 84 261,7 259,7 260,1 261,0
35 263,6 262,0 262,3 266,7 85 262,6 260,7 260,7 261,3
36 263,2 262,0 265,5 255,3 86 262,9 262,6 263,6 265,5
37 260,4 262,3 263,2 259,4 87 260,1 263,2 261,0 261,7
38 264,5 262,0 256,6 261,0 88 262,0 262,3 257,5 260,4
39 263,6 264,2 268,0 261,0 89 262,0 262,9 259,4 262,9
40 263,6 262,9 267,4 262,6 90 263,6 262,9 264,8 263,9
41 261,7 263,9 263,2 259,7 91 261,3 262,9 264,8 269,6
42 261,7 265,5 255,3 266,7 92 262,0 263,2 262,6 272,8
43 262,9 269,9 263,2 266,4 93 262,9 262,0 264,5 264,8
44 261,7 268,3 262,3 260,1 94 262,9 264,2 261,0 264,5
4
 45 262,3 264,8 263,6 262,3 95 261,3 261,3 262,3 264,5
46 261,0 261,7 263,6 266,4 96 262,0 265,8 262,3 262,0
47 260,7 261,7 269,6 261,0 97 262,3 262,9 262,9 259,1
48 263,6 264,2 263,9 259,4 98 263,9 264,8 262,6 260,4
49 261,7 263,2 266,4 259,4 99 262,3 263,9 265,2 260,4
50 261,3 263,2 263,9 260,4 100 266,4 269,3 263,2 265,8

II.6) Em operaes financeiras pode-se ter ganhos e perdas. A tabela representa o saldo operacional de
80 dessas operaes, estando os dados em mil dlares. Pede-se:
a) Construir um histograma (graph/histogram/with fit) com esses dados e efetuar o teste de
normalidade (stat/basic statistics/normality test);
b) Obter os principais parmetros descritivos amostrais (stat/basic statistics/display descriptive
statistics);
c) Fazer o sumrio grfico (stat/basic statistics/graphical summary); nele, interpretar os intervalos de
confiana para alguns parmetros populacionais (mdia, mediana e desvio padro), com alfa de 10%;
existem pontos fora da curva ou outlayers no boxplot?

1,07 -1,37 -2,63 -1,85 -0,16 1,00 2,32 -1,44

1,09 0,78 1,00 -0,53 -1,82 -0,96 0,35 2,31
0,83 -0,90 0,49 1,02 -1,89 1,63 2,46 0,18
-1,12 -3,73 1,03 0,46 -0,54 -0,79 -0,61 1,68
1,45 0,22 -3,15 -0,24 -2,09 -0,23 2,08 -0,67
-0,48 1,70 -0,15 -3,71 0,31 0,17 -2,59 -0,12
1,46 -2,29 0,03 -1,83 4,09 -0,07 2,94 -0,65
1,25 0,38 -3,09 0,74 3,98 -2,84 -2,52 -0,71
-0,37 -1,47 -0,04 -0,43 -1,94 -1,03 0,05 -0,88
-0,26 -1,85 -0,32 0,16 0,15 -0,04 2,56 -2,69

II.7) Gerar 120 nmeros aleatrios, que sigam uma Distribuio Qui-Quadrado, com 4 graus de
liberdade. Sendo a especificao de 1,2 a 9,4 segundos, pede-se:
a) Construir um sumrio grfico (stat/basics statistics/graphical summary), com alfa de 1%,
analisando o boxplot e o histograma, verificando que a distribuio no uma Normal;
b) Analisar os principais parmetros estatsticos descritivos e indutivos;
c) Que % de valores ultrapassa as tolerncias? O processo capaz?

5
III) TESTES DE HIPTESES E ANOVA

III.1) Uma empresa observou, ao longo de um grande espao de tempo, que a mdia e o desvio padro
da sua produo diria so de 3,2 e 0,4 toneladas, respectivamente. Novos dados foram obtidos, nos
ltimos 30 dias, obtendo-se os dados a seguir. Pede-se, com 99% de confiabilidade:
a) Obter o intervalo de confiana da produo mdia populacional (stat/basic statistics/1 sample z);
b) Testar que a proporo populacional de meses com produo inferior a 3,5 ton de 30%, contra a
alternativa de ser inferior a esse valor (stat/basic statistics/1 proportion); usar teste baseado na
distribuio norma (n 30).

3,4 3,9 3,4 3,5 3,7 3,4 3,5 3,6 3,8 3,8 3,8 3,7 3,3 3,4 3,3
3,2 3,6 3,5 3,7 4,0 3,6 3,3 3,8 3,6 3,6 3,5 3,7 3,6 3,5 3,7

III.2) O consumo (km rodados por litro de gasolina automotiva), num longo perodo de utilizao, atingiu
um nvel mdio de 8,0 km/litro, com desvio padro de 0,7 km/litro. Decidiu-se experimentar um novo tipo
de gasolina, para saber se o consumo diminuiria. Ao longo de certo tempo, foi medido o consumo com a
nova gasolina, coletando 20 dados (medidos em condies assemelhadas de processamento), obtendo-
se a tabela. Efetuar testes de hiptese para provar se a nova gasolina roda mais km/litro, em mdia
(stat/basic statistics/1 sample t), assim como para verificar se a variabilidade do consumo tambm
menor (stat/basic statistics/1 variance), ao nvel de 5%.

8,5 9,0 7,6 7,9 8,4 8,8 9,7 8,0 7,6 8,3
8,2 9,1 8,6 7,8 7,9 8,2 7,9 8,0 7,6 7,8

III.3) Agora, testou-se uma gasolina importada. Coletada outra amostra de 20 medies (medidos
tambm em condies assemelhadas), obteve-se os dados a seguir, em km/litro. Verificar se as duas
ltimas gasolinas tm condies assemelhadas de uso, quanto s varincias (stat/basic statistics/2
variances) e s mdias (stat/basic statistics/2 sample t), em km/litro, com um nvel de 5% .

8,4 8,3 7,7 7,9 7,4 7,9 8,5 8,7 8,9 9,5
7,9 8,0 8,1 8,6 8,8 7,8 8,4 7,4 8,1 7,6

III.4) Um controle de qualidade foi realizado em 2 turnos, numa produo de um tipo de pea (condies
assemelhadas). No diurno, 860 peas, de um total de 900 foram aprovadas. No noturno, de um total de
700 analisadas, 630 foram aprovadas. Ao nvel de 10%, pode-se admitir que os turnos tm a mesma %
de aprovao (stat/basic statistics/2 proportions), usando a opo pooled estimate (n 30)?. Em
caso contrrio, qual a diferena das porcentagens populacionais de aprovao?

III.5) Uma empresa quer comparar a qualidade de 2 fornecedores (A e B) de um mesmo parafuso. Para
tal, pegou amostras de peas por eles produzidas e obteve os dados de medio de uma determinada
caracterstica crtica (quanto maior, melhor). Pede-se, com alfa = 5%, testar as hipteses:
a) Que a varincia populacional de A menor que a de B (stat/basic statistics/2 variances);
b) Que as mdias populacionais de A e B so iguais, contra a alternativa de serem diferentes
(stat/basic statistics/2 sample t); qual o intervalo e confiana da diferena dessas mdias?;
c) Que as propores populacionais de peas produzidas por eles, acima do valor 68, so iguais, contra
a alternativa de serem diferentes (stat/basic statistics/2 proportions); qual o intervalo de confiana
dessas propores?
Fornecedor A
68,2 68,6 62,5 67,9 68,4 63,8 63,6 68,8 59,0 66,3
69,8 58,4 65,5 63,2 57,9 66,4 66,6 64,0 64,6 64,5
68,3 68,3 66,8 64,3 69,0 69,2 60,9 69,3 70,5 61,7
63,3 75,0 61,5 61,7 66,0 68,2 63,2 68,5 62,8 67,0
Fornecedor B
58,7 79,1 74,9 62,3 61,8 78,1 67,2 71,7 67,2 71,7
70,3 61,6 66,3 63,6 65,4 67,0 70,9 65,8 70,9 65,8
62,7 71,0 66,7 67,7 67,8 66,3 69,3 62,2 69,3 62,2

6
III.6) Um analista deseja comparar o resultado da aplicao de um leo sobre a resistncia oxidao
de uma pea que produz. Para tanto, um experimento com salt spray foi realizado com 30 peas,
sendo que a resistncia (em horas de exposio) foi medida antes e depois do oleamento. Os
resultados esto apresentados a seguir. Podemos afirmar que o leo tem participao positiva no
aumento do nmero de horas, com confiana de 98% (stat/basic statistics/paired t)?

Antes Depois Antes Depois

1 582,77 600,95 16 570,66 570,22
2 579,92 611,00 17 575,81 607,06
3 573,93 598,63 18 589,49 603,22
4 577,94 576,81 19 576,13 605,08
5 586,98 591,97 20 602,78 608,51
6 577,45 602,52 21 579,69 592,72
7 591,06 607,62 22 590,30 597,88
8 586,38 613,63 23 574,78 608,15
9 582,07 595,34 24 583,15 615,20
10 576,39 603,55 25 578,63 602,70
11 587,91 596,26 26 608,64 603,48
12 583,90 589,87 27 589,28 603,81
13 562,54 595,28 28 583,79 594,47
14 569,89 599,87 29 580,33 617,51
15 574,24 606,98 30 573,15 607,70

III.7) Um analista resolveu comparar uma matria prima, comprada de 6 fornecedores diferentes, de
uma vez s, para checar se haveria diferena entre seus consumos mdios, em kg por litro do produto
que fabrica. Com os dados amostrais coletados, ao nvel de 10%, testar pela ANOVA que as mdias
populacionais so iguais (stat/anova/one way); conferir, antes, a igualdade das varincias
populacionais (stat/anova/test por equal variances).

Forn 1 Forn 2 Forn 3 Forn 4 Forn 5 Forn 6

8,2 8,0 8,2 8,6 8,8 9,0
8,3 7,3 8,1 7,7 8,6 9,2
8,1 7,4 8,3 8,0 8,0 8,8
7,5 7,6 7,7 7,8 7,9 8,7
7,9 7,9 7,5 8,0 8,8 9,1
7,8 8,1 8,0 8,1 9,0 8,6

III.8) Vrias amostras de uma mesma liga metlica foram submetidas a 5 tratamentos de recozimento
diferentes (A, B, C, D, E), nas resistncias indicadas (MPa). Verificar, usando a ANOVA, ao nvel de 7%,
se existe diferena significativa entre os tratamentos aplicados (stat/anova/one way); antes, testar a
igualdade das varincias populacionais (stat/anova/test por equal variances).
.
A 3,9 4,1 3,7 4,3 4,2
B 3,7 3,9 3,9 3,9 3,7
C 4,2 3,9 3,6 3,9 4,0
D 4,1 3,8 3,9 3,8 3,9
E 4,0 3,8 3,9 3,6 3,9

III.9) Uma empresa est estudando a compra de carros entre 3 possveis fornecedores (A, B, C), para
renovar sua frota. Ela comprou 5 carros de cada um dos mesmos e, aps 20.000 km rodados, mediu os
custos de manuteno por km rodado (em reais); os resultados esto na tabela. Analisar os resultados

7
pela ANOVA (stat/anova/one way), indicando suas recomendaes para a Diretoria. Lembre-se de,
testar a igualdade das varincias populacionais (stat/anova/test por equal variances). Usar = 5%.
.
A B C
11,82 13,05 12,53
11,43 10,13 11,30
10,00 10,45 9,81
12,40 9,94 12,08
11,17 10,00 10,45

III.10) Numa experincia com banhos de niquelao, foram usados 5 produtos (P1, P2, P3, P4, P5) base
de nquel, submetidos a 4 ambientes corrosivos (A1, A2, A3, A4), tendo sido registradas as horas de
resistncia em cmaras padronizadas at iniciarem a corroso. Utilizar a ANOVA para verificar se
existem diferenas significativas entre os ambientes e entre os produtos (stat/anova/two way), ao nvel
de 10%. Testar, antes, a igualdade das varincias populacionais (stat/anova/test for equal variances).

P1 P2 P3 P4 P5
A1 7164 7232 7080 7346 6887
A2 7169 7284 7042 7512 7002
A3 7172 7134 6997 7406 7093
A4 7098 7120 7111 7200 6953

III.11) Num experimento com tratamentos de alvio de tenses, foram usados 4 temperaturas (T1, T2, T3,
T4) por 3 tempos diferentes (t1, t2, tt), tendo sido registradas as durezas finais, em Brinell. Utilizar a
ANOVA para verificar se existem diferenas significativas entre as temperaturas e entre os tempos
(stat/anova/two way), ao nvel de 6%. Testar, antes, a igualdade das varincias populacionais
(stat/anova/test por equal variances).

T1 T2 T3 T4
t1 84 80 79 75
t2 79 70 70 64
t3 71 64 62 58

III.12) Uma concessionria de estradas rodovirias est analisando o nmero de passagem de veculos
por perodo, para 2 praas de pedgio de uma estrada (P1 e P2), tendo encontrado os seguintes dados
de passagem por minuto. Com alfa de 5%, testar as hipteses:
a) Que a mdia de passagem em P1 inferior a 2,1 carros por minuto;
b) Que os dois pedgios tm diferentes mdias de passagem.

101 113 98 104 113 95 123 114 107 109 107

113 89 94 116 106 118 112 113 97 102 105 P1
130 104 101 92 116 122 127 109 101 114 125

111 121 106 128 106 104 104 114 125 118 135
132 117 106 122 109 99 102 119 126 108 127 P2
100 118 88 127 118 127 122 116 130 134 123
126 107 100 123 127 129 131 118 137 124 134

III.13) Uma loteria tem 10 alternativas numricas (1 at 10). Efetuando-se 200 sorteios foram obtidas as
seguintes freqncias de sadas dos nmeros. Suspeita-se que o sorteio est viciado, sendo que
alguns nmeros ocorrem mais vezes que outros. Com alfa de 10%, existe evidncia desse fato?

Nmero 1 2 3 4 5 6 7 8 9 10
Freqncia 19 18 22 19 21 20 19 23 22 17

8
IV) CORRELAO E REGRESSO

IV.1) Num teste de repetitividade, queremos determinar ser h correlao entre uma primeira medio
(Xi) e a medio subseqente (Yi). Em termos prticos, isso significaria que um alto valor observado na
primeira medio levaria a um alto valor na prxima medio. Efetuar o teste de correlao populacional
para os dados amostrais indicados, ao nvel de 10% (stat/basic statistics/correlation); convm, antes,
observar os dados graficamente (graph/scatterplot).

Xi 9,0 7,6 7,9 8,4 8,8 9,7 8,0 7,6 8,3 8,2 9,1 8,6 7,8 7,8
Yi 8,5 9,0 7,5 7,9 8,4 8,8 9,7 8,0 7,6 8,3 8,2 9,1 8,6 7,8

IV.2) A tabela mostra a relao entre a produo anual de tinta de uma empresa, X, em bilhes de litros,
e os respectivos lucros, Y, em milhes de reais. Pede-se:
a) Analisar as variveis graficamente (graph/scatter plot) e calcular o coeficiente de correlao;
b) Testar se existe correlao na populao, com um nvel de significncia de 5% (stat/basic
statistics/correlation);
c) Achar a equao da regresso linear que melhor se adapta aos dados e estimar o lucro em 2011,
quando se espera que a produo atinja 9000 bilhes de litros (stat/regression/regression).

Ano 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
X 2010 2370 2600 2380 3125 3880 4978 5206 7000 8233
Y 20,51 40,33 51,49 67,46 72,11 109,52 114,24 171,71 192,06 236,37

IV.3) A tabela mostra a relao entre a rea plantada de lavoura de caf, X, em hectares, em funo da
renda bruta auferida, Y, em milhes de reais, para 10 propriedades agrcolas de uma mesma regio do
pas. Pede-se, com alfa de 1%:
a) Ajustar uma funo linear e calcular o coeficiente de explicao; avaliar a renda, se a rea for de 50
hectares (stat/regression/regression);
b) Ajustar outras funes (stat/regression/fitted line plot) como, por exemplo:
b1) Exponencial; b2) Potncia; b3) Parablica; b4) Cbica

X 21,2 12,7 15,1 9,7 29 7,3 39,3 45,4 38,7 26,6

Y 1406 1429 1628 1484 1937 1291 8322 9783 7461 3163

IV.4) Uma empresa anotou as involues de devolues de um de seus produtos principais, Y, em mil
unidades, ao longo de alguns meses de um ano. Pede-se, com alfa de 5%:
a) Ajustar uma reta aos dados, calcular R2 e avaliar a devoluo para dezembro
(stat/regression/regression); em que data espera-se zerar a devoluo?
b) Idem, para as funes exponencial, potncia, quadrtica e cbica (stat/regression/fitted line plot).

Obs.: trata-se aqui de uma srie temporal; para ela, deve-se criar uma alternativa para o tempo (X), na
forma de uma progresso aritmtica do tipo1, 2, 3, 4, .....10.

Ms Jan Fev Mar Abr Maio Jun Jul Ago Set Out
Devoluo 213 194 165 123 95 77 63 52 42 19

IV.5) So dadas as evolues do lucro de uma empresa, Y, em milhes de reais, ao longo de alguns
meses de um ano, em funo das vendas de 3 produtos (X1, X2, X3), em toneladas.

Ms Jan Fev Mar Abr Maio Jun Jul Ago Set Out Nov Dez
Y 5634 5599 5714 5883 6169 6822 6749 6936 7456 7477 8343 8852
X1 843 888 879 892 902 920 928 916 937 946 945 1003
X2 386 387 391 399 408 418 418 429 435 455 467 481
X3 76 78 83 88 98 99 103 111 121 134 145 158

Pede-se, com alfa de 8%:

9
a) Avaliar, por uma regresso simples, o lucro para janeiro do ano seguinte (srie temporal),
considerando apenas o produto X1; ajustar por diferentes modelos (linear, exponencial, potncia,
parbola, cbica); estabelecer a equao e o R2 (stat/regression/fitted loine plot);
b) Elaborar uma regresso linear mltipla, do lucro em relao s produes, projetando o lucro para
produes de 1200, 550 e 200 toneladas, respectivamente (stat/regression/regression); qual produto
tem maior influncia no lucro (stat/regression/best subsets)?

IV.6) A tabela a seguir mostra a variao da resistncia de um cimento (Y, em kgf/mm2), em funo da
sua permeabilidade (X1, em porcentagem), do seu teor de umidade (X2, em porcentagem), do seu teor
de argila (X3, em porcentagem) e do seu teor de carbono (X4, em porcentagem), em amostras de
cimento produzidas por uma usina. Pede-se efetuar modelagens com regresses lineares mltiplas
(stat/regression/regression). Utilizar tambm a opo stat/regression/best subsets.

Y X1 X2 X3 X4
1005,97 13,1 2,5 22,7 0,1
1006,37 13,3 2,9 23,4 0,3
1006,53 14,0 3,5 24,2 0,4
1006,77 15,2 3,5 25,5 0,6
1006,78 17,4 4,0 26,2 0,9
1007,61 17.2 4,3 28,0 1,2
1008,80 19,5 4,8 32,3 1,4
1009,86 20,4 5,0 35,5 1,8
1011,43 22,8 5,7 40,0 2,0
1011,70 25,1 7,0 42,3 3,0

IV.7) A tabela a seguir mostra resultados de experimentos laboratoriais com amostras de folhas de uma
liga de alumnio, relacionando o resultado do embutimento Y, em %, em funo da espessura da folha
X1, em mm, do limite de resistncia trao X2, em kfg/mm2, do alongamento X3, em % e dos teores de
silcio, ferro e titnio (X4, X5 e X6, respectivamente). Efetuar modelagens com regresses lineares
(stat/regression/regression). Utilizar tambm a opo stat/regression/best subsets.

Folha Y X1 X2 X3 X4 X5 X6
1 29,8 0,032 9,9 7,0 0,530 0,710 0,036
2 30,2 0,030 9,7 8,5 0,595 0,835 0,020
3 30,8 0,031 9,6 8,5 0,590 0,825 0,021
4 32,5 0,032 9,6 8,5 0,580 0,805 0,022
5 34,8 0,032 10,1 9,3 0,510 0,795 0,018
6 32,6 0,032 10,1 8,8 0,550 0,790 0,029
7 32,8 0,032 10,5 9,0 0,615 0,850 0,022
8 33,7 0,032 10,2 9,6 0,610 0,785 0,029
9 29,0 0,031 10,4 8,7 0,550 0,800 0,040
10 31,6 0,031 9,9 10,1 0,585 0,775 0,024
11 32,6 0,033 9,4 9,0 0,595 0,820 0,021
12 32,0 0,031 9,9 10,3 0,575 0,840 0,026
13 30,3 0,030 9,9 10,5 0,580 0,860 0,013

10
V) FATORIAIS COMPLETOS

Obs.: Sero sempre 3 etapas:

a) Delinear o experimento: stat/doe/factorial/create factorial design number of factors
(escolher) designs (escolher) factors (digitar nomes e dados) options (tirar
randomize) results (ltima opo) criar coluna de resultados e digitar dados;
b) Analisar os resultados: stat/doe/factorial/analyse factorial design graphs (pedir Pareto
e escolher alfa) results (full table, selecionar termos);
c) Plotar os fatoriais: stat/doe/factorial/factorial plots main effects, interaction plot e cube
plot (escolher todos) set (escolher response e selecionar termos, nos 3 casos).

V.1) Foi realizado um experimento fatorial completo (caso 1, variveis, sem repetio), com 3 fatores
e 2 nveis, sem repetio, originando os valores da varivel resposta indicados a seguir. Varivel
resposta (Y) = resistncia de uma pea de ao liga temperada, em N/m2; Fator A = velocidade de
resfriamento da tmpera (leo mineral e sinttico); Fator B = temperatura de tmpera (840 e 860C);
Fator C = % carbono do ao (0,60 e 0,65%). Os 8 resultados do experimento, ordenados, esto
mostrados abaixo. Pede-se analisar, com alfa de 5%, quais so os fatores e as interaes significativos.
Em que nveis deveriam ser colocados esses fatores, de forma que a varivel resposta seja otimizada?
Resultados: 160 / 158 / 195 / 180 / 159 / 150 / 188 / 174 N/m2.

V.2) Analisar, por fatorial completo (caso 2 = atributos, com repetio), se existem diferenas entre os
resultados obtidos em 2 mquinas (M1 e M2), com 2 operadores (O1 e O2), quanto a quantidade de
peas rejeitadas na produo, usando alfa de 4%.

Combinao N peas produzidas N peas rejeitadas

M1 e O1 5000 118
M1 e O2 5000 166
M2 e O1 5000 264
M2 e O2 5000 236

Obs.: em replicates, optar por 1; ao indicar resultados, fornecer os percentuais dos eventos.

V.3) Uma empresa est buscando minimizar as perdas operacionais de um processo. Para tanto, quer
saber quais so os fatores que exercem maior influncia nesta perda. Os fatores a serem estudados
so: Tempo de processamento: 10 e 12 minutos; Presso de processamento: 5 e 15 psi; Ph da mistura:
6 e 7. Todos os outros fatores foram mantidos constantes, para no influrem nos resultados. Efetuar a
anlise fatorial completa (caso 3 = variveis, com repetio), com alfa de 5% (considerar cada dia
como uma repetio).
Dia 1 Dia 2 Dia 3 Dia 4
6,0 6,2 6,8 5,9
7,5 7,3 7,0 6,4
6,3 6,0 6,1 7,0
6,8 6,7 6,8 6,9
6,9 6,3 6,6 5,9
8,4 8,4 8,2 6,0
7,0 7,3 6,0 6,3
7,5 7,1 7,6 7,1

V.4) Numa indstria que produz polmeros, deseja-se analisar o efeito de algumas variveis do
processo sobre a resistncia final do material resultante (caso 1, variveis, sem repetio. Fatores
escolhidos: Tipo de catalisador (nacional e importado); Tipo de aditivo (titnio e cromo); Temperatura
(120 e 140C); Tempo (15 e 20 minutos). As resistncias obtidas, em N/m2, nos 16 ensaios foram,
respectivamente:
20 / 22 / 28 / 34 / 26 / 20 / 17 / 19 / 24 / 18 / 32 / 22 / 29 / 16 / 25 /14
Calcular todos os efeitos, para fatores e interaes por anlise fatorial completa (caso 1 = variveis,
sem repetio), com alfa de 5%. Construir o grfico de Pareto e tirar concluses a respeito das suas
significncias, com alfa de 10%.
11
VI) ANLISES DE PROCESSOS (CEP)

VI.1) Tabela: conjunto de dados de variveis (apenas os centsimos), da medio de um dimetro, cuja
especificao de 21,10 a 21,90 mm (amostragem horria, num dia tpico de produo). Pede-se:
a) Construir o histograma (graph/histogram) e fazer o teste de normalidade (stat/basic
statistics/normality test);
b) Analisar a estabilidade pela carta de controle de mdia e amplitude ou de mdia e desvio padro
(stat/control charts/variable charts for subgroups/Xbar-R ou Xbar-S);
c) Analisar a capacidade do processo (stat/quality tools/capability analysis/normal); elaborar a
capacidade sixpack (stat/quality tools/capability sixpack/normal).

Horas 01 02 03 04 05 06 07 08 09 10 11 12
Pea 1 30 86 88 44 59 37 23 60 61 42 28 54
Pea 2 54 68 68 66 65 34 36 72 52 64 55 25
Pea 3 41 43 46 48 78 75 90 35 52 52 38 40
Pea 4 62 58 30 37 58 71 45 51 49 40 65 72
Pea 5 65 73 61 56 33 51 48 69 31 63 56 90

Horas 13 14 15 16 17 18 19 20 21 22 23 24
Pea 1 31 42 25 65 50 79 65 51 48 53 54 84
Pea 2 57 21 36 50 86 61 75 58 38 52 56 52
Pea 3 38 45 25 41 60 81 92 46 28 61 36 88
Pea 4 58 24 34 39 60 66 70 76 72 62 46 68
Pea 5 30 55 67 48 66 37 45 56 96 60 71 54

VI.2) Dado o resultado da medio do peso de 20 amostras de pequenas embalagens, em gramas,

cada amostra tendo 10 embalagens. A partir desses resultados, verificar se o processo pode ser
considerado estvel (carta Xbarra-S) e capaz (stat/quality tools/capability analysis/normal).
Especificao: 9,0 a 15,0 g. Ao final, elaborar a anlise sixpack (stat/quality tools/capability
sixpack/normal).
.
Dados Dia 6 Dia 7 Dia 8 Dia 9 Dia 10 Dia 11 Dia 12 Dia 13 Dia 14 Dia 15
1 13,0 10,1 12,2 10,8 9,8 11,2 9,2 10,4 10,8 12,0
2 11,0 11,0 10,5 11,2 13,0 13,0 11,0 11,4 9,2 11,3
3 12,0 11,5 9,3 11,1 13,1 10,1 11,3 11,8 11,4 11,9
4 12,5 9,7 10,8 12,8 11,2 12,0 10,2 11,2 12,0 11,6
5 10,5 12,5 11,5 10,0 10,8 11,1 9,3 10,0 10,2 10,3
6 9,5 11,2 12,7 9,5 11,0 9,3 11,7 10,2 10,4 12,5
7 11,0 11,0 9,5 11,5 11,5 10,2 12,4 10,5 9,4 12,0
8 11,6 9,0 11,1 11,4 13,5 12,5 9,8 13,4 10,5 12,4
9 13,7 10,4 11,2 12,8 11,2 10,5 13,4 11,2 11,2 11,0
10 9,8 10,8 11,0 13,1 12,6 11,0 11,2 10,5 10,6 10,3

Dia 16 Dia 17 Dia 18 Dia 19 Dia 20 Dia 21 Dia 22 Dia 23 Dia 24 Dia 25
12,5 12,4 11,3 10,8 10,8 11,4 10,6 11,4 10,7 11,3
9,1 13,4 11,6 13.1 12,6 10,2 11,2 12,2 10,5 9,0
9,6 14,0 11,2 11,2 11,3 11,4 9,8 11,8 9,7 11,2
10,4 12,6 12,2 11,8 9,4 9,4 11,2 12,7 10,5 10,4
9,3 11,3 11,2 11,5 13,0 13,0 12,0 11,7 11,5 14,0
10,8 11,5 10,7 11,7 11,5 10,8 10,2 12,6 10,2 11,2
12,9 10,8 10,4 9,8 10,7 9,4 11,9 11,5 10,2 11,5
14,2 10,2 12,8 10,5 10,2 11,2 10,3 10,7 11,4 10,1
11,0 10,5 11,2 10,0 12,2 11,5 10,2 10,2 10,7 13,0
10,0 11,8 11,0 12,6 11,8 13,6 10,9 13,6 10,0 11,4

12
VI.3) Na fabricao da massa para placas de baterias, mede-se o percentual de chumbo livre na massa.
Admitindo que a especificao para a porcentagem de chumbo livre seja de 25 a 32 %, pede-se analisar
se o processo est estvel (stat/control charts/variable charts for individuals/I-MR) e capaz
(stat/quality tools/capability analysis/normal).

Dia 11/jan 11/jan 11/jan 11/jan 11/jan 11/jan 12/jan 12/jan 14/jan 14/jan
Hora 8 9 10 11 13 14 9 10 8 9
Valor 26 28 24 21 24 23 25 24 26 24

Dia 14/jan 14/jan 14/jan 16/jan 16/jan 16/jan 16/jan 17/jan 17/jan 17/jan
Hora 10 11 13 13 14 15 16 13 14 15
Valor 25 26 25 24 25 24 26 24 25 23

VI.4) Uma empresa usa lates para embalagem, fornecidos externamente. Nos ltimos meses os lates
vinham sendo entregues com vrios problemas (sujeira, ferrugem, etc), e em mdia tinha-se 5% dos
lates que no podiam ser usados. O fornecedor estabeleceu um plano de controle dos lates. Para
verificar se houve melhoria, o consumidor resolveu pegar amostras dirias de 500 lates e fazer uma
inspeo nos mesmos, durante 25 dias, e as quantidades de lates ruins esto indicadas. Analisar, por
atributos (attributes charts/carta p), se est havendo melhoria no fornecimento. Fazer uma anlise de
capacidade (stat/quality tools/capability analysis/binomial), com target de 5%.

Dia 1 2 3 4 5 6 7 8 9
Quant. 12 15 19 13 9 26 18 14 17

Dia 10 11 12 13 14 15 16 17 18
Quant. 18 16 24 11 31 16 10 16 17

Dia 19 20 21 22 23 24 25
Quant. 20 15 8 13 12 17 18

VI.5) Uma empresa compra vidros de cola e tem percebido que eles tm vindo com variao de peso.
Ela resolveu fazer um controle do peso dos vidros, a partir de algumas amostras, obtendo os dados a
seguir. Construir uma carta de atributos (attributes charts/carta p), visando analisar a quantidade
mensal de vidros abaixo do peso. Se o fornecedor informar que manda no mximo 1% dos vidros
abaixo do peso, possvel confiar em sua informao? Fazer uma anlise de capacidade (stat/quality
tools/capability analysis/binomial), com target de 1%.

Ms 03/03 05/03 07/03 10/03 15/03 16/03 18/03 20/03

Amostra 968 1.216 804 1.401 1.376 995 1.202 1.028
Qt. fora 8 13 13 16 4 15 13 10

Ms 23/03 26/03 02/04 05/04 06/04 08/04 11/04 13/04

Amostra 1.184 542 1.325 1.066 1.721 1.305 1.190 2.306
Qt. fora 24 18 16 17 19 9 14 9

Ms 20/04 25/04 30/04 03/05 10/05 13/05 17/05 22/05

Amostra 1.365 973 1.058 1.244 342 1.433 1.225 1.352
Qt. fora 13 5 15 19 10 17 13 15

VI.6) Um laboratrio de ensaios testa cada lote de placa polimrica que produz, para analisar seu grau
de qualidade, em amostras de 5 m2 de rea. Numa anlise de 24 lotes, quanto ao nmero de bolhas
encontradas, foram obtidos os resultados da tabela. Construir uma carta de controle (attributes
charts/carta u), verificando se o processo est estvel. Analisar a capacidade do processo
(stat/quality tools/capability analysis/Poisson). Admitir target de 5 DPU.

13
 Lote 1 2 3 4 5 6 7 8 9 10 11 12
N bolhas 7 6 4 12 7 11 9 6 12 7 12 12

Lote 13 14 15 16 17 18 19 20 21 22 23 24
N bolhas 11 13 5 6 5 16 6 9 6 11 14 15

VI.7) Uma empresa que produz peas soldadas anotou os diferentes defeitos encontrados, obtendo os
dados abaixo. Pede-se construir uma carta de atributos (attributtes charts/carta u), verificando se o
processo estvel. Analisar a capacidade, com target de 0,015. (stat/quality tools/capability
analysis/Poisson)..

Data Amostra Posio Escria Mordedura Porosidade Outros Total

01 980 2 7 5 3 1
02 1000 3 6 4 5 1
03 1200 3 6 6 4 1
04 1200 5 6 5 4 1
05 1100 8 4 3 7 2
08 950 10 2 2 8 0
09 970 7 4 4 4 3
10 800 8 8 3 2 1
11 1100 6 7 2 3 3
12 1050 9 6 6 1 2
15 1200 4 4 3 3 0
16 1200 4 3 3 2 1
17 1200 3 2 1 4 1
18 930 3 1 2 5 2
19 800 2 3 3 5 1
22 970 4 2 2 6 2
23 1000 3 0 4 4 2
24 1600 6 7 10 6 4
25 650 2 2 2 4 0
26 730 2 3 1 5 1
29 600 2 2 4 3 2
30 680 3 1 3 1 1

VI.8) Num estudo de RR, com relgio comparador, foram usados 10 peas, 3 operadores e 3
repeties, obtendo as medidas mostradas. Efetuar anlises, indicando se o sistema est adequado, de
acordo com a TS16949 (stat/quality tools/gage study/gage study R&R crossed), mtodo ANOVA.

Pea Operador Medida Pea Operador Medida

1 A 0,29 6 B -0,20
1 A 0,41 6 B 0,22
1 A 0,64 6 B 0,06
2 A -0,56 7 B 0,47
2 A -0,68 7 B 0,55
2 A -0,58 7 B 0,83
3 A 1,34 8 B -0,63
3 A 1,17 8 B 0,08
3 A 1,27 8 B -0,34
4 A 0,47 9 B 1,80
4 A 0,50 9 B 2,12
4 A 0,64 9 B 2,19
5 A -0,80 10 B -1,68
5 A -0,92 10 B -1,62
5 A -0,84 10 B -1,50

14
6 A 0,02 1 C 0,04
6 A -0,11 1 C -0,11
6 A -0,21 1 C -0,15
7 A 0,59 2 C -1,38
7 A 0,75 2 C -1,13
7 A 0,66 2 C -0,96
8 A -0,31 3 C 0,88
8 A -0,20 3 C 1,09
8 A -0,17 3 C 0,67
9 A 2,26 4 C 0,14
9 A 1,99 4 C 0,20
9 A 2,01 4 C 0,11
10 A -1,36 5 C -1,46
10 A -1,25 5 C -1,07
10 A -1,31 5 C -1,45
1 B 0,08 6 C -0,29
1 B 0,25 6 C -0,67
1 B 0,07 6 C -0,49
2 B -0,47 7 C 0,02
2 B -1,22 7 C 0,01
2 B -0,68 7 C 0,21
3 B 1,19 8 C -0,46
3 B 0,94 8 C -0,56
3 B 1,34 8 C -0,49
4 B 0,01 9 C 1,77
4 B 1,03 9 C 1,45
4 B 0,20 9 C 1,87
5 B -0,56 10 C -1,49
5 B -1,20 10 C -1,77
5 B -1,22 10 C -1,45

15