20-1 20-2 20-3 20-4 20-5 Consideracdes sobre estatistica Varidveis olectérias 984 ‘Média atitmética, variéncia e desvio podtéo 986 Distibuigdes de probobilidode 991 Propagarde de erro 998 Regresséo linear 1000 98398a | elementos de m 20-1 Figura 20-1 Espaco amestal exibindo todos os posivesresuhados do lancamento de dois dados, 3 do Shighy: proite de ecb 0 uso de estatistica em desenho meciinico € um meio para lidar com caracteristicas cujos valores sto varidveis. Produtos fabricados em grandes quantidades — como automéveis, relégios de pulso, cortadores de grama, méquinas de lavar roupa — possuem uma vida ttil ‘que é variével. Um automével pode vir a apresentar um niimero to grande de defeitos que precisard ser consertado repetidamente durante os primeiros meses de uso, 20 passo que um. ‘outro pode vir a operar satisfatoriamente por anos, exigindo uma manutenco minima, (Os métodos de controle de qualidade esto intimamente ligados ao uso da estatistica, ©08 engenheiros de desenho precisam ter conhecimentos de estatistica para se adequarem padres de controle de qualidade. A variabilidade inerente em limites ¢ ajustes, tensiio & 1, folgas em mancais, bem como em uma grande variedade de outras caractet ticas, deve ser descrita numericamente para se ter um controle adequado, Nao basta dizer ‘que a expectativa para um produto é de uma vida longa e livre de problemas. Temos de expressar coisas como a vida ou a confiabilidade de um produto numericamente para po- dermos aleangar uma determinada meta de qualidade, Conforme observado na Seco 1-10, incertezas abundam ¢ exigem um tratamento quantitativo. A algebra dos niimeros reais, por si $6, nfio 6 muito adequada para descrever a presenga de variagio. Esti claro que as consisténcias na natureza slo estéveis, nflo em magnitude, mas sim no padrdo de variagdo. Evidéncias coletadas da natureza através de medi¢a0 so uma mistura de efeitos sistematicos e aleat6rios. O papel da estatistica ¢ separar esses efeitos e, com 0 uso preciso de dados, esclarecer os pontos obscuros. Alguns estudantes comegariio a usar este livro logo depois de terem completado um curso formal de estatistica, ao passo que outros poderdo ter tido pequeno contato com es- tatistica em seus cursos de engenharia, Esse contraste em termos de formago, juntamente ‘com limitagdes de tempo e espago, dificulta muito apresentar uma ampla integragao da estatistica com o desenho em engenharia mecdnica neste estagio. Além dos cursos intro- dutGrios em desenho mecanico ¢ estatistica para engenharia, o estudante poder comegar a integrar significativamente as duas matérias em um segundo curso de projet. 0 objetivo deste capitulo ¢ introduzir alguns conceitos de estatistica associados a me- tas bisicas de confiabilidade. Variaveis aleatorias ‘Considere um experimento para medir a resisténcia em um conjunto de 20 corpos de prova para ensaio de trago que foram usinados com base em um mesmo nimero de amostras esco- Ihidas a0 acaso em um carregamento de ago UNS 10200 estrado a frio. E razodvel esperar ‘que existirio diferencas nas resisténcias dltimas de traglo, Sy, de cada um dos ensaios dos ‘corpos de prova. Tas diferengas poxlem ocorer devido a diferencas de tamanho nos corpos de prova, na resisténcia do proprio material ou por causa de ambos. Um experimento assim é ‘denominado experimento aleatério, pois 0s corpos de prova si escolhidos a0 acaso. A resis- t@ncia Siz determinada por esse experimento € denominada varidvel aleatéria ou estocdstica. Portanto, uma variével aleatéria 6 uma quantidade varivel, tal qual, resistencia, amanho ou ‘peso, cujo valor depende do resultado de um experimento aleat6rio. Definamos uma variével aleatéria x como a soma dos mimeros obtidos quando slo langados dois dados. O langamento de qualquer um dos dados pode dar qualquer niimero de 1 a6.A Figura 20-1 exibe todos 0s possiveis resultados naquilo que é chamado espaco 1d 12 13 14 15 16 21 22 23 24 25 © 26 3,1 32 33 34 35 36 Al 42. 43 44 45 46 51 52 53 54 55 56 61 62 63 64 6566Tabela 20-1 Distibuigo de probabiidade. Tabela 20-2 Distibuigao de probabildade cumulative igura 20-2 Dishibuiedo de fequéncia 20, Consideragdes sobre ceateico | 985 ‘amostral. Note que x tem um valor especifico para cada possivel resultado — por exem- plo, oevento 5, 4;x= 5+ 4= 9. stil formar uma tabela mostrando os valores de xe 6s valores correspondentes da probabilidade de x, denominada p = f(x). Isso pode ser feito facilmente por meio da Figura 20-1, simplesmente somando-se cada resultado, de- terminando quantas vezes aparece um certo valor de x € dividindo pelo mimero total de possiveis resultados. Os resultados sio apresentados na Tabela 20-1. Qualquer tabela como essa, lstando todos os possiveis valores de uma variével aleatéria ¢ com a probabi- lidades correspondente, 6 denominada distribuigdo de probabilidade. Os valores da Tabela 20-1 so tragados em forma gréfica na Figura 20-2. Aqui fica Claro que a probabilidade € fungi de x. Esta funedo de probabilidade p = f(x) normal- mente € chamada de funedo de frequéncia ou, certas vezes, funedo de densidade de pro- babilidade (PDF, em inglés). A probabilidade de que x seja menor ou igual a um certo valor x; pode ser obtida da fungao de probabilidade somando-se também a probabilidade de todos os x maiores que x, incluindo x;. Se fizermos isso com a Tabela 20-1, tomando x; igual a2, depois igual a 3 ¢ assim por diante até 12, obtemos @ Tabela 20-2, que é deno- minada distribuigdo de probabilidade cumulativa. A fungo F(x) na Tabela 20-2 € cha- mada de fungdo de densidade cumulativa (CDF, em inglés) de x. Em termos de f (x), ela pode ser expressa matematicamente na forma geral Fa = Do fey) (20-1) A distribuigdo cumulativa também poderia ser tragada como um gréfico (Figura 20-3). A vatiével x desse exemplo é denominada varidivel aleatéria discreta, pois x possui ape- nas valores discretos. Uma varidvel aleatéria continua & aquela que pode ter qualquer valor em um intervalo especificado; para tais varidveis, gréficos como os da Figuras 20-2 e 20-3 seriam tragados como curvas continuas. Para uma fungo de densidade de probabilidades continua F(x), a probabilidade de obter uma observacio igual ou menor que x é dada por i) -f[ Pxyde (20-2)