NBR 10536 - 1988 - Estatistica Terminologia

Cópia
C6pianãoimpressa
autorizada pelo Sistema CENWIN
1 Objstivo
2 luomlrcomplmnma
3 Defin*8m
ANEXO A - F@rm
ANEXO S - Slmbolcqia
ANEXO C - I-ndim~bsthrb lnqllh Franc41
1 OSJETIVO
Esta Norma define os termos estatisticos relatives as atividades relacionadas
corn a qualidade.
2 NORMA COMI’LEMEYTAR
Na aplica&o desta Norma 6 necess5rio consultar:
NBR 8541 - Qualidade - Terminologia
3 DEFlNlCdES
Para os efeitos desta Norma sao adotadas as definic6es de 3.1 a 3.4, complementa
-
das na jrea de qualidade pela NBR 8541.
3.1 Temos usodos no tecrin da probabitidade
3.1.1 Vm-idvel aleatdria

Varihel que pode assumir qualquer dos valores de urn conjunto especificado de va
-
lores e corn o qua1 est5 associada uma distribuiG;o de probabilidade (ver 3.1.4).
&qmn: ABNT - 3: 66.2-007181 ttB-2esb

c&3 - -iti Smsiloim da Eletkidde
CE.3: 58.2 - Comiab k Estvdo 6 Cantrob e Cartkfic@b da Dualidde
NBR 1OKiS - Statistics - Voubul~q and Symbolr
Foi bmwda N lSO-3834
SISTEMA NACIONAL DE ARNT - ASSOCIACAO BWILEIRA

METROLOGIA, NORMALI- DE NORMAS TliCNtCAS
E OUALIDADE INDUSTRiU 0
h*rrrchrr estatktiu contmh da qualidlde. NSR 3 NORMA SRASILEIRA REGISTRADA
CDU: 821.3:61S.23: 001.4 1dwr-nrrndor SSpOifw

Cópia não autorizada
Copia impressa pelo Sistema CENWIN
NBR10636/1988
2
~otu: E usual reservar as maikculas para design+0 das variiveis aleatorias;va

lores numgricos dessas mesmas vari&eis aleatorias sao indicados pelas mi-
nirsculas correspondentes.
3.1.2 Vari&?L alf?at%a discreta
Variivel aleatoria que somente pode assumir valores isolados.
3.1.3 Varic%el aleathia continua
VariSvel aleat6ria qua pode assumir todos OS valores de urn interval0 finito ou
infini to.
3.1.4 Distribui~~o de probabilidade de wna varihel ate&&a
Fungao que determina a probabilidade de uma variivel aleat&ia assumir qualquer

valor dado ou pertencer a urn determinado conjunto de valores.
flotu: A probabilidade no interval0 total de variagso da variivel i iguel a 1.
3.1.5 p~m@o distribui&o
Fungao que determina, para cada valor x, a probabilidade de que a varisvel alea
toria X seja menor ou igual a x:
F (x) =Pr(Xgx)
3.1.6 ~un&o densidade de probabiZidade para uma varicive2 aZeat&ia continua
Derivada (quando existe) da fun@0 distribuigk.
f(x) I dF (4
dx
Notu: f(x)dx i chamada “probabi 1 idade elementar”.
f(xldx - Pr (x < X < x + dx)
3.1.7 FrobabiLidade para uma variciuel aleat&& discreta
Probabilidade pi determinada por:
- Pr (X = xi)
pi
sendo xi urn dos valores qua podem ser assumidos pela variivel aleatoria discreta
X.
3.1.8 Distribuipab bidimensional
Distribuigio que determina a probabilidade de urn par de variheis aleatcrias as

sumir quaisquer valores dados ou pertencer a urn conjunto determinado de valores.
3.1.9 DistrihipLio multidimensional
Distribuigao que determina a probabilidade de diversas variiveis aleathias, con

NBR 10536/1988 3
sideradas simultaneamente, assumirem quaisquer valores dados ou pertencerem a um

conJunto determinado de valores.
3.1.10 Distribuigo marginal
No case de uma distribuigso de probabilidade a k variiveis aleatorias, 6 a dis -

tribuigao de urn subconjunto de p variiveis aleatorias, sendo que as outras
(k - p) variaveis aleatorias assumem quaisquer valores em seu interval0 de varia
$0.
iiota: Em uma distribuigao de probabilidade corn 3 variaveis aleatorias X,~Y ‘e 2,

ha:
a) tres distribuigoes marginais bidimensionais: distribuig8o dos pares
(X,Y), (X,Z) , (Y.Z) ;
b) trk distribuigoes marginais unidimensionais: distribuic6es de X, Y e
Z.
3.1.11 Distribuiczcio condicionai!

No case de uma distribuigao de probabilidade a k variiveis aleatorias, 6 a dii
tribuigao de urn subconjunto de p variaveis aleat-jrias, quando as outras k - p)
variaveis aleatorias assumem valores fixes.
Nota: Em uma distribuigao de probabilidade corn duas variaveis aleatorias X e Y,

tern-se:
a). distribuigio conditional de X: uma distribuigio particular i expressa
coma uma “distribuigso de X para Y = y” (notagS recomendada: Pr (X/y));
b) distribuigao conditional de Y: uma distribuigso particular 6 expressa

coma “distribuigso de Y para X = x” (notagso recomendada: Pr (Y/x)).
3.1.12 Corretafiio
Relacionamento de interdepend&cia entre duas ou mais varisveis quando tal rela
cionamento incluir uma parte aleatoria.
3.1.13 @anti2 lou fmctill de wna distribz&io de pmbabilidade

Para p entre 0 e 1, o quantil de ordem p i o valor da variivel aleatoria para o
qua1 a fungao distribuigao iguala-se a p ou “salta” de urn valor menor ou igual
a p para urn valor maior do que p.
Nota: E possivel que a fungao distribuiggo seja igual a p no interval0 entre va

lores possiveis consecutivos das variiveis aleatorias. Neste case, qual-
quer valor nesse interval0 pode ser considered0 coma o quantil de ordem p.
3.1.14 Espemnpa mate&tica lox t&dial de wna vahivet aZeat&ia diocreta

Para uma variivel aleatoria discreta X, assumindo OS valores xi tom as probabili
dades pi, a esperanga matemitica i definida por:
C6pia impressa pelo Sistema CENWIN
4 N&i 10536/1S@8
E(X) P ’ Pi ‘i
i
estendendo-se a somatoria a todos valores xi que podem ser assumidos por X, sen-
do que z pi = 1.
i
3.1.15 ~spemnga mute&tica (ou mzdial de uma varia’vel aZeat&ia continua
Para uma varisvel aleatoria continua X, tendo a densidade de probabilidade f(x),
a esperanga matemjtica 6 definida por:
E(x) = in f(x) dx
estendendo-se a integral a todos OS valores do interval0 de variagao de X, sen

do que Jf(x) dn = 1.
rotas: a) Esperanga matemitica marginal-media da distribui$o marginal, de uma ou

mais variaveis aleatorias.
b) Esperanga matematica conditional-mddia da distribuigao conditional de
uma ou mais varijveis aleatorias.
cl A notagao recomendade para a media de uma varihel X i x ou CO.
3.1.16 ~ari&eZ aZeat&ia centrwdu
Varihel aleatc3ria cuja esperansa matem5tica 6 igual a zero.
Nota: Se a varihel aleatoria X tiver “ma esperanga matematica igual a E(X), a

varikel aleatoria centrada correspondente i: X - E(X)
3. I. I 7 th&ncia (de wna vahivel aZeat&ial
Esperanga matemitica do quadrado da varikel aleatoria centrada.
3.1.18 Desvio pad&o (de uma vari&eZ aZeat&ial
Valor positive da raiz quadrada da varijncia.
3. I. lg Coeficiente de varia&‘o (de uma vari&eZ aZeat&ial
Quociente do desvio padrso pelo valor absolute da esperanga matemitica.
3.1.20~ VarLiveZ aZeat&ia padronizada
Varihel aleatoria na qua1 a esperan$a matematica 6 igual a zero e o desvio PF!

drao i~gual a I.
/iotas: a) Se a variivel aleathria X tiver uma esperaya matematica igual a E(X)

e urn desvio pad& igual a o , a varihel aleatoria padronizada corres -
pondente 6 dada por:
X - E(X)
NBR 10536/1966 5
b) A distribuisao da variavel aleatoria padronizada 6 chamada “distribui-

$ padronizada”.
c) 0 conceito de variivel aleatoria padronirada pode ser generalizado pa-
ra “vari&el aleatoria transformada” que 6 definida utilizando-se um
outro valor central e urn outro parsmetro de escala.
3.1.21 bkmento de crdem q e.v rela& G origm
Esperanga matematica da q-Gsima pot&cia da vari;ivel aleatoria em relagao a ori -
gem. em uma distribuisao de probabilidade de uma variivel aleatoria, e definida

por :
E(Xq) = I: piX;
i
Onde:
pi = Pr(X = xi) = ni/n
= freqkncia das observasoes corn valor xi.

“i
n c.7 ni = freqikcia total das observa@es.
I
3.1.22 ,%mento dg c~dem q em reLapio a wm origem ,a
Esperanga matematica da q-&ima potsncia da variavel aleatoria (X - a), em uma

distribuigao de probabilidade de uma variivel aleatoria, e definida por:
E [(X-a)q ] = Z pi (xi - a)q

I
Onde:
pi = Pr (X = xi) = ni/n
ni = freq&cia das observa@es corn valor xi
n = :: ni = freq;Gncia total das observa@es.

I
3. 1 . 23 ~k:rr;c?n Lo ccntmdo de .srdern :i
Esperanga matematica da q-&ima potencia da vari;ivel aleatoria centrada X - E(X)

em uma distribuigao de probabilidade de uma variavel aleatoria, e definida por:
E {[X - E(X)lqI = 1 pi (xi - y)’

i
Onde :
pi = Pr (X = xi) = ni/n
ni = freqtiencia das observasoes corn valor xi
n = I ni = freqtiencia total das observaqoes.

I
3.1.24 MGm?nto con$lnto de ordens q e s em Pe!a$xio 2 origem
Esperaya matematica do produto da q-esima potencia da varisvel aleatoria X pela
6 NBR 10536/1988
s-Gsima pot&id da variavel aleatoria Y, em uma distribui& bidimensional, e

definida por:
E [Xq Y’] = z pij x9 y;

ij
Onde :
= Pr (X = Xi’ Y = Vi) = nij/”
pij
n.. = freqihwia das observa@es para o par (xi, yj)
IJ
” = 1 nij = freqi&cia total das observa@es.
ij
3.1.25 Momenta canjunto de ordens q e s em rckqx?o a wm ori3em (a, b)
Esperanga matematica do produto da q-esirna potkcia da variavel aleat&ia (X - a)

pela s-&ima pot&cia da varihel aleatoria (Y - b). em uma distribuigao bidimen-
sional, e definida por:
E [(X - a)q (Y - b)*] = z pij (xi - a)’ (yj - b)’

ij
Onde:
pij = Pr (X = x. ,, Y = yj) = Lj/”
n.. = freqlhcia das observa@es para o par (xi, yj)

IJ
n =j: = freqllhcia total das observa@es.
ij
3.1.26 E?OVETI~O centr& de ordens q e s
EsperanGa matemstica do produto da q-dsima pothcia da varisvel aleatoria centra -

da X - E(X) pela s-&ima pot&cia da variavel aleathria centrada Y - E(Y), em
UM distribuiqao bidimensional, e definida por:
E ([X - E(X1]' [Y - E(y)]') = 1 Pij (xi - xjq (y. - 7,"

ij J
Onde:
= Pr (X = xi, Y = Vi) = llij/"
pij
n.. = freqUGncia das observa@es para o par (xi. yj)
‘J
” =r n.. = freqU&cia total das observa@es.
ii IJ
3.1.27 Covariiincia
Homento centrado de ordens 1 e 1 e definido por:
E {[X - E(X)] [Y - E(y)]) = 1 Pij (Xi - ;;) (Yj - 7)

ij
Onde:
pij = Pr (X = xi, Y = yi) = nij/n
n.. = freqU&ncia das observa$es para o par (x;. yj)

‘J
NM 101)36/1988 7
n=z n.. - freqlhkcia total das observaqoes.

ij ‘J
3.1.28 Coeficiente de comekpio
Quociente entre a covariincia de duas variaveis e o produto de seus desvios P2

drao, e express0 por:
z p.. (x. - XI (Y. - 7)

ij IJ ’ J
ax
aY
Noto: Este coeficiente 6 freqiientemente usado coma uma expressso nu&rica de
interdependencia linear entre duas varijveis aleatorias ou entre series de
pares observados. Seu valor ests compreendido entre -1 e +l.
3.1.29 Cumu de regresscic
Curva que proporciona uma correspondencia entre cada valor x da variival X a os

respectivos valor y(x) da variivel eleatoria Y.
3.1.30 Curva de regresscio linear
Curva de regress.% representada por uma linha reta.
3.1.31 Coeficiente de regress&o Zinear
Coeficiente de x na equagio y = y(x) da reta de regressso.
3. I .32 Coeficiente de determinagab
Quadrado do coeficiente de correlagao.
3.1.33 Superficie de regress20
Superficie que estabelece uma CorrespondSncia entre cads par (x, y) de valores
das variiveis .X e Y e OS respectivos valores Z (x, y) da variivel aleatoria Z.
3.1.34 Superf&ie o?e regresstio Linear
Superficie de regressso que pode ser representada por uma superficie plana.
3.1.35 Coeficiente de regres&o par&z2
Coeficiente que indica o grau de relagso entre a varijvel dependente e uma unica
das varckeis independentes, quando se fixam as demais vari&eis dependentes.
IV&U: Este conceit0 pode ser estendido a situagoes nas quais existem mais qu=
t&s variiveis.
3.~ .j6 Distribuigio miforme - DistribuicCo retangular
gistribuig5o de probabilidade de uma variavel aleatoria continua para a qua1 a

fun$o densidade de probabilidade i constante dentro de urn interval0 finito a
nula fore deste intervalo.
8 NBR 10636/1988
3.1.37 Distribui&% normaL - Distribui&o de Laplace-Gauss - Distribuipab de

GlUSS
Distribuiszo de probabilidade de uma variavel aleatoria continua X tal que, se

x for urn n&r0 real qualquer, a fungao densidade de probabilidade G:
-A-(-) x-m2
f(x) = ’ exP
om 2 0
para - m<x<+-
Onde :
m G a esperanga matematica e o 6 o desvio padrao da distribuigao normal.
3.1.38 Distribui@? nomi! padronizada
Distribui$o de probabilidade da variivel normal padronizada.
AIota: Para uma varihel aleatoria normal X tendo m e o coma parSmetros, a varia
vel aleat&ia padronizada U 6:
UC X-m
(1
e a fuy.50 densidade de probabilidade da variivel aleat6ria distribuida U

6:
2
f(u) = -!-~ ew T
para - m<u<+DD
3.1.39 Distribui&o do &i-quadradc (x21
Distribuigao da soma quadrstica de varisveis aleathrias normais padronizadas in-

dependen tes :
rotas: a) A fungao densidade de probabilidade da variivel aleatoria X2 i:
Cx2) (v/2)-1
f(x2, v) = exp (- * )
2u/2 2
r (v/Z)
para X2 >/ 0, onde o nSmero de gr,aus de liberdade Y da varihel aleat -

ria XT 6 igual ao nimero de variaveis independentes.
b) A2 distribui@o de probabilidade da variaivel aleatoria X*/2 6 uma dis

tribui$o gama de parsmetros m = v/2 (ver 3.1.44).
3.1.40 Distribui&o t - DistribuC& de Student
Oistribuicao de urn quociente de variaveis aleatorias independentes, cujo numera -

dor i uma varihel aleatoria normal padronizada e o denominador 6 a raiz quadra
da positiva do quociente entre UM variivel aleatoria X2 e o seu nimero de graus
NBR 1063W1888 53
de I i berdade.
~&as: a) 0 nimero de graus de liberdade da varihel aleat6ria t i o masm q”e

da varisvel aleat&ia X2.
b) A funs& densidade de probabilidade da varihel aleat&ia t 6:
r [(v + 1)/Z] 1
f(t.v) = ’
Jnv‘ r (v/Z) (1 + ?/II) (” +m
onde: -eo<t<+-=
3.1.41 Distribui&o F
Distrlbuisio do quociente de duas variheis aleatorias X2 independentes, cada

uma dividida pelo seu nirmero de graus de liberdade.
Nota: A fun@o densidade de probabilidade da varijvel aleat&ia F &?:
r [h, + v2)/2] F(v,/2)-1

f (F,v, ,v,) = - (u )“1’2(” )“2’2
1 2
r(y/2) r(v2/2) (v,F+v2) (“l+y2”2
corn F 3 0 e onde os ntimeros de graus de liberdade das variheis aleathias

X2 do numerador (v,) e do denominador (v,) sao, nessa ordem. OS nheros de
graus de liberdade da varikel aleathia F.
3.1.42 Distribui&o Log-normal
Distribuisao de probabilidade de uma varikel continua X que pode assumir sual

quer valor de a ati + -, corn a seguinte densidade de probabilidade:
log, (x - a) - m 2
1
f(x) =
(OX - a)o 4% s )I
sendo m e o respectivamente a midia e o desvio padrio da distribuiCao de

log, (X - a).
Notas: a) A distribuigao de probabilidade da varihel aleathria log, (X - a) 6

uma di~stribuitao normal, onde m e,a Go respectivamente a esperanga ma
tematica e o desvio padra^o dessa varihel.
bd 0 log,o i freqiientemente usado no lugar de loge. Neste casoi
(x - a)-m 2
0,434 3
f(x) =
(x - a) 0 J21’ (J
)I
para x > a
sendo m e respectivamente a &dia e o desvio padrao de log,0 (x - a).

C6pia hprassa pelo Sistema CENWIN
10 NBR 10636llS88
3.1.43 DCstribui& exponential.
Distribui@h de probabilidade de uma varihel aleatoria continua X que pode ass:

mir qualquer valor de 0 a + - e cuja fungk densidade de probabilidade 6:
f(x) = AewXX
para h > 0
,~@$a: Esta fungao densidade de probabilidade pode ser generalizada substituindo

-se x por (x - a) (corn x >/ a).
3.1.44 Distribui@ Gama
Distribuiglo de probabilidade de uma variavel aleatoria continua X que pode assu -

mir qualquer valor de 0 a + - e cuja densidade de probabilidade 6:
-.X xm - 1
f(x) = e
r(m)
corn m > 0; x + 0
e r (m) = Jz emx x m-l dx
Notas: a) m , uma constante positiva, determina a forma da distribuisao. Quando

m 6 urn nGmer0 inteiro, tern-se
r(m) - (m - l)!
b) Para m = 1, a distribui$% gama torna-se uma distribuigao exponential.

Essa distribuigk de probabilidade pode ser generalizada substituindo
-se x por (x - a)/b (corn x & a e b > 0).
3.1.45 Distribui&o de GumbeI - Distribui&o de vaLorea extremes do Lipo 1 -

Distribui&o de GumbeI tipo I
Distribuigk de probabilidade de uma varihel aleatoria continua X, cuja funqao

distribui@o i:
F(x) = exp (-ewY), corn:
y = (x - a)/B. b > O,, - - < x c + =
3.1.46 Distribui&o de Fr&h?t - Distribui&o de vaiores ertremos do tipo II -

Distribui&io de Gumbel tipo II
Oistribuiqk de probabilidade de uma varihel aleatoria continua X, cuja funsso

distribuisio 6:
F(x) = exp (-ymk) , COIlI:
Y = (x - a)/b, b > 0. x >,a

NBR 10636/1BB8 11
Nota: k. uma constante positiva. determina a forma da distribuisao.
3.1.47 Distribui&o WeibutL - Distribui@o de valores ertremos do tipo III -

DiatribuiFcio de Gumbe tipo III
Distribuigao de probabilidade de uma varijvel aleathria continua X, cuja funcao
distribuigao G:
F(x) = 1 - exp (-yk), coin:
y - h - al/b, b > 0, x >,a
Notu: k, uma constante positiva, betermina a forma da distribuisao.
3.1.48 Distribuipcio binomia2

Distribuigao de probabilidade de uma varihel aleathia discreta X tal que, se x
pertence a {D, 1, 2. . . . . n), entao:
I
Pr(X = x) = pX(l - p)” - x, corn :
Xl (l’- x)!
o<p<1
3.1.49 Distribui&o binominaZ negativa

Distribuisao de probabilidade de uma varihel aleatoria discreta X tal que, se x
pertence a CO, 1, 2, . ..l.entSo:
pr(Xzx) =-c (c+‘)...(c+x- 1) pc (1 -p)x-c, com:

Xl
c>O e O<p<l
Nota: 0 nome “distribui@o binominal negativa” 6 derivado do fato clue as probabi

lidades sucessivas para x = 0, 1, 2. ... sao obtidas pelo desenvolvimento
do bin6mio de expoente negative -c:
PC [l - (1 - P,l-’
seguindo as potincias inteiras e positivas de I - p.
3.1.50 Distribui~cio de Poisson

Distribuigao de probabilidade de uma varihel aleatoria~discreta X tal que, se
x pertence a (Cl, 1, 2, . . .), enGo:
x
-Ill
Pr (X = x) = JL e
x!
onde m i urn pargmetro positivo.
Nota: A esperaqa matetitica e a varihcia da distribui@io de Poisson sso iguais

a in.
12 NBR 10536/1988
3.1.51 Distribui&o hipergeom~trica

Distribuigk de probabilidade de uma varisvel aleatoria discreta X tal que, se:
N d N-d
” x n-x
N-n d - x N-n-d+x
forem inteiros positivos ou nulos, entao:
n! (tj - n)! d! (N - d)!

Pr (X = x) =
N! x! (n - x)! (d - x)! (N - n - d + x)!
3.1.52 Distribuipao Norman a duo vari&wis aleat&ias - Distribui& de iqla-

ce-GXUSS a duas vu&v&s aleat&ias
Distribuigao de probabilidade de duas variheis aleatorias continuas X e Y, tal
que a fun$o densidade de probabilidade 6:
f(x,yI =
2T.U a
“Y
1
J , -F exp
.{- 2 (: -p2[(x~~mx )’
cam--<xc+-
- 2P (‘.I m9 (y;;)+(ya;
q2]
I
-oo<y<+m
l/O tas : a) mx e m s.So as esperaqas matemsticas e ox e a sao OS desvios padrao

Y Y
das distribuigoes marginais de X e Y que sso distribuisoes normais; p
6 o coeficiente de correlagao de X e Y.
b) Este conceit0 pode ser estendido corn a devida adaptagao da formula pg
ra uma distribuigao corn mais que duas variiveis aleatorias.
3.1.53 DistribuiG& normall e duna vuridveis aZsat&ias padponizadas - Di'stribui -

pie de Laplace-Gauss a dua:: vari&eis aieathias pcldronizadas
Distribuigso de probabilidade de urn par d,e variheis aleatorias normais ,padroni
zadas para urn par de variheis aleatorias normais (X, Y) de parhetros (mx, my)
e (ax, oy), sendo as correspondentes vari’iveis aleatorias padronizadas:

X - mx Y-m
u= e v=Y
a
Y
e a fun& densidade de probabilidade i:
NBR10535/1955 13
f(U,“) - * exp - 2 (: _ pi) Q - *pu”) + v2
corn - OD < u < + -
-lo<v<+oD
(p 6 o quociente de correlagso de X e Y, e tambdm de U e V).
Nota: Este conceit0 pode ser estendido corn a devida adaptagao da f&mula para
uma distribuigao corn mais que duas variheis aleat6rias.
3.1.54 Distribui@ mul,tinomial

DistribuiqJo de probabil idade de k variheis aleat6rias discretas X X2’ ... ,
1’
Xk, tal que, se x,, x2, . . . . xk, forem inteiros tomados de 0, 1, 2, 3, .. .. n e
x +x2 +...+x =n, en Go:
I k
“!
Pr (X,= xl, X2= x2, . . . . Xk= x,) = p,‘l p2X2...pxXk
x, ! x 2. ’ . . . Xk!
k
corn pi >I 0 (i = 1, 2, . . . . k) e Z pi = 1
i=l
3.2 Temos Gerais

3.2.1 Itm
Termo genirico englobando estruturas, sistemas, componentes, peGas ou materiais
que possam ser considerados individualmente e ensaiados separadamente.
3.2.2 Popu Zac(ro
Totalidade de itens sob considerasso.
3.2.3 Subpopula~~o
Parte claramente definida de uma populagao.
Nota: Ver 3.2.2.
3.2.4 Caractem'stica
Quaisquer propriedade distinta de urn item, process0 ou serviso, que possa ser di
ferenciada quantitativamente (par variheis) ou qualitativaente (par atributos).
3.2.5 Ensaio
Procedimento para determina$so de uma ou mais caracteristicas de urn item.
3.2.6 valor observado

Valor de uma determinada caracteristica coma o resultado de uma observa@o ou
ensaio.
14 NBR 10536/1988
3.2.7 Diferenpz absohta
Valor absolute da diferensa entre dois valores.
3.2.8 Amplitude
Diferenga entre o maior e o menor dos valores observados de uma Caracteristica

quantitativa.
3.2.9 Semi-amplitude
Media aritmetica entre o maior e o menor dos valores observados de uma caracreris
tica quantitativa.
3.2.10 Classe
Cada urn dos intervalos consecutivos em que 0 interval0 total de varia$Zo de carat -
teristicas quantitativas 6 dividido.
3.2.11 LLntites da classe
Valores que definem os limites superior e inferior de uma classe.
flotn: Deve-se especificar qua1 dos dois limites i considerado coma pertencente j
classe.
3.2.12 ~onto Gdio da c&se
Midia aritmetica entre OS limites superior e inferior de uma classe.
3.2.13 IntervaZo da classs
Diferensa entre OS limites de uma classe.
3.2.14 Tamanho-Freq&ncia
Ncmero de itens de uma populagao, de urn late, de ma amostra ou de uma classe.
iVota: No case de observa@es, o tamanho recebe geralmente a design+o de nimero.
3.2.15 Fr-eqfhcia acwmZada
No case de caracteristicas quantitativas, mimer0 de itens cujos valores Go infe -

riores ou iguais a urn dado valor, ou inferiOreS ou iguais aa limite superior de
uma dada classe.
3.2.16 YreqU&ia relativa
Razao do nimero de vezes em que urn valor particular (ou urn valor alocado dentro
de uma dada classe) k observado para o ntimero total de observa@es.
3.2.17 fieqU&xia relativa acwnulada
Freqkcia relativa de itens cujos valores sao inferiores ou iguais a urn valor da-
do, ou i’nferiores ou iguais ao limite superior de uma dada classe, para caracte -
risticas quantitativas.
NBR lIXBB/lBBB 15
3.2.18 Distribui&o de freqU&cia
Relagao entre os valores de uma caracteristica e suas freqUincias.
Ivota: A distribuicio 6 freqUentemente apresentada sob a forma de uma tabela corn

agrupamentos especiais (classes) se OS valores forem medidos sobre uma es
cala continua.
3.2.18 Distribui&?o univakvel
No case de uma variavel aleatoria, 6 a rela+o entre 0s valores. classes ou for -

MS desta caracteristica por urn lado, e suds freqlkcias por outro lado.
3.2.20 Histograma
Forma de representagso grifica da distribuigso de freqllkcia de uma variivel a-

leatoria continua onde as classes szo representadas por intervalos continues em
urn dos eixos sobre uma escalar linear e as freqU&cias das classe$ 550 represen-
tadas por retfngulos, cujas bases Go as classes e cujas ireas s& proporcionais
2s freqU&cias das classes.
3.2.21 Diagrama de bmms
forma de representagso grsfica da distribuigso de uma vari&el aleatoria discre

ta onde segmentos de linhas estreitas (barras), proporcionais is freqU6ncias das
varisveis aleat&ias,~sao desenhadas perpendicularmente a urn eixo sobre o qua1
OS valores da varisvel aleatoria sao representados sobre uma escala linear.
3.2.22 poligono de j%qU&tcias
Linha poligonal, obtida pela uniao de pontos cujas abcissas Go OS pontos medios
de cada classe e as ordenadas sso a5 freqU&cias.
3.2.23 PoZigono de freqfhcias ammuhdas
Li:nha poligonal obtida pela uniio de pontos cujas abcissas sao OS limites supe-
riores de cada classe e as ordenadas SW as freqiiikcias acumuladas.
3.2.24 Tabela a dupla entrada
Tabela usada para representar uma distribuigao corn duas*caracteristicas e na

qua1 as links e as colunas correspondem aos valores, cjasses ou modalidades de
UM e da outra dessas caracteristicas.
fob: A intersecgao de UM linha e uma coluna indica a freqU6ncia correspondente

5 combi‘nagiio de valores, classes ou modalidades assim representadas.
3.2.25 Tabela de cating&cia
Tabela a dupla entrada no case de dwas caracteristicas qualitativas.
~otu: 0 conceit0 pode ser estendido para o case de mais que duas caracteristicas.
IS NBR 10538/lW8
3.2.26 Media aritmthica
Quociente de “ma soma de valores pelo seu nrimero.
3.2.27 Media (aritn~tica! p~nderada

Dados valores afetados de coeficientes nao-negatives chamados de pesos, 6 o quo-
ciente da soma dos produtos de cada valor pelo seu peso, pela soma desses pesos,
3.2.28 Mediana
Sendo n valores dispostos em ordem crescente de valor algebrico e numerados de

1 a n, a mediana destes n valores 6 o [(n+1)/2] kimo valor, se n for impar. Se
n for par, a mediana esti compreendida entre o (n/2) Psimo e o (n/2+1) ikimo va-
lores. Salvo indicaGao em contrario, ela 6 tomada coma sendo a media ari tmetica
desses dois valores.
3.2.29 Moda
Valor da vari.%el aleatkia que ocorre corn a maior freqU&cia.
Nota: Uma distribuisao pode apresentar modas locais; neste case ela 6 chamada de
distribuigao multimodal.
3.2.30, Deesvio nlcldio
Media aritm6tica dos desvios em relagao a uma origem quando todos eles for-em to
mados corn0 seu valor absolute.
Nota: Geralmente, a origem escolhida e a m6dia aritmetica, apesar do desvio m&

-
dio ser minim0 quando a mediana for tomada coma origem.
3.2.31 Vaari%nc?:a
Medida de dispersao baseada na media quadrritica dos desvios em relaqao 5 &dia

aritmitica.
?/&a: Dependendo do case em considerasao, pode ser necessario dividir a soma qua
dratica dos desvios da midia aritmetica pelo nljmero destes desvios ou por
este nGmer0 menos 1.
3.2.32 Desvio parirulo
Valor positive da raiz quadrada da varisncia.
3.2.33 Pamhcttro da poputa&o
Valor usado para definir a distribui$de uma caracteristica na popula$o.
3.2.34 Zstatistica
Valor usado para definir a distribuigao de uma caracteristica em uma amostra e
utilizado para estimar parsmetros da popula@o da qua1 proveio a amostra.
NBR 10636/19E8 17
3.2.35 Estatistica de ordem
Quando os valores em uma amostra s&o classificados em ordem de grandeza algibri
ca, cada urn desses valores ordenados 6 chamado de estatistica de ordem. Urn exem
-
plo 6 0 menor valor em uma amostra. Mais genericamente, qualquer estatistica ba-
seada em estatisticas de ordem neste sentido mais especifico 6 tamb&n chamada u-
ma estatistica de ordem, por exemplo,a amplitude.
3.2.36 Verosimi Lhanga
Probabilidade de obter urn certo conjunto de valores observados, quando sa sup6e

que eles pertencem a uma distribuigao de probabilidade especificada.
3.2.37 Estimawo (de par&etros)
OparagSo executada corn o prop&it0 de atribuir, a partir dos valores observados

em uma amostra, valores numericos para os parsmetros de uma distribuisao escolhi -
da coma o modelo estatistico da populagao da qua1 esta amostra 6 domada.
3.2.38 Estimatiua (de p&etmsI
Resultado de uma estimagao.
Nota: Este resultadopode ser express0 tanto coma urn valor numeric0 simples (esti
ma@0 pontual) coma urn interval0 de confianga (ver 3.2.47 e 3.2.48).
3.2.39 lbtimador
Estatistica usada para estimar urn para^metro da populagao.
3.2.40 Erro tok.zZ da estim$?i?o
Na esti’magao de urn parknetro, i a diferenga entre o valor calculado do estimador

e o valor verdadeiro desse parimetro.
Nota: 0 erro total da estimagao pode ser devido a:
a) erro de amostragem;
b) erro de medigao;
c) arredondamento de valores ou subdivis.Zo em classe;
d) tendkcia de urn estimador;
e) outros erros.
3.2.41 Erro de amostragsm
Parta do erro total da estimagao de um dado parsmetro em virtude da natureza a-

leatoria da amostra.
3.2.42 Tend&&a do estimador - Vi&
Diferenga entre a esperanga matetitica do estimador de urn parsmetro e o valor

verdadeiro desse pa&metro.
,* NBR 1053611988
NO&L: Esta express%0 pode tambern ser usada em urn sentido mais geral para desip
nar a n50 coincidkcia da esperanga matemitica do estimador corn o valor
verdadeiro do parsmetro.
3.2.43 Estimador nib-tendencioso
Estimador de urn parsmetro tai que sua esperansa matemstica seja igual ao valor
verdadeiro desse parhetro.
3.2.44 Desvio pad&i0 de um estimador
Desvio padrao da distribuigao do estinkdor, originada do erro total da estima,$o.
3.2.45 Estima@ da mzdia de unn popuLa& (ou da esperanca matemhca de ma

distribuipao de probabiiidade)
Operagao feita corn o prop&it0 de estimar a media de uma populaGjo ou a esperan -

~a matemjtica da distribuig8o de probabilidade considerada coma rephentativa
dessa populagao.
Nota: A media aritmitica de “ma amostra aleatoria simples tomada de uma POPU ‘a
gSo G uma estimativa Go-tendenciosa da media dessa popula~So.
3.2.46 Estimpio da varic'wia de uma popula&o iou de wna distribuipZo de proha-

Eilidadel
Operagso executada corn o prop&it0 de estimar a varisncia de uma populagao ou de

uma distribui@o de probabilidade considerada coma representativa dessa popula-
+.
Notas : a) Urn estimador Go-tendencioso da varia^ncia de uma distribuisao de proba -

bilidade obtida de UM amostra de n observa.$es independentes 6 obtido
atravis da divisao por n - 1 da soma dos quadrados dos desvios dos va-
lores observados em rela@o Fi media aritmetica dessa amostra.
b) 0 valor positivo da raiz quadrada do estimador nao-tendencioso da va
-
risncia i frequentemente utilizado coma urn estimador do desvio padrso.
Entretanto, deve ser observado que este estimador 6 tendencioso.
3.2.47 lnterualo de confianCa bilateral
interval0 entre T, e T2, quando T, e T2 s50 duas fun@Ses dos valores observados
tais que, sendo 0 urn parsmetro da popula$So a ser estimada, a probabil idade
Pr CT1 $ 13 ,< T2) 6 igual a I - D (onde 1 -.o. d urn valor numeric0 fixo e positivo
e menor que II.
Notas: a) OS I imi,tes T, e T2 do interval0 de confianga sao varisveis aleatorias

e corn0 tais assmem geralmente diferentes valores em cada amostra.
b) Em uma serie grande de amostras, a freqU&cia relativa de cases, onde
0 interval0 inclui 0, seria aproximadamente igual a 1 - o.
NBR 10595/1W9 19
3.2.48 Interval0 de confianpo unitaterat
lntervalo entre o menor valor possivel de Q e T ou interval0 entre T e o maior

valor possivel de 9, quando T 6 uma fungao dos velores observados. tal que, sen
do 5 urn parsmetro a ser estimado, a probabilidade Pr (T ,< 0) ou a probabilidade
Pr (T $ 0) 6 igual a 1 - a (onde 1 - o. 6 urn nirmero fixo, positivo e menor que 1).
Notas: a) 0 limite T do interval0 de confianga i uma variavel aleatoria e COmO
tal assume diferentes valores em cada amostra.
b) Em uma s6rie grande de amostras, a freqU&cia relativa de cases, onde-

0 interval0 inclui 8, seria aproximadamente igual a 1 - a.
3.2.49 iriue,eZ de confianga
valor 1 - a da probabilidade associada corn urn interval0 de confianga ou corn urn

interval0 estatistico de tolerlncia.
3.2.5a Limite de confianga
Cada urn dos limites superior e inferior, T, e T2, do interval0 de confianqa bi_
lateral. Para urn interval0 unilateral, i o limi te 6nico T deste intervalo.
3.2.51 Intemalo estatistico de tolercincia
interval0 para o qua1 se pode afirmar , corn urn dado nfvel de confianga, que ele
contGm ao menos uma proporgao especificada da populagao.
&&a: a) 0 interval0 i bilateral quando ambos OS limites sso definidos pelas

estatisticas.
b) 0 interval0 6 unilateral quando urn dos dois limites e infinito ou i
constitufdo pelo limite absolute da variivel.
3.2.52 Limite estat&tico de toleriincia
Limite inferior ou superior do interval0 estatistico bilateral de tolerkcia ou

limite do interval0 estatistico unilateral de tolerkcia.
3.2.53 Ader&cia de wna distribuip%
fladlda da concordincia entre uma distribuigio observada e uma teorica, especifi-
cada a priori.
3.2.54 Teste de hip&em
Procedimento que tern por objetivo dacidir de uma hipotase a respeito da distri -
bui$o de uma ou mais populagoes deve ser rejeitada ou nio-rejeitada (aceita).
Notas: a) A decisao 6 tomada em fungao do valor de uma ou mais estatisticas apro

priadas, calculada a partir de valores observados em amostras tomadas
das populag6es conslderadas. Coma o valor da estatistica 6 sujeito a
M NBR 10630H888
variagik aleatorias, ha algum risco de erro quando a decisk .G toma

da.
b) E importante notar que, em geral, urn teste assume a priori certas Prc
missas coma v;lidas, tais coma a independ&cia e normalidade das obser
vast%. Estas premissas servem torso base para o teste.
c) E importante notar que a signifi&cia so existe ao se rejeitar a hipi
tese. Por isto, prefer-e-se dizer que a hipotese foi Go rejeitada, ao
i&s de aceita, quando “50 se pode rejeita-la (ver 3.2.73).
3.2.55 Hip&se nula
Hipotese a ser rejeitada ou Go-rejeitada (aceita) no decorrer do ensaio e desip
nada por H .
0
l~ota: Ver 3.2.56.
3.2.56 Hip&em alternativa
Hipotese, usualmente composta (vkr 3.2.58), oposta 5 hipotese nula e designada

por H,.
Uota: Exemp 10s :

1) Teste da hipotese de qua a m;dia m de uma variavel aleatoria X em uma
popula+o IGO e menor que urn dado valor, mo:
Ho (m 5 mo) e H, (m < mo)
2) Teste da hipotese de que as propor@es de peGas defeituosas em dois lo
tes, p, e p2, tern o mesmo valor (“so especificado):
Ho (P, = p2) e H, (P, Z P,)
3) Taste da hipotese de que a variivel aleatoria X e distribuida normalme_?

te (corn parsmetros “50 especificados). Hipotese alternativa: a distri -
buiS:o nao d normal.
3.2.57 Hip&e%? sih-pbs
Hipotese que especifica completamente a distribuir$o da populaS:o.
3.2.58 .rliphese c~~os~~
Hipotese que n%o especifica completamente a distribuiS:o da populaS50.
~otns: a) Na pratica, trata-se freqfJentemente de uma hipotese que compreende urn

conjunto geralmente infinito de hipoteses simples.
b) Exemplos:
1) Supondo-se uma distribuisio normal, a hipotese m = m. 6 simples se
o desvio padrao for conhecido, mas composta se ele for desconhecido.
2) Todas as hipoteses nos exemplos dados em 3.2.56 Go compostas.
Cepia impressa pelo Sistema CENWIN
NBR 10536/1988 21
3.2.59 Teste paramhico
Teste no qua1 a fungk distribuigk da estatistica depende de forma da f ung50

distribuigao das observa@es.
Nota: Exemplo:
Teste de Student da hipotese nula de que a media de UM popula$o corn va
risncia desconhecida i igual a urn dado valor. onde a distribuisao da popu-
la$io precisa obrigatoriamente ser normal.
3.2.60 Teste mio paramb+ico
Teste no qua1 a fungao distribui$ao da estatistica nso depende da forma da fun-

$0 distribuigao das observagoes.
Nota: Exemplo:
Teste da hipotese nula de que as observa@es de uma sirie dada sao distri
buidas independentemente corn a mesma fur@o distribui$o nab especificada.
3.2.6 1 Regiao crhica
Conjunto de valores possiveis da estatistica utilizada, tal que, se o valor da

estatistica que resulta dos valores observados pertencer ao conjunto, a hipotese
nula 6 rejeitada, ao passe que 6 nao-rejei tada (acei ta) em case contririo.
No&e: a) As regi6es criticas sso determinadas de tal modo que, se a hipotese IILJ
la for verdadeira, a probabilidade desta hipkese nula ser rejei tada
deve ser maior que ou igual ao nivel de significlncia, que i em geral
baixo (por exemplo 5% ou 1%).
b) Exemplo:
urn mode clksico de testar a hip6tese nula relativa 5 media de uma dir
tribuigao normal corn desvio padrzo conhecido 0, Ho (m >, mo), contra a
alternativa H, (m < mol. consiste em utilizar a estatistica X, media
da amostra. A regiao critica 6 o conjunto de valores menores we
A = m. + ue u/G, onde n 6 o tamanho da amostra e Us 6 o fractil de
ordem da varijvel normal padronizada.
Se o valor calculado de x for menor que A, H; deve ser rejeitada. Em
case contr%io, Ho deve ser nao-rejeitada (a$eitta).
3.2.62 N&et de significciizcia (de zq teste)
Valor fixado, designado por o, que li.mita a probabilidade da hipotese nula ser
rejeitada, quando esta for verdadeira.
3.2.63 Teste unilateral
Teste em que a regiso critica 6 o conjunto de valores menores que urn dado valor
(ou o conjunto de valores malores que urn dado valor).
Cdpia impreSsa pel0 Sistema CENWIN
22 NBR1063Wl988
3.2.64’ !ka biLateraL
Teste em que a regiao critica compreende simu1taneament.e o conjunto de valores

inferiores a urn primeiro valor dado e o conjunto dos valores superiores a um se
gundo valor dado.
3.2.65 VaZoriesl critico(si
Valor(es) determinado(s) que limita a regik critica.
3.2.66 EPPO da primeira esphie - Erro do tipo I
Erro cometido ao se rejeitar a hipotese nula quando ela for verdadeira.
3.2.67 Risco & primeira especie - RGco do Lipo I
Probabilidade de se cometer urn erro da primeira espgcie.
h’otas: a) Seu valor maxim0 i o nivel de significincia do teste (ver 3.2.62):

b) Exemplo:
No case enfocado no exemplo dado em 3.2.61, o erro da primeira especie
consistiria em rejeitar Ho (m 5 mo), case T fosse menor que A, quando,
efetivamente, m e igual ou maior que mo. A probabilidade de urn tal er-
ro ~5 CL se m = m e decresce CM o aumento de m.
0
3.2.68 Err0 da sepncla esp&e - .zrro do tip0 II
Erro cometido ao n&o se rejeitar (aceitar) a hip&ese nula quando ela nao for ver
dadei ra.
it&a: Ver nota de 3.2.69.
3.2.69 Rise0 da segunda esp&ie - i??iscO do tip0 II
Probabilidade, designada por 6, de se cometer urn erro da segunda especie.
Nota: Exemplos:
1) No exemplo dado em 3.2.61, o erro da segunda especie consistiria em
acei tar Ho (m 3 mo), case X fosse maior que A, quando, efetivamente, m
i menor que mo. A probabilidade de tal erro depende do valor real de m.
Quanta menor for m em relagao a mo, mais proximo de zero ser& 5 e, em
conseqGr$ncia, mais proxima de 1 a potsncia.
2) No teste da hipotese nula Ho (pqpulag~o corn distribuigio normal), contra
a alternativa H, (populagk sem .distribuigao normal)(ver exemplo 3 na
nota de 3.2.56), nk i usualmente possivel expressar 6 coma uma fungao

da hipotese alternativa pois esta 6 por demais imprecisa.
3.2.70 Pot&u& do teSte
Probabilidade, 1 - 8, de nao se cometer o erro da segunda espGcie, ou seja, a
probabilidade de rejeitar a hipotese nula quando esta for falsa.

NBR 10636/1988 23
3.2.71 CUPV~de pot&&a de wtl teste

Express%o grifica da variagk da potkcia do teste em termos do valor do parsme-
tro, quando a hipGtese se refere ao valor de urn parSmetro unidimensional.
Notas: a) Freqbentemente, a parte de interesse da curva d a que corresponde a va

lores do parktro que impliquem a ocorrikcia da hipotese alternativa.
Ela representa a probabilidade, em termos do valor do par&metro, de
aceitar a hipotese alternativa quando ela for verdadeira.
b) Exemplos:
1) A Figura 1 do Anexo A ilustra a curva de po&cia para o teste da
hipotese Ho (m s m,) (ver exemplo em 3.2.61) contra H, (m < mo) co

mo uma fun$o da nddia m da populagao.
2) A Figura 2 do Anexo A ilustra a curva de pote^nc’ia para o teste da
hipotese Ho (p < po) contra H, (p & po) coma uma fung%o de p, P’E
porgao de defeituosos em urn lote submatido a controle.
3.2.72 ktrva caracteristica de opera&o de m teste (CC0 de m tested

Expressso grafica da variagao da probabilidade de nao rejeitar (aceitar) a hip6 -
tese nula em termos do valor do par&metro. quando a hipotese referir-se ao valor
de urn parsmetro unidimensional.
Nota: Exemplos:
1) A Figura 3 do Anexo A ilustra a CC0 para o teste da hipotese Ho (m>mo)
contra H m < mo) (ver 3.2.61) coma uma fungao da media m da populacao.
1 (
2) A Figura 4 do Anexo A ilustra a CC0 para o teste da hipotese Ho (p< p,)
contra H % p,) ccmo uma fungao de p, propor& de defeituosos em urn
1 (p
late submetido a wntrole.
3.2.73 Resultado significativo (ao nivel escolhido)

Resultado de urn teste que levou a rejeicao da hipotese nula.
Notas: a) SC a hipotese nso for rejeitada, o resultado nao C significativo.

b) Exempl o:
Para o exemplo dado em 3.2.61, se T for menor que A = m. + U o/G ,
T
6 dito que si i significativamente menor que ‘m a0 nfvel a.
0
3.2.74 Teste ao qui-quadrado

Teste no qua1 a estatistica utilizada tern uma distribuigBo x2.
kota: Este teste 6 aplicado, principalmente, aos seguintes problemas:

a) teste de igualdade entce a variancia de uma populagk normal e urn valor
especificado, baseado na varikcia estimada de uma amostra tomada des
sa popu I a+;
b) ccmparagao entre valores observados e vaiores te&icos CorFespondentes
a uma distribuigk previamente especificada;
J” NBR 10636/1888
c) testes de independkcia e de homogeneidade.
3.2.75 Teste t - Teste de Student

Teste no qua1 a estatistica utilizada tern uma distribuicao t (Student).
Nota: Este teste 6 aplicado, principalmente, aos seguintes problemas:

a) teste de igualdade entre a media de uma populacao normal e urn valor es
pecificado, baseado na media observada em uma amostra tomada dessa popu

I acao, sendo a varikia da populacao estimada da arrostra;
b) teste de igualdade entre as medias de duas populacoes normais de WSM
variincia, baseado nas medias observadas em duas amostras independentes
tomadas dessas populacoes, sendo a varikia comum estimada dessas amos
tras;
c) teste aplicado ao valor de urn coeficiente de correlacao ou regress.50 Ii
near.
3.2.76 Teste F - Test& de Fischer

Teste no qua1 a estatistica utilizada em uma distribuicao F.
Notat Este teste 6 aplicado, principalmente, nos seguintes cases:

a) teste de igualdade entre as varikias de duas populacoes normais basea
do nas vari%cias estimadas de duas amostras independentes tomadas des-
58s populacoes;
b) testes usados em anslises da varisncia.
3.2.77 Riplica
Repeticso, realizada nas mesmas condir$es, de urn experiment0 bssico, a fim de se
obter uma estimativa mais precisa do err0 experimental (erro pad&o).
3.2.78 Aleatorizacio
Processo pelo qua1 se procura minimizar atravis de metodos, tais coma OS mimeros
aleatorios, fatores nao casuais durante a retirada aleatoria de itens de uma PS!
pulacao.
3.2.79 Retirada aleatdria
Selecao em que cada urn dos N itens de uma populacao tern a mesma chance de ser re
tirado.
3.2.80 Nzimeros aleatdrios

N&neros naturais variando de I a n, retirados aleatoriamente e sem reposicao da
.‘^
populacao e ordenados urn a um de acordo corn a sequencia de retirada ate que a PO
pulacso seja exaurida.
Note: No processo de aleatorizac8o OS N numeros naturais sao associados antecipa

damente corn N objetos ou N operacoes distintas, as quais Go arranjadas
uma a uma, na ordem em que OS numeros forem retirados aleatoriamente.
NBR 10536/19W 26
valor que caracteriza uma grandeza perfeitamente definida nas condi@es que exis
tem no moment0 em que ela i observada ou i objeto de uma determinagao, e que 56
poderia ser obtido se todas as causas de erros de medida fossem eliminadas e a
popula$o fosse infinita.
3.2.82 E&i&-o
Proximidade da concordkcia entre o valor verdadeiro e a m6dia resultante que se

ria obtida pela aplicagao do procedimento experimental em urn grande mjmeto de ve’
*es.
fiotn: Quanta menor a parte sistematica dos erros experimentais que afetam os re
sul tados, mais exato i o procedimento.
3.2.83 treciscio
Proximidade da concordhcia entre os resultados obtidos pela repetiF-& do mesmo

procedimento experimental sob condi@es determinadas.
Nota: Quanta menor a parte aleat6ria dos erros experimentais que afetam os re
sul tados, mais precise 6 o procedimento.
3.2.84 Xepetibili~d~
Grau de concordhcia entre o resultado de medi@es sucessivas de uma mesma gran-

deza, efetuadas corn a totalidade das condi@es seguintes:
a) mesmo mitodo de medicao;
b) mesmo observador;
c) mesmo intrumento de medigao;
d) mesmo Iccal;
e) mesmas condigoes de utiliza$ao;
f) repeti+o em instantes sucessivos.
Nota: A repetibilidade pode exprimir-se quantitativamente pela dispersao dos re-

sultados.
3.2.85 i?epro&tibilirhdc-
Grau de concordkcia entre o resultado das medi@es de q ma mesma grandeza, quan

do as medisijes individuais sao efetuadas fazendo variar condi$es tais coma:
a) mitodo de medigao;
b) observador;
c) instrument0 de medisao;
d) local;
e) condiqoes de utilizagao;
f) tempo.
,votas: a) Para que uma express&a da reprodutibilidade seja valida 6 necessario

especificar as condi$es alteradas.
-m NBR 10536/1988
b) A reprodutibilidade pode exprimir-se quantitativamente pela dispersk

dos resultados.
3.3.1 Amostragem
procedimento utilizado para retirar ou constituir uma amostra.
floota: A amostragem de materiais a granel, tais tom0 minerios e materiais cant i

nuos, tais coma chapas de metais,, requer o use de termos especificos we
Go definidos de 3.3.17 a 3.3.22.
3.3.2 Amostra
Urn ou mais itens retirados de uma populacao presumivelmente homogenea, destina -
dos a fornecer informacoes sobre a mesma.
3.3.3 Llniaaae ac amcstra

Urn item ou urn conjunto de itens, em uma amostragem multi-estagio, retirado de
uma populacao para finalidade de amostragem.
3.3.4 Amostragem corn reposi&o

Metodo de amostragem em que cada item retirado e observado e reposto na PoPulfi
550 antes que o item seguinte seja retirado.
3.3.5 Amostrcgem sem reposiwio

Metodo de amostragem em que itens Silo retirados na populacao de uma so vez ou su
cessivamente sem haver reposicao.
3.3.6 hmtragem simpks aleatoXi2

Metodo de amostragem em que n itens de uma populacao de N itens sao retirados de
tal maneira que todas as possiveis combinacoes de n itens tenham a mesma probabi
lidade de serem escolhidos.
3.3.7 subwiiostra
Amostra obtida atraves da subdivisao de uma amostra major em que os itens a serem
tomados sao distribuidos aleatoriamente em partes de igual tamanho, as quais
s50 preparadas e ensaiadas separadamente.
3.3.8 Amostra aesac!cSraaa

Amostra que c constituida somente de duas subamostras.
Jota: Nao confundir corn amostragem dupla.
3.3.9 Amostragen estratijicada

Amostragem deumapopulacao que pode ser dividida em diferentes subpopulacoes
chamadas “estratos”, de tal forma que proporcoes especificadas da amostra sao re
tiradas dos diferentes estratos.
NBR 1053611666 n
3.3.10 Amsstragem sistemdtica (peri%ca)
se os N itens de uma popula&~ tiverem sido arranjados em uma base sistematica

(par ex.: em ordem de produqao) e numerados de 1 a N, uma amostragem sistemitica
periodica de n itens consiste na retirada dos itens numerados:
h, h + k, h + 2k ,..., h + (n - 1)k
,#&a: h e k 520 numeros inteiros que satisfazem a rela$o:

h + (n - 1)k < N < h + nk,
sendo h geralmente tomado aleatoriamente dos k primeiros ntimeros inteiros.
3.3.11 Afrostragem aghmerada
Amostragem na qua1 uma populaqao considerada heterogenea S dividida em grupos OIJ

aglomerados relacionados entre si e amostras destes grupos ou aglomerados s.50 re
-
tiradas aleatoriamente e todos OS Itens que 05 constituem s& incluidos na mesma.
3.3.12 Arroatragem agSomera& muiti-est$o
Amostragem aglomerada, corn mais do que dois estagios, sendo que cada anostragem
6 feita nos grupos (ou aglomerados), nos quais OS aglomerados j5 divididos foram
obtidos pela amostragem precedente.
3.3.13 Amostragem muiti-est&~io
Tipo de amostragem no qua1 a amostra 6 selecionada por estigios, sendo qua as

unidades amostradas em cada estagio sao subamostras das unidades maiores escolhi
das durante o estsgio anterior.
3.3.14 Arcostra prim&ia
Amostra tirada de uma popula$o durante o primeiro estagio de uma amostragem muI
-
ti-estagio (ver 3.3.13).
3.3.15 Amostra secudd*~Z~
Amostra tirada de uma amOstra primaria durante o Segundo estagio de uma amostra -
gem multi-estigio (ver 3.3.13).
3.3.16 AwoLra fimi
Ultima amostra obtida de uma anostragem multi-estagio (rer 3.3.13).
3.3.17 PrqGo de amxtrwgem - Yaca de avostragcm
RelagSo entre o tamanho da amostra e o tamanho da populasao ou subpopulaqao, da

qua1 ela foi tirada.
3.3.18 .%hqG3 eiementar
Quantidade de material tirada de uma so vez de “ma quantidade maior de material.
3.3.19 Corpo-de-p-ma
Parte obtida de uma sele$o elementar ou de uma unidade de amostra para fins de
ensaio.
28 NBR 10638/1988
3.3.20 .hmtra fJzc301

Conjunto de sele5oes elementares.
3.3.21 F’re~zzr’~~& &Z mostra

Para materiais a granel ou continues, 6 o conjunto de operaghes materiais, tais
coma redugao de dimensoes, misturas, divisoes, etc., necessirias para transfer
mar uma amostra global em amostra para laboratorio ou para ensaio.
Il’ota: A preparasao da amostra deve, tanto quanta possivel, manter a representati

vidade do lote amostrado.
3.3.22 ho&tra para Lcboratdrio

Amostra destinada a inspegao ou a ensaio de laboratorio.
3.3.23 hostra part ensaio

Amostra preparada para ser’submetida:aos~ensalos.
3.4 Temos relatives d inspe‘xio :wr amcstragem
3.4.1 InqVL;c&
A&&s de controle de qualidade que, por meio de ensaios ou outros procedimentos ,
verificam a conformidade de itens ou servisos corn requisites especificados.
3.4.2 Garantia da qualidade

AGoes planejadas e sistemiticas necessarias para prover adequada confianta em
que urn item ou serviGo atende satisfatoriamente a seus objetivos.
3.4.3 cmtrole da q&Lidade

AGoes de garantia da qualidade que proporcionam meios de controlar e aval iar as
caracteristicas de urn item, service, process0 ou instala&o em rela~ao aos requ -i
sitos especificados.
3.4.4 contxie estntfktico rin paZidade
Parte do controle de qualidade onde S~O utilizadas tknicas estatisticas pa ra

preven&, anslise e deteccao de desvios em rela~ao aos valores especificados.
3.4.5 Inspeciio pm amostragem
Avalia& da conformidade de urn lote ou process0 corn OS valores especificados

atraves da inspeCs de amostras, conforme plan0 de amostragem preestabelecido.
3.4.6 Lcte
Determinada quantidade de itens de urn ~6 tipo e de mesmas caracteristicas, que 6
considerada coma um todo.
~/&a: Entende-se que o item foi obtido sob condiG;es admitidas corn uniformes.
NBR 10536/1988
tote que 6 submetido a inspeqao.
3.4.0 Partida
Uma quantidade determinada de itens entregues de uma so vez.
*joto: A partida pode consistir de urn ou mais lotes ou partes de lotes.
3.4.9 k&id6
Uma quantidade determinada de itens encomendados de uma so vez a urn fornecedor.
,Voto: Urn pedido pode consistir de uma ou mais partidas.
3.4.10 ~specificap~o
Uescricao detalhada de urn conjunto de exig&cias a sererr atendidas por urn item,
servi$o ou urn processo, indicando, se necessirio, o procedimento por meio do
qua1 pode-se determinar se estas exigencias foram cumpridas.
Nota: Ati onde prati caveI, 6 desejavel que as exig;ncias sejam expressas numeri-
camente em terms de unidade apropriadas incluindo-se OS seus limites.
3.4.11 F&m do toleraricia
Faixa de valores na qua1 uma caracteristica esta em conformidade corn sua especi-
fica$o.
3.4.12 Limite de tch-iimio
Valor limite (inferior‘ou superior) especificado de uma caracteristica quantita-

tiva.
NOES: a) Quando ha apenas urn limite especificado, ele i chamado “limite unilate -
rail’;
b) Quando ha dois limites, superior e inferior, eles sao respect ivamente
chamados de “Iimite superior de tolerkcia” e “limite inferior de tale -
rkcia”.
3.4.13 Toieriimia
Qiferenga entre 05 valores maxim0 e minim0 especificados.
sota: Para o case de limite unilateral, a toler^ancia 6 definida coma a diferenca

entre o valor m&imo ou minimo e o valor nominal especificados.
3.4.14 lnspe&io de late
Qualquer inspegao de urn late efetuada para verificar sua conformidade corn as es
pecifica+es.
3.4.15 Inspe& de recebimenlo
inspe$io efetuada por urn consumidor em urn late entregue ou oferecido pelo forne-
cedar para I i beragao.
NBR 10536/1988
lnspe5k para verificar se urn item entregue ou oferecido para libera5a.o i aceits -
vel.
,vota: OS terms “inspegso de aceita5h’ e Inspegao de recebimento” 60 sao mutu

amente exclusives, e a inspe5ao de recebimento 6 frequentemente a propria
inspegS de aceita5ao.
3.4.17 Inspe& finul

lnspe5ao de late efetuada no fim de urn process0 produtivo.
3.4.18 unspun'& original

lnspe5ao de urn late submetido a inspegao pela primeira vez.
.Vuti: Este term3 6 utilizado para distinguir OS lotes inspecionados pela primei
-
ra vez, daqueles que o fabricante, depois de cumprir as exig;ncias determi
nadas sobre OS lotes rejeitados, i autorizado a submeter a nova /nspegao.
3.4.19 inspe& i00X

Inspe5So de todos OS itens ou da totalidade de material que cornpoe o late.
3.4.20 im?pe& pw atr~ibu?cx

lnspe5So pela qua1 se verifica, para todos OS itens de uma popula5~0 ou de uma
arrostra tomada desta popula5~0, a presen5a ou a aushcia de uma certa caracteris
tica qualitativa (atributo) e a freqkcia dessas ocorrhcias.
3.4.21 inspe& pm oontagen de defeitos

I nspe5S(1 na qua1 se conta, nos itens de uma populagso ou de uma amOstra tomada
desta popula5ao. o nlimero de defeitos por item ou por 100 itens.
3.4.22 inspec& per variciveis

Inspe520 na qua1 se mede uma caracteristica quantitativa de cada item de uma po
pula550, ou de uma amostra desta populacao.
3.4.23 !kio-confomidade
Deficihcia em caracteristicas, documentagao ou procedimento que caracteriza urn
item ou servi5o coma estando corn OS requisites especificados.
3.4.24 Defeito
Nao-conformidade que impe5a ou possa vir a impedir ou comprometer a fun550 do
item ou servi50.
3.4.25 Item defrlituoso

“m item que conte’m urn ou mais defeitos.
NBR 10636/1983 31
3.4.26 Defefeito cn'tico
Defeito que, de acordo CM o julgamento e experi&cia. conduz a condis&s perigo -

sas ou inseguras para quem usa ou mantim o produto, ou que pode impedir o funcio
namento ou o desempenho de uma funG& importante de urn produto.
3.4.27 &f&to mcz'or

Defeito considerado nao critic0 que pode resullar em falha ou redurir substan -
cialrente a utilizaqao do produto para o fim a que se destifia.
3.4.28 ilefeito menor
Defeito que nk reduz substancialmente a utilizaG;o do produto para o fim a que

se destina ou nao influi substancialmente no seu use efetivo ou operacao.
3.4.29 ficm dej'eituoso c&tics
l tern que contGm urn ou mais defei tos criticos.
3.4.30 Item defeituoso rxziur~
Item que con&m urn ou mais defeitos maiores, mas nenhum defeito critico.
3.4.31 Item defeituoso nencp
Item que contern urn ou mais defeitos menores, mas nenhum defeito critic0 ou maior.
3.4.32 lhmero d.e def&t~s pm w~?:ii~df~
NCimero de defeitos dividido pelo niimero de unidades nas quais eles foran observa -
dos.
3.4.33 hnero de defeitos par cm unidades
Nimero de defeitos por unidade multiplicado par cem.
3.4.34 Frq& defeitirosa
NGmero de itens defeituosos dividido pelo numero total de itens.
3.4.35 Porcentagem de defeituosos
Frank defeituosa multiplicada por cem.
3.4.36 PZom de mostmgem
Plano pelo qua1 uma ou mais aTlostras S~O tomadas de modo a obter informa@es so
-
bre o lote considerado e possi bi I i tar uma tomada de decisao.
Amostragem que consiste em tomai somente uma anostra por lote.
3.4.38 Amostragen ii?~pZa
Amostragem que consiste em tomar eventualmente uma segunda anostra case as infor -
maGoes obtidas da primeira nao sejan conclusivas.
32 NBR 106WlWB
3.4.39 Amostragem rmittipia

Amostragem que consiste em tomar eventualmente at6 k amostras sucessivas, sendo
a decisao de tomar a j-6sima amostra (j < k) dependente da informaCao dada pelas
(j - I) amostras privias.
.
3.4.40 Amostmgem seqttencia~
Amostragem que consiste em tomar sucessivos itens, ou as vezes grupos sucessivos
de itens, mas sem prefixar o nimero de vezes. A decisao de aceitacao ou rejei&o

do late 6 tomada t8;o logo OS resultados da inspeGs permitam, de acordo corn 0
piano preestabelecido.
3.4.4 1 IrropepcTo tricncada

InspecS por amostragem simples, dupla ou mtiltipla que termina Go logo a dec i
sZjo (aceita&o ou rejeiG:o) possa ser tomada, mesmo sem inspecionar todos OS
itens da(s) amostra(s).
.
Nota: No case de amostragem sequential, a inspegao termina depois de inspecionar
urn nimero predeterminado, mesmo que a decisao de aceitar ou rejeitar t-60
tenha sido tomada. Esta decisao 6 ent8;o tomada em consonancia corn uma regra
predeterminada.
3.4.42 Hano de anostragem continua

Piano de amostragem adaptado as circunstancias particulares de produgao continua.
3.4.43 ?lono de aceita& par amostragem

Piano de amostragem destinados a determinar a aceitacao ou rejei&o de urn determi
nado late de uma seq&cia de lotes.
3.4.44 Aceitocao
ConcordSncia em aceitar urn late da maneira que ele se apresenta.
3.4.45 RejeiC&
Recusa em aceitar urn late da maneira que ele se apresenta.
Nota: 0 termo “rejeicso” significa no sentido mais amplo “nso aceita&io do lote
sob as condicoes do contrato” (por exemplo, o late pode ser transposto para
outra classe, sujeito a uma diminuiGo do preco, etc.)
3.4.46 Cr+t&io de aceitacE0

Conjunto das condicoes preestabelecidas que permitam a aceitasao de urn late.
3.4.47 ,CriteXo de rejeiccio

Conjunto das condi@es preestabelecidas que levam a rejei&o de urn late.
3.4.40 ~r~,babilidode de aceitcccfo

Probabilidade que urn late de uma dada qualidade tern de ser aceito de acordo corn
NBR 10536/1988 33
urn determinado piano de amostragem.
3.4.49 Prohabi Ldde de rvjei&o
Probabilidade que urn lote de uma dada qualidade tern de ser rejeitado de acordo
corn urn determinado piano de amostragem.
3.4.50 pLlpua ,zapacteristica de operq% pum wn pimw de wrnstwycm (CCC)
Curva que mostra, para urn dado piano de amostragem, a probabilidade de aceitagao
de WI late coma uma fungao de sua qualidade considerada real.
3.4.51 Rfsco dc fmwcedor
Probabilidade de, para urn determinado plano de amostragem, se rejeitar um late

corn urn ntimero de defeituosos igual ao nivel de qualidade aceitavel.
Probabilidade de, para urn determinado piano de amostragem, se aceitar urn lote
corn urn nimero de defeituosos igual a qualidade limi te.
3.4.53 ~~onto de ir;di,ferenp - Ponto Lie xwrtrole
Ponto da CC0 onde as probabilidades de aceitasao e de rejeigao sao iguais e t;n

o valor de 0,50.
Qualidade do process0 estimada a partir da qualidade de sucessivas anostras tom2

das de lotes na inspe$o original.
Em urn piano de anostragem, urn nivel da qualidade que corresponda a uma probabili -
dade de aceitaG:o especificada e nornalmente baixa. E a caracteristica limite da
qualidade de urn late qua o comprador esta disposto a aceitar, con uma baixa pro-
babilidade de que ocorra urn late corn esta qualidade.
3.4.56 !;ivel cia qwlidade aceit&kl - ?A&
Msxima porcentagem de defeituosos ou o ncmero maxim0 de’defeitos par cem unida

des que, para propkitos de inspecs por amostragem, pode ser considerada satis-
fatoria coma qualidade media.
3.4.57 !&oZidade m&dir; res:~Ltnr,te
Qualidade media expressa em porcentagem de defeituosos ou em nkero de dcfeitos

por 100 itens do produto obtido ap6s a inspe$ao,nao inciuindo sorwnte lotes acei -
tos pelo piano, mas tamb6m lotes rejeitados pelo piano ap6s inspeG. 100% e no
qua1 todos os defeituosos foram substituidos por nh-defeituosos.
htu: A qualidade media resultante depende do piano de amostragem escolhido. ~1~

d uma fungk da qualidade dos lotes submetidos i inspe$So, e pode ser re
presentada por uma curva.
.a. NBR 10536/1988
3.4.58 Linites d;2 rjuaZ~id~de ,m-ain rYx:z,itmtt

Miximo valor da qualidade mEdia resultante.
3 .4. 59 I;<;Ic i. 5% Gxw&

Caracteristica de urn piano de amostragem, escolhido a priori, e que rclaciona 0
tamanho da(s) amostra(s) corn o tamanho do late.
3.4.60 ~?S,%?~&l riomia!
InspeG% que 6 usada quando nao ha raz& para se supor que a qualidade da prodi
sao seja inferior 5 acordada.
3.4.61 I :!spc&2 N?duziJc
I nF+!5kJ, men05 rigorosa que a inspeg normal, na qua1 a posse de resultados de
inspeG&s anteriores de urn certo nfimero de lotes permite a confianGa de que a
qualidade da produg.% esta melhor do que a acordada.
3.4.62 Insp&o SeVEPc
I nspe&o, mais rigorosa do que a inspeG% normal, na qua1 a posse de resul tados
de inspe@es anteriores de urn certo nimero de lotes permite a confianGa de que a
qualidade da produCk esta pior do quc a acordada.
3.4.63 3zmln.29 rndr;i?:? &2 !xw.? tr+2
Nimero m&dio de unidades de amostra inspecionadas par late XIII a finalidade de
se decidir sobre a aceita& ou rejeick.
Causa da varia& sistematica revelada pelos rmktodos estatisticos.
3.4.65 Frccesso sot:’ cmtrc3le

Process0 cuja mGdia e variabilidade permanecem estaveis.
3.4.66 5rc-1-iCT0ic ,“Olit PC: e

RepresentaGk na qua1 sk trasados limites e assinalados valores medidos ou P’E
venientes de qualquer calculo estatistico sobre amostras sucessivas de ulna prod!
&.
!/otos: a) 0 grifico de controle C? usado para verificar se urn processo pode ser
considerado sob controle.
b) 0s parsmetros utilirados (media,.amplitude, porcentagem de defeituosos,

etc.) definem os difercntcs tipos de graficos de controle.
3.4.67 ~~ifi:,~~~~ ,:i,! ::<:x~!~ii,:unri 10 t i:z>:; - :%xzrur!

Grafico de controle sobre o qua1 s% assinalados OS valorcs calculados estatisti
camente para uma s;rie de amostras suscessivas e no qua1 a ordenada de cada

PO”
NER 10536/1988 35
to assinalado representa a ordenada do ponto imediatamente anLerior acrescido do
valor estatisticamente calculado da ljltima amostra.
fioi,tcl: 0s grsficos s&io interpretados por comparask corn Iimites que podem variar
de posisao para cada ponto.
3.4.68 iimctes de controie isl,per~ior~ e ir.i'er&r)
Limites entre OS quais o resultado da amostra tern uma grande probabilidade de
se situar se o process0 estiver sob controlc.
::ota: Se OS valores dos c~lculos estatisticos de uina amostra cstiverem fora dos
limites de controle, uma a&jo corretiva deve geraliwnte ser cfetuada no Pro
cesso de produ&o.
3.4.69 ii,,,it~~f de ;/r3e3Jen&Z iS?r&x?h7F k? ~ir,j~i~W)
Limites usados, geralmente em conjunto corn OS limites de controle, corn a finalida

-
de de alertar para uma possivel instabi I idade do processo.
jZot~~; Quando o valor estatisticamente calculado de uma amostra esta fora dos I imi
tes de preven& mas dentro dos limites de controle, una melhor supervisS3
do processo de prodGo 6 geralmente necessiria.
IANEXO A
.x.3 NBR 10536/1@88
NBR 10536/19BB 37
ANEXO A - FIGURAS
In
t
I
" I
HI HO
FIGURA 1 - Curva de pothcia
FIGURA 2 - Curva de pothia

-^ NBR 1053611988
FIGURA 3 - Curva caraneristica (OC)
l-a
0 PO I
\ /
HO HI
FIGURA 4 - Curva caractdnica IOCI

NBR 10636/1388 39
ANEXO B - SIMBOLOGIA
Simbolo Termo ReferGncia

(seG50)
x, Y, ... variivel aleatoria, valor observavel de

uma caracteristica, em uma popula$o. 3.1.1,3.2.4
x, Y, ..’ valor particular ou observado. 3.1.1,3.2.6

F(x), G(x), ... fun$& distribuiC% (valor- WI x). 3.1.5
f(x), g(x), ... fun~ao densidade de probabi I idade para
uma vari&el, aleatrjria continua ( valor
em x) 3. t.6‘
k nGmero de classes. 3.2.10
N tamanho da popula$o ou de urn late. 3.2.14
n tamanho da amostra. 3.2.14
w, R amplitude de uma amostra. 3.2.8

TT media aritm;tica de uma populac;&. 3.2.26
x &dia aritmGtica de uma amostra 3.2.26
E(X) esperanGa matemiti ca de ““a var i &a I

aleatoria X. Em certos cases, m e p sao
utilizados para designar a esperanqa ma
-
ternat i ca. 3.1.14,3.1.15
varizncia de uma vari&el aleatoria ou
de uma popula$o. 3.1.17,3.2.31
desvio-padrao de uma vari&el aletoiia
ou de uma populatao. 3.1.18,3.2.32
variancia de uma amostra. 3.2.31
i?‘ota: 0 simbolo s2 6 geralmente uti I iza
do para designar a soma dos qua-
drados dos desvios em relasao 5
Gdia aritmetica, dividida Par
n-l (e o simbolo s para a raiz
quadrada desta quantidade) tom0
estimador da varisncia da popula-
qao de onde foi extraida a am0 _5
tra.
desvio-padrao de uma amostra (ver nota
acima). 3.2.32
P coef iciente de carrel asao (entre duas

variaveis aleatorias ou uma popula(%). 3.1.28
r coeficiente de correlasao (em uma amos-
tra). 3.1.28
* ^
0 ,H estimador do parsmetro 8 3.2.39
il’sta: Por exenplol (z2)* 6 uma es t i,ma
-
dor da varianci a 0’.
P(E), Pr(E) probabilidade de urn evento E.

quantil (ou fractil) de ordem p da ~2
xP riSeI aleatoria X. 3.1.13
u, 2 variavcl normal padronizada. 3.1.38

40 NBR 105w1999
Simbolo :i a
,I
“? 2 valor particular da variavel normal pa-

dronizada. 3.1.38
J Kimero de ~raus de Ii berdade. 3.1.39

distribuiqao do Qui-quadrado; desi gna
x2
tanto a vari&el aleatgria quanta urn v.3
lor particular ou observado desta va-
ri&el. 3.1.39
G~trr: Se houver necessidade, deve-se
utilizar os seguintes simbolos:
2 - fracti I $e ordem p da va-
ri.&l ;?,
x2 (~J) - variavel x2 corn ‘d grails

de I i berdade
;$(,J) - fractil de ordem p da va

r-i&e1 x2 corn ‘J graus IT-
berdadc
t distribui$% t (ou de Student); designa

tanto a vari&el quanta urn valor parti-
cular ou observado desta variavel. 3.1.40
h’oi:a: Se houver necessidade, deve-se

utilizar OS seguintes simbolos:
t - fracti I dc ordew p da va
-
P I-iGel
t(s) - vari&el t corn ,G graus dc

I i berdade
tp(v) - fracti I de ordem p da va-

ri %~el t corn ,.’ graus de
I i berdade
t distribuigao F; designa tanto a vari&

vel aleatoria quanta urn valor particu-
lar ou observado desta varikcl. 3.1.41
IC‘otu: se houver necessidade, dew-se

utilizar OS seguintes simbolos:
F - fractil de ordem p da
P vat-i&l F
F(v, ‘1~~) - varikel F corn :>, e

ti2 gr~us de I iberdade
Fp kd, ,‘j2 ) - fract i I de orden p da

vari&el F corn ~21 e
d2 ~~raus de I iberdade
nivel de significkcia de urn teste, ris

co da primeira esp&cie (do tipo I). - 3.2.62,3.2.67
risco da segunda especie (do tipo II). 3.2.69
IANExO c
ANEXO C - iNDICEIGLOSSARI0 INGLtS - FRANCES
3.4.44 I Aceitagao 1 Acceptance 1 Acceptation
3.2.53 2 Aderencia de uma distribuiCao 2 Goodnessof fitofadistribution 2 Adequation d’une distribution
3.2.78 3 Aleatoriragao 3 Randomization 3 Randomisation
3.3.2 4 Amostra 4 Sample 4 Echantillon
3.3.8 5 Amost ra desdobrada 5 Oupl icated salr!ple 5 Echantillon dedouble
3.3.16 6 Amostra final 6 Final sample 6 Echantillon final
3.3.20 7 Atrustra global 7 Bulk sample; gross sample 7 Echantillon global
3.3.23 8 Anostra para ensaio 8 Test sample 8 Echantillon pour essai
3.3.22 9 Arwstra para laboratario 9 Laboratory sarIpIe 9 Echanti I& pour laboratoire
3.3.14 IO Anostra pr.imsria IO Primary sample IO Echanti Ion primai re
3.3.15 11 Ar?ostra sccundaria 11 Secundary sample 11 Echanti Ion secondaire
3.3.1 12 Amostragem 12 Sampling 12 Echanti lonnage
3.3.11 13 Amostragem aglomerada I3 Cluster sampling 13 Echanti lonnage en grappes a un
degre
3.3.12 14 Amostragem aglomerada multi-esta 14 Multistage cluster sampling 14 Echantillonnage en grappes a

-
gio plusieurs degres
3.4.38 15 Amostragem dupla 15 Double sampling 15 Echantillonnage double
3.3.9 16 Amostragem estratificada 16 Stratified sampling 16 Echantillonnage stratifig
3.4.39 17 Amostragem miltipla I7 multiple sampling I7 Echantillonnage multiple
18 18 Multistage sampling 18 Echantillonnage a plusieurs

3.3.13 Amostragem multi-estagio
degr;s
3.3.4 19 Amost ragem COII repos i &o 19 Sampling with replacement 19 Echantillbrinage avec fenise (non
exhaust iL)
/continua
,”
Icontinuaq80
3.3.5 20 Amostragem sem reposi& 20 Sampling without replace 20 Echantillonnage saris renise (exhaus
ment tif)
3.4.40 21 Amostragem sequential 21 Sequential sampling 21 Echanti lonnage progressif
3.4.37 22 Amostragem simples 22 Single sampling 22 Echanti lonnage simple
3.3.6 23 Amostragem simples aleatoria 23 Simple randon sampling 23 Echanti lonnage simple au hasard
3.3.10 24 Amostragem sistematica (periodica) 24 Periodic systematic sam- 24 Echanti lonnage systematique perio
pl ing dique
3.2.8 25 Amplitude 25 Range 25 Etendue
3.2.4 26 Caracteristica 26 Characteristic 26 Caractere
3.4.64 27 Causa determinavel 27 Assignable cause 27 Cause assignable
3.2.10 28 classe 28 Class 28 Classes
3.1.28 29 Coeficiente de correlaG& 29 Coefficient of corre - 29 Coefficient de correlation
lat ion
3.1.32 30 Coeficientc de determinagk 30 Determination coeff -i 30 Coefficient de determination
cient
3.1.31 31 Coeficicnte de regrcssk linear 31 Linear regression coef - 31 Coefficient de regression Iiniaire
ficient
3.1.35 32 Coeficiente de regress% partial 32 Partial regression coef 32 Cuefficient de regression partielle
ficient
3.1.19 33 Coeficiente de variagk (de uma 33 Coefficient of varia 33 Coefficient de variation (d’une va-
variivel al.eatGria) tion (of a randcri~lvaria riable al;atqrie)
ble)
3~.4.3 34 Controle de qualidade 34 Quality Control 34 Contrzle de la qualit;
3.4.4 35 Controle estatistico da qualidade 35 Statiscal quality control 35 Controle statisque de la qualit;
3.3.19 36 Corpo-de-prova 36 Test piece 36 Eprouvette
3.1.12 37 corre1agao 37 Correlation 37 Correlation
3.1.27 38 Covariancia 38 Covariance 38 Covariance
3.4.46 39 Critt?rio de aceitagao 39 Acceptance number 39 Critere d’acceptation
3.4.47 40 Criteria de rejei& 40 Rejection number 40 Critere de rejet
3.2.72 41 Curva caracteristica de operagao 41 Operating characteristic 41 Courbe d’efficaciti d’un test
.de urn teste (CC0 de um teste) curve of a test (OC cur
ve of test)
3.4.50 42 Curva caracteristica de Opera& 42 Operating characteristic 42 Courbe d’efficacite d’un pIan
para urn piano de amostragen (CCO) curve for a sampling plan d’&hantillonnage
(OC curve)
3.2.71 43 Curva de potkcia de urn teste 43 Power- curve of a test 43 Courbe de puissance d’un test
3.1.29 44 Curva de regressso 44 Regression curve 44 Courbe de regression
3.1.30 45 Curva de regressao linear 45 Linear regression curve 45 Courbe de regression linkire
3.4.24 46 Defeito 46 Defect 46 Defaut
3.4.26 47 Defeito critico 47 Critical defect 47 Defaut critique
3.4.27 48 Defeito maior 48 Major defect 48 DGfaut yajeur
3.4.28 49 Defeito menor 49 Minor defect 49 D&faut Slipcur
3.2.30 50 Desvio &dio 50 Mean deviation 50 Ecart moyen

/continua
. .._
3.2.32 51 Desvio padrk 51 Standard deviation 51 Ecart-type
3.1.18 52 Desvio padrk (de uma varisvel alea 52 Standard deviation (of a ra” 52 Ecart-type (d’une variable al& -
toria) don variable) toi re)
3.2.44 53 Desvio padrao de urn estimador 53 Standard error of an estima 53 Erreur-type d’un estimateur
tar
3.2.21 54 Diagrama de barras 54 Bar diagralx 54 Diagramme en bstons
3.2.7 55 Diferenga absoluta 55 Absolute difference 55 Ecart
3.1.8 56 Distribui& bidimensional 56 Eivariate distribution 56 Loi de probabilite a dew va-
riables
3.1.48 57 Distribuigao binomial 57 Binomial distribution 57 Loi binomiale
3.1.43 58 DistribuiGao binomial negativa 58 Negative binomial distribu 58 Loi binomiale n;gative
tion
3.1.11 59 Distribuigao conditional 59 Conditional distribution 59 Loi conditionnelle
3.1.46 60 Distribuigao de Frkhet 60 Frkhet distribution 60 Loi de Fr<chet
3.2.18 61 Distribuigao de frequ&cia 61 Frequency distribution 61 Distribution de frcquence
3.1.37 62 Distribui& de Gauss 62 Gauss distribution 62 Loi de Gauss
3.1.45 63 Distribui& de Gumbel 63 Gumbel distribution 63 Loi de Gunbel
3.1.45 64 Distribuigao deGumbe1 tipo I 64 Gumbel distribution type I 64 Loi de Gumbel du type I
3.1.46 65 Distribuicao de Gumbel tipo II 65 Gumbel distribution type II 65 Loi de Gumbel du type II
3.1.47 66 Distribuigao de Gumbel tipo III 66 Gumbel distribution type III 26 Loi de Gumbel du type III
3.1.37 67 Distribuicao de Laplace-Gauss 67 Laplace-Gauss distribution 67 Loi de Laplace-Gauss
3.1.52 68 Distribuigao de Laplace-Gauss a 68 Bivariate Laplace-Gauss dis-- 68 Loi de Laplace-Gauss 5 deus va-
duas varisve’is aleatorias tribution riables ’

/continua
3.1.53 69 Distribuigao de Laplace-Gauss a 69 Standardized bivariate La- 69 Loi de Laplace-Gauss a dew vfi
duas variaveis aleatorias padroniza - place-Gauss distribution riables
das
3.1.50 70 Distribuigao de Poisson 70 Poisson distribution 70 Loi de Poisson
3.1.4 71 Distribuicao de probabilidade de 71 Probability distribution of 71 Loi de probabiliti d’une varia
uma variavel aleatoria a rondon variable ble alktoire
3.1.40 72 Distribuicao de Student 72 Student Distribution 72 Loi de Student
3.1.45 73 Distribuigao de valores extremes do 73 Type I extrellle value distri - 73 Loi des valeurs extrkes du ty
.tipo I but ion Pe I
3.1.46 74 Distribuigao de valor-es extremes do 74 Type II extreme value distri 74 Loi des valeurs extr&ws du ty
tip0 II but ion pe II
3.1.47 75 Distribui& de valores extremes do 75 Type III extreme value dis 75 Loi dcs valcurs extrSmes du ty
tip0 III tribution pe III
3.1.39 76 Distribuigao do Qui-Quadrado (Xi) 76 Chi-squared distribution 76 Loi de X*
3.1.43 77 DistribuiFao Exponential 77 Exponential distribution 77 Loi exponentielle
3.1.4; 78 Distribui&o F 78 F-distribution 78 Loi de F
3.1.44 73 DistribuiCao Gana 79 Ganna distribution 79 Loi ganna
3.1.51 80 DistribuiGao hipergeometrica 80 Hypergeometric distribution 80 Loi hypergiometric
3.1.42 81 DistribuiGao log-normal 81 Log-normal distribution 81 Loi log-normale
3.1.10 82 DistribuiFao marginal 82 Marginal distribution 82 Loi marginale
3.1.9 83 DistribuiCao multidimensional 83 Multivariate distribution 83 Loi de probabilite a plusieurs
variables
3.1.54 84 Distribuisao mulrino~ial 84 Multinomial distribution 84 Loi multinomiale
/continu&io
3.1.37 85 Distribui& normal 85 Normal distribution 85 Loi normale
3.1.52 86 Distribuicao normal a duas varij 86 Bivariate normal distribution 86 Loi normale a deux variables
veis aleatorias
3.1.53 87 Distribui@o normal a duas varij _ 87 Standardized bivariate normal 87 Loi normale reduite a deux va-
veis padronizadas distribution riables
3.1.38 88 Distribuicao normal padronizada 88 Standardized normal distribu - 88 Loi normale reduite
tion
3.1.36 89 Distribuicao retangular 89 Retangular distribution 89 Loi rectangulaire
3.1.40 90 Distribuicao t 90 t distribuition 90 Loi de t
3.1.36 91 Distribuicao uniforme 91 Uniform distribution 91 Loi uniforme
3.2.19 92 Distribui&o univariavel 92 Univariate distribution 92 Distribu,tion 2 une variable
3.1.47 93 DistribuiGao Weibull 93 Weibull distribution 93 Loi de Weibull
E
3.2.5 94 Ensaio 94 Test 94 Essai
3.2.66 95 Erro da primeira espc!cie 95 Error of the first kind 95 Erreur de premiere esp&e
3.2.68 96 Erro da segunda especie 96 Error of de second kind 96 Erreur de secondc esp&e
3.2.41 97 Erro de amostragem 97 Sampling error 97 Erreur d’fchantilonnage
3.2.66 98 Erro do tipo I 98 Type I error 98 Erreur du type I
3.2.68 99 Erro do tipo II 99 Type II error 99 Erreur du type II
3.2.40 100 Erro total da estimagao 100 Total estimation error 100 Erreur totale d’estimation
3.4.10 101 EspecificaCao 101 Specification 101 SpCcification
3.1.15 102 Esperansa yatenatica de uma varii 102 Expectation of a continuous 102 EspGrance mathimatique d’une va-
vel aleatoria contrnua randon variable riable a.l$atoire continue
leantinua
.-.^ .._..~._I~.._.,....
^..“~. . _.. . .~ ..,. . _ ,,.,
3.1.14 103 Esperanga matematica de uma varii I03 Expectation of a discrete 103 EspGrance mathematique d’une
vel aleatoria discreta randot:, variable variable aleatoire discrete
3.2.34 I04 Estatistica 104 Statistic I04 Statistique
3.2.35 I05 Estatistica de orden 105 Order statistic 105 Statistique d’ordre
3.2.45 106 Estimagso da &dia de uma PoPula I06 Estimation of the mean of a 106 Estimation de la moyenne d’une
&o (ou da esperanGa matematica de population (or of the expe. population (ou de l’esperance
uma distribuigao de probabilidade) tation of a probability dis _ mathdmatique d’une loi de pro -
tribution) babilite)
3.2.46 107 Estimagao da varisncia de uma pop2 107 Estimation of the variance 107 Estimation de la variance
lagso (ou de uma distribuiGao de of a population (or of a pro d’une population (ou d’une loi
probabi.1 idade) bability distribution de probabilite)
3.2.37 108 Estimagao (de parsmetros) 108 Estimation (of parameters) 108 Estimation (de parametres)
3.2.39 109 Estimador 109 Estimator 109 Estimateur
3.2.43 110 Estimador nao tendencioso 1 IO Unbiased estimador 110 Estinateur saris biais
3.2.38 Ill Estimativa (de parametros) 111 Estimate (of parameters) Ill Estimative (de parametres)
3.2.82 II2 Exatidso 112 Accuracy of the mean 112 Justesse
3.4.11 II3 Faixa de tolerancia 113 Tolerance zone 113 Zone de tolerance
3.3.17 114 Fra&o de amostragem 114 Sampling fraction 114 Fraction de sondage
3.4.34 115 Fracao defeituosa 115 Fraction defective I15 Proportion de defectueux
3.1.13 116 Fractil de’uma distribui&io de pro 116 Fractile of a probability 116 Fractire d’une loi de probabi -
babilidade distribution lit&
lcontinus
Icontinuag60
3.2.14 117 Frequkcia I17 Absolute frequency II7 Effectif
3.2.15 I18 Frequkcia acumulada 118 Cumulative absolute fre - 118 Effective cumule
quency
3.2.16 II9 Frequencia relativa II9 Relative frequency I1 9 Frequence
3.2.17 I20 Frequgncia relativa acumulada 120 Cumulative relative fre - 120 Frequence comul&
quency
3.1.6 I21 Fun& densidade de probabilidade I21 Probability density function I21 Densite de probabiliti pour
para uma variivel aleatoria conti for a continuous randon; va- une variable aleatoire cant -i
-
nua riable ““e
3.1.5 122. Fungao distribuisao 122 Distribution function 122 Fonction de &partition
3.4.2 123 Garantia da qualidade 123 Quality assurance 123 Assurance de la qualit&
3.4.66 124 Grrifico de tontrole 124 Control chart 124 Carte de contrcle
3.4.67 I25 Grafico de soma cumulativa 125 Cumulative sL,l, chart 125 Carte a someone cu~wl&
3.2.56 126 Hipotese alternatiua 126 Alternative hypothesis 126 Hypothese alternative
3.2.58 I27 Hipotese conposta 127 Composite hypothesis 127 Hypothese composite
3.2.55 128 Hipotese nula 128 Null hypothesis T28 Hypothgse nulle
3.2.57 129 Hipotese simples 129 Simple hypothesis 129 Hypothese simple
3.2.20 130 Histograma 130 Histograr:, 130 Histograms

3.4.1 131 Inspex+ 131 Inspection 131 Inspection
3.4.16 132 Inspe&~ de aceitasao 132 Acceptance inspection 132 Controle de reception
3.4.14 I33 Inspegk de late 133 Lot inspection 133 Contrcle de r&ept ion
3.4.15 134 Inspe&k de recebimento 134 Receiving inspection I34 ContrGle de reception
3.4.17 I35 lnspe&x final I35 Final inspection I35 Controle final
3.4.60 136 lnspe& normal 136 Normal inspection 136 Controle normal
3.4.18 137 InspeCk original 137 Original inspection 137 Contr&le en premiere prGsenta
tion
3.4.5 138 InspeG por amostragem 138 Sampling inspection 138 Contr6l.e par ichantillonnage
3.4.20 I39 lnspecao por atributos 139 Inspection by attributes I39 controle par atributs
3.4.21 140 Inspe& par contagem de defeitos 140 Inspection by defect-coun 140 Controle par nombre de defauts
ting
3.4.22 141 lnspe& por variaveis 141 Inspection by variables 141 ContrGle par mesures
3.4.61 142 1nspeg.k reduzida 142 Reduced inspection 142 Controle r6duit
3.4.62 143 Inspe& severa 143 Tightened inspection 143 Controle renforc;
3.4.41 144 Inspe5:o truncada 144 Curtailed inspection 144 Controle tronq&
3.4.19 145 I”spe5ao 100% 145 100% inspection 145 Controle a 100%
3.2.13 146 lntervalo da classe 146 Class interval 146 lntervalle de classe
3.2.47 147 lntervalo de confian5a bilateral 147 Two-sided confidence in- 147 lntervalle de confiance bila -
terval tera1
3.2.48 148 lntervalo de confianga unilateral 148 One-sided confidence in- 148 lntervalle de confiance unila -
1erval teral
/continua
3.2.51 149 Interval0 estat,isticq de tolerin I49 Statistical tolerance in_ 149 lntervalle statistique de dil
cia terval persion
3.2.1 150 Item 150 Item 150 lndividu

3.4.25 151 Item defeituoso 151 Defective item 151 lndividu dgfectueux
3.4.29 152 Item defeituoso critic0 I52 Critical defective 152 DGfectueux critique
3.4.30 153 item defeituoso maior 153 Major defective 153 Gfectueux majeur
3.4.31 154 Item defeituoso menor 154 Minor defective 154 Defectueux mineur
L
3.4.58 1 55 Limite da qualidade m&dia resultan 155 Average out going quality 155 Limite de la qualiti moyenne
te I imit apres lontrele

3.2.50 1 56 Limite de confianca 156 Confidence limit 156 Limite de confiance
3.2.12 1 57 Limite de tolersncia 157 Tolerance I imit 157 Limite de tolerance
3.2.52 1 58 Limite estatistico de tolersncia 158 Statistical tolerance Ii 158 Limite statistique de disper
mit sion
3.2.11 159 Limites da classe 159 Class limits 159 Limites de classe
3.4.68 160 Limites de controle (superior e ill 160 (Upper and/or lower) co” 160 Limites (superieure et/au in_
ferior) trol 1 mi ts fgrieure) de contrGle
3.4.69 161 Limites de prevengao ( superior e 161 (upper and/or lower) war_ 161 Limites (superieure et/au infe
inferior) ning 1 nits rieure) de surveillance
3.4.6 162 Lote 162 Lot 161 Lot
3.4.7 163 Lote para inspeG 163 lnspec :t ion lot 163 Lot pour inspection
/continua
3.2.26 164 Media aritmetica 164 Arithmetic mean 164 Moyenne arithmetique
3.2.27 165 MGdia (aritmetica) ponderada 165 (Arithmetic) weighted ave 165 Moyenne (arithmitique) pond5
rage r6e
3.1.15 166 Media de uma variivel aleatoria 166 Mean of a continuous ran - 166 Moyenne d’une variable aleatoi -
continua don variable re continue
3.1.14 167 Media de uma varisvel aleatoria 167 Mean of a discrete randoll 167 Moyenne d’une variable aleatol
discreta variable T-C discrete
3.2.28 168 Mediana 168 Median 168 Mediane
3.2.29 169 Moda I69 Mode 169 Mode
3.1.23 170 Momenta centrado de ordem q 170 Centred moment of order q 170 Moment centr; d’ordre q
3.1.26 171 Momento’centrado de ordens q e s 171 Joint centred moment of 171 Moment centr; d’ordres q et s
orders q and s
3.1.24 172 Momento conjunto de ordens q e s 172 Joint moment of orders q 172 Moment d’ordres q et s par
em relaC.30 Z3 origem and s about the origin rapport a I ‘origine
3.1.25 173 Moi:lento conjunto de ordens q e s 173 Joint moment of orders q 173 Moment d’ordres q et s par
em relaCao a uma origem (a, b) and s about an origin rapport a une origine (a, b)
(a. b)
3.1.21 174 Moment0 de ordem q em rela@o a 174 Moment of order q about 174 Moment d’ordre q par rapport 5
origem the origin I ‘origine
3.1.22 175 Moment0 de ordem q em relacao a 175 Moment of order q about 175 Moment d’ordre q par rapport 2
uma origem a an origin a une origine a
/continua
3.4.23 176 Nao-conformidade 176 Non-conformity 176

3.4.56 177 Nivel da qualidade aceitkl - NQA I77 Acceptable quality level 177 Niveau de qualit& acceptable
3.2.49 178 Nivel de confiansa 178 Confidence coefficient; 178 Niveau de confiance
confidence level
3.4.58 179 Nivel de inspegao 179 Inspection level I79 Niveau de controle
3.2.62 180 Nivel de significancia (de urn 180 Significance level (of a 180 Niveau de signification (d’un
teste) test) test)
3.4.32 181 NGmero de defeitos por cem un 1I 181 Mean nurlber of defects I81 Nombre wyen de d;fauts par
dades per hundred units cent unit.Gs
3.4.31 182 NGmero de defeitos por unidade 182 Mean number of defects 182 Nombre i:loyen de defauts par
per unit unite
3.2.80 I83 Nfimeros aleatorios I83 Random numbers 183 Nombre alGatoires
3.2.33 184 Parsmetro da populagao 184 Population parameter 184 Parametre de population
3.4.8 185 Partida 185 Batch 185 Lot
3.4.9 186 Pedido 186 Order 186 Commande
3.4.43 187 Piano de aceita&o por amostra 187 Acceptance sampling plan 187 Plan de r&eption par &hantil
-
gem lonnage
3.4.36 188 Piano de amostragem 188 Sampling plan 188 Plan d’khantillonnage
3.4.42 189 Piano de amostragem continua 189 Continuous sampling plan 189 Plan d’cchantillonnage continu
3.2.22 190 Poligono de’ frequencias 190 Frequency polygon 190 Polygon’e des effectifs
/continua
” ..,
/continua
3.2.23 191 Poligono de frequincias acumuladas I91 Cumulative absolute fre - 191 Polygone des effectifs cumul<s
quency polygon
3.4.53 192 Ponto de controle 192 Point of control 192 Point d'indiffirence
3.4.53 193 Ponto de indiferenga 193 Indifference point 193 Point d'indiffirence
3.2.12 I94 Ponto media da classe 194 Mid-point of class 194 Centre de classe
3.2.2 I95 Popula& 195 Population 195 Population
3.4.35 196 Porcentagem de defeituosos 196 Percent defective 196 Pourcentage de defectuex
3.2.70 197 PotGncia do teste 197 Power of the test 197 Puissance du test
3.2.83 198 Precisk 198 Precision 198 Fid&lit&
3.3.21 IVY Prepdrag& da amostra 199 Sample preparation IVY Preparation d'un Gchantillon
3.4.48 200 Probabilidade de aceitaG% 200 Probability of acceptance 200 Probabi.lit& d'acceptation
3.4.49 201 Probabi.lidade de rejei& 201 Probability of rejection 201 Probabilite de rejet
3.1.7 202 Probabilidade para uma vari&el 5 202 Probability for a discre - 202 Probabilite pour une variable
leatoria discreta te randolu variable alktoire discrete
3.4.65 203 Processo sob controle 203 Process under control 203 Processus sous controle
a
3.4.55 204 Qualidade limite 204 Limiting quality - Lot 204 Qualit; Iimite - Niveau de qua
tolerance percent defec - lit& tolere
tive
3.4.54 205 Qualidade media do prOCfss0 205 Process average 205 Qualit; moyenne d'une fabrica
tion
/continua@0
3.4.57 206 Qualidade midia resultante 206 Average out going quality 206 Qualit& moyenne apres controle
3.1.13 207 Quantil de una distribuigzo de pro 207 Fractile of a probability 207 Fractile d’une loi de probabi -
babilidade distribution lit5
R
3.2.61 208 Regi& critica 208 Critical region 208 Region critique
3.4.45 209 Rejei& 209 Reject ion 209 Rejet
3.2.84 210 Repetibilidade 210 Repeatability 210 Repetabilite
3.2.77 211 Replica 211 Replication 211 RGpGtition
3.2.85 212 Reprodutibilidade 212 Reproducibility 212 Reproductibilite
3.2.73 213 Resultado significativo (ao nivel 213 Significant result (at 213 R6sult.at significatif (au ni
escolhido) the chosen level) veau de signification choisi)
3.2.79 214 Retirada aleatoria 214 To draw at randeli 214 Tirer au hazard
3.2.67 215 Risco da primeira esp&ie 215 Type I risk (size of the 215 Risque de premigre esp&e
test)
3.2.69 216 Risco da segunda esp&ie 216 Type II risk 216 Risque de seconde esp&e
3.4.52 217 Risco do comprador 217 Consumer’s risk 217 Risque du client
3.4.51 218 Risco do fornecedor 218 Produ ICI er’s risk 218 Risque du fournisscur
3.2.67 219 Risco do tipo I 219 Type I risk (size of the 219 Risque de premiere esp&e
test)
3.2.69 220 Risco do typo II 220 Type I I risk 220 Risque de seconde esp&e
s
3.3.18 221 Sele& elementar 221 Increment 221 PrGl&ement Glementaire
3.2.9 222 Semi-amplitude 222 Mid-range 222 Milieu de l’etendue
3.4.66 223 Swum 223 Cusu-: 223

3.3.7 224 Subawstra 224 Subsample 224 Echantillon subdivise
3.2.3 225 Subpopulagao 225 Subpopulation 225 Sous-population
3.1.33 226 Superficie de regressao 226 Regression surface 226 Surface de regression
3.1.34 227 Superficie de regressso linear 227 Linear regression surface 227 Surface de regression Ii&ire
T
3.2.25 228 Tabela de contigencia 228 Contingency table 228 Tableau de contingence
3.2.24 229 Tabela ‘a dupla entrada 229 Two-way table 229 Tableau 5 double entree
3.2.14 230 Tamanho 230 Size 230 Effectif
3.4.63 231 Tamanho media da amostra 231 Average sample number 231 Effectif noyen control&
3.3.17 232 Taxa de amostragem 232 Sampling fraction 232 Taux d’khantillonnage
3.2.42 233 Tendkia do estimador 233 Bias of estimator 233 Biais d’un estimateur
3.2.64 234 Teste bilateral 234 Two-sided test 234 Test bilatGral
3.2.76 235 Teste de Fischer 235 Fischer test 235 Test de Fischer
3.2.54 236 Teste de hipoteses 236 Statistical test 236 Test statistique
3.2.75 237 Teste de Student 237 Stdudent test 237 Test de Student
3.2.74 238 Teste do qui-quadrado (X2) 238 Chi-squared test 238 Test X”
3.2.76 239 Teste F 239 F Test 239 Test F
3.2.60 240 Teste Go parametric0 240 Non-parametric test 240 Test non-parametrique
_ _ ._ _- -. ~,...,.,
3.2.59 241 Teste parametric0 241 Parametric test 241 Test parametrique
3.2.75 242 Teste t 242 t test 242 Test t
3.2.63 243 Teste unilateral 243 One-sided test 243 Test unilateral
3.4.13 244 Tolersncia 244 Tolerance 244 Tolerance
3.3.3 245 Unidade de amostra 245 Sampling unit 245 Unit6 d’ichantillonnage
3.2.65 246 Valor(es) critico(s) 246 Critical value(s) 246 Valeur(s) critique(s)
3.2.6 247 Valor observado 247 Observed value 247 Valeur observ&
3.2.81 248 Valor verdadeiro 248 True value 248 Valeur ‘vraie
3.2.31 249 Varisncia 249 Variance 249 Variance
3.1.17 250 Variancia (de uma vari&el a1eato - 250 Variance (of a random va 250 Variance (d’une variable aIs5
ria) riable) toi re)
3.1.1 251 Variavel aleatoria 251 Randor. variable-variate 251 Variable aleatoire
3.1.16 252 Variavel aleataria centrada 252 Centred random variable 252 Variable alGatoire centree
3.1.3 253 Variavel aleatoria continua 253 Continuous randcr variable 253 Variable aleatoire continue
3.1.2 254 Variavel aleatoriaadiscreta 254 Discrete randon, variable 254 Variable aleatoire discrete
3.1.20 255 Vari;ivel aleatoria padronizada 255 Standardized variate 255 Variable aleatoire reduite
3.1.36 256 Verossimilhanga 256 Like1 ihood 256 Vraisemblance
3.2.42 257 Vies 257 Bias of estimator 257 Biais d’un estimateur

NBR 10536 - 1988 - Estatistica Terminologia

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

NBR 10536 - 1988 - Estatistica Terminologia

Enviado por

Direitos autorais:

Formatos disponíveis

Cópia

3.1 Temos usodos no tecrin da probabitidade

3.1.1 Vm-idvel aleatdria

&qmn: ABNT - 3: 66.2-007181 ttB-2esb

SISTEMA NACIONAL DE ARNT - ASSOCIACAO BWILEIRA

h*rrrchrr estatktiu contmh da qualidlde. NSR 3 NORMA SRASILEIRA REGISTRADA

CDU: 821.3:61S.23: 001.4 1dwr-nrrndor SSpOifw

~otu: E usual reservar as maikculas para design+0 das variiveis aleatorias;va

3.1.2 Vari&?L alf?at%a discreta

Variivel aleatoria que somente pode assumir valores isolados.

3.1.3 Varic%el aleathia continua

3.1.4 Distribui~~o de probabilidade de wna varihel ate&&a

Fungao que determina a probabilidade de uma variivel aleat&ia assumir qualquer

flotu: A probabilidade no interval0 total de variagso da variivel i iguel a 1.

3.1.5 p~m@o distribui&o

3.1.6 ~un&o densidade de probabiZidade para uma varicive2 aZeat&ia continua

Derivada (quando existe) da fun@0 distribuigk.

Notu: f(x)dx i chamada “probabi 1 idade elementar”.

f(xldx - Pr (x < X < x + dx)

3.1.7 FrobabiLidade para uma variciuel aleat&& discreta

Probabilidade pi determinada por:

3.1.8 Distribuipab bidimensional

Distribuigio que determina a probabilidade de urn par de variheis aleatcrias as

3.1.9 DistrihipLio multidimensional

Distribuigao que determina a probabilidade de diversas variiveis aleathias, con

sideradas simultaneamente, assumirem quaisquer valores dados ou pertencerem a um

3.1.10 Distribuigo marginal

No case de uma distribuigso de probabilidade a k variiveis aleatorias, 6 a dis -

iiota: Em uma distribuigao de probabilidade corn 3 variaveis aleatorias X,~Y ‘e 2,

3.1.11 Distribuiczcio condicionai!

Nota: Em uma distribuigao de probabilidade corn duas variaveis aleatorias X e Y,

b) distribuigao conditional de Y: uma distribuigso particular 6 expressa

3.1.13 @anti2 lou fmctill de wna distribz&io de pmbabilidade

Nota: E possivel que a fungao distribuiggo seja igual a p no interval0 entre va

3.1.14 Espemnpa mate&tica lox t&dial de wna vahivet aZeat&ia diocreta

3.1.15 ~spemnga mute&tica (ou mzdial de uma varia’vel aZeat&ia continua

Para uma varisvel aleatoria continua X, tendo a densidade de probabilidade f(x),

a esperanga matemjtica 6 definida por:

estendendo-se a integral a todos OS valores do interval0 de variagao de X, sen

rotas: a) Esperanga matemitica marginal-media da distribui$o marginal, de uma ou

3.1.16 ~ari&eZ aZeat&ia centrwdu

Varihel aleatc3ria cuja esperansa matem5tica 6 igual a zero.

Nota: Se a varihel aleatoria X tiver “ma esperanga matematica igual a E(X), a

3. I. I 7 th&ncia (de wna vahivel aZeat&ial

Esperanga matemitica do quadrado da varikel aleatoria centrada.

3.1.18 Desvio pad&o (de uma vari&eZ aZeat&ial

Valor positive da raiz quadrada da varijncia.

3. I. lg Coeficiente de varia&‘o (de uma vari&eZ aZeat&ial

Quociente do desvio padrso pelo valor absolute da esperanga matemitica.

3.1.20~ VarLiveZ aZeat&ia padronizada

Varihel aleatoria na qua1 a esperan$a matematica 6 igual a zero e o desvio PF!

/iotas: a) Se a variivel aleathria X tiver uma esperaya matematica igual a E(X)

b) A distribuisao da variavel aleatoria padronizada 6 chamada “distribui-

3.1.21 bkmento de crdem q e.v rela& G origm

Esperanga matematica da q-Gsima pot&cia da vari;ivel aleatoria em relagao a ori -

gem. em uma distribuisao de probabilidade de uma variivel aleatoria, e definida

pi = Pr(X = xi) = ni/n

= freqkncia das observasoes corn valor xi.

3.1.22 ,%mento dg c~dem q em reLapio a wm origem ,a

Esperanga matematica da q-&ima potsncia da variavel aleatoria (X - a), em uma

E [(X-a)q ] = Z pi (xi - a)q

ni = freq&cia das observa@es corn valor xi

n = :: ni = freq;Gncia total das observa@es.

3. 1 . 23 ~k:rr;c?n Lo ccntmdo de .srdern :i