DES / UFLA GES 104 – ESTATÍSTICA APLICADA À ENGENHARIA II-2022

PROFESSOR MÁRIO VIVANCO

GABRIELA DE BARROS HUMBERTO BARCELOS

TURMA 30 F

LAVRAS-MG
2023
QUESTÃO 1

Os dados a seguir referem-se à carga máxima (kN) suportada por dois tipos diferentes de
vigas:

TIPO DE VIGA TAMANHO MÉDIA VARIÂNCIA

AMOSTRAL AMOSTRAL AMOSTRAL

Grade de carbono 25 43 4
comercial (1)

Grade de fibra de 25 33 3
vidro (2)

É possível concluir, com 95% de confiança, que a carga máxima média verdadeira suportada
pelas vigas de carbono é maior que a carga máxima média verdadeira suportada pelas vigas
de fibra de vidro?

RESPOSTA:

Utilizando as fórmulas:

⎡ ⎤
𝐼𝐶(µ1 − µ2)
100(1−α)% ⎢
⎣
( ) (
= ⎢ 𝑋1 − 𝑋2 ± 𝑡 𝑛1 + 𝑛2 − 2;
α
2 ) × 𝑆𝑝
2
( 1
𝑛1
+
1
𝑛2 ) ⎥
⎥
⎦
2 (𝑛1−1)𝑆12+ (𝑛2−1)𝑆22
𝑆𝑝 = 𝑛1+𝑛2−2

temos que:
𝑋1:carga máxima suportada pela viga de carbono
𝑋2:carga máxima suportada pela viga de vidro
µ1:carga máxima média suportada pela viga de carbono
µ2:carga máxima média suportada pela viga de vidro
Sp2 = [(24*4)+(24*3)]/48 = 3,5
100(1-α)% = 95% → 1-α = 0,95 → α = 0,05 ⇒ α/2 = 0,025
t(48;0,025) = 2,01
IC(Ⲙ1 - Ⲙ2)95% = [8,94;11,06]
O intervalo de confiança encontrado é do tipo [+;+]: (µ1-µ2) = µ1-µ2 > 0 ⇒ µ1 > µ2.
Logo, podemos concluir, com 95% de confiança, que a carga máxima média
verdadeira suportada pelas vigas de carbono É MAIOR que a carga máxima média
verdadeira suportada pelas vigas de fibra de vidro.
Comandos do R utilizados:
qt(48;0.025)
(43-33)±2.01*sqrt(3.5*(1/25+1/25))
QUESTÃO 2

Decidiu-se comparar a proporção de carros com pelo menos 1 falha na montagem em dois
sistemas de montagem (1 e 2). Encontraram-se os seguintes resultados:

SISTEMA 1: n1=200 -----encontrou 5 (CINCO) carros com pelo menos 1 falha.

SISTEMA 2: n2=200 -----encontrou 15 (QUINZE) carros com pelo menos 1 falha.

É possível concluir, com 95% de confiança, que a verdadeira proporção de carros com pelo
menos 1 falha na montagem com o sistema 1 e menor que a verdadeira proporção de carros
com pelo menos 1 falha na montagem com o sistema 2?

RESPOSTA:

Utilizando a fórmula:
⎡ 𝑃1×(1−𝑃1) 𝑃2×(1−𝑃2) ⎤
𝐼𝐶(𝑃1 − 𝑃2) = ⎢⎢(𝑃1 − 𝑃2) ± 𝑧 α × 𝑛1
+ 𝑛2
⎥
⎥
100(1−α) ⎢ 2 ⎥
⎣ ⎦
temos que:
𝑃1: 5/200 = 0,025
𝑛1 = 200

𝑃2:15/200 = 0,075
𝑛2 = 200
100(1-α)% = 95% → 1-α = 0,95 → α = 0,05 ⇒ α/2 = 0,025
IC(P1 - P2)95% = [-0,092;-0,007]
O intervalo de confiança encontrado é do tipo [-;-]: (µ1-µ2) = µ1-µ2<0 ⇒ µ1<µ2. Logo,
podemos concluir, com 95% de confiança, que a verdadeira proporção de carros com
pelo menos 1 falha na montagem com o sistema 1 É MENOR que a verdadeira
proporção de carros com pelo menos 1 falha na montagem com o sistema 2.

Comandos do R utilizados:
qnorm(0.025,lower=F)
(0.025-0.075)±1.96*sqrt(0.025*(1-0.025)/200+0.075*(1-0.075)/200)

QUESTÃO 3

É importante que as máscaras usadas pelos bombeiros sejam capazes de resistir a altas
temperaturas, pois esses profissionais trabalham com frequência em temperaturas de
200-500ºF. Em um teste de um tipo de máscara, 11 dos 55 equipamentos tiveram as lentes
estouradas a 250º. Construa um intervalo de confiança de 95% para a proporção verdadeira
(populacional) de máscaras desse tipo cujas lentes estouraram a 250º. Com base nos
resultados do seu Intervalo de Confiança, você recomendaria a compra desse tipo de
máscara?

(Veja como se comportam os limites do seu IC. Ambos limites tendem a 1? ambos limites
tendem a zero? ou não dá para recomendar nada?)

RESPOSTA:

Utilizando as fórmulas:
⎡ 𝑃×(1−𝑃) 𝑃×(1−𝑃) ⎤
𝐼𝐶(𝑃)100(1−α)% = ⎢𝑃 − 𝑧 α × ;𝑃 + 𝑧α × ⎥
⎢ 2
𝑛
2
𝑛 ⎥
⎣ ⎦
𝑓
𝑃 = 𝑁
temos que:
P:proporção de máscaras cujas lentes estouram a 250ºF
𝑃:proporção amostral de máscaras cujas lentes estouram a 250ºF
100(1-α)% = 95% → 1-α = 0,95 → α = 0,05 ⇒ α/2 = 0,025
𝑃 = 11/55 = 0,2
IC(P)95% = [0,094;0,305]
É possível concluir que a proporção verdadeira de máscaras cujas lentes estouram na
temperatura de 250º F, está contida no intervalo de [0,0942;0,3057] com confiança de
95% . Eu não recomendaria a compra dessas máscaras, pois 20% das lentes das
máscaras estouram antes de alcançar a temperatura de 500º F, o que oferece riscos à
segurança do bombeiro.

Comandos do R utilizados:
qnorm(0.025,lower=F)
0.2±1.96*sqrt((0.2*(1-0.2))/55)