Escolar Documentos
Profissional Documentos
Cultura Documentos
Existem vários tipos de gráficos de controle, mas o mais comum é o gráfico de controle de média.
Ele é utilizado para monitorar a média de um processo ao longo do tempo. Os limites de controle
superior e inferior são calculados a partir da média e do desvio padrão do processo. Quando os
dados coletados estão dentro desses limites, o processo está sob controle estatístico. Quando
os dados ultrapassam esses limites, é necessário investigar as causas e tomar medidas
corretivas.
Por exemplo, uma aplicação das Cartas de Controle é na indústria automotiva. As Cartas de
Controle podem ser usadas para monitorar a qualidade de peças produzidas em uma linha de
montagem. Se os dados coletados estiverem dentro dos limites de controle, significa que as
peças estão sendo produzidas com qualidade consistente. Se os dados ultrapassarem os limites
de controle, é necessário investigar as causas e tomar medidas corretivas para garantir a
qualidade das peças produzidas.
INFORMAÇÕES
A distribuição de Bernoulli é uma distribuição discreta de espaço amostral {0, 1}, que tem
valor 1 com a probabilidade de sucesso e valor 0 com a probabilidade de falha. Ela é usada
para representar uma variável aleatória discreta que só pode resultar em dois eventos
UNIVERSIDADE DO ESTADO DE MATO GROSSO
CAMPUS UNIVERSITÁRIO DE BARRA DO BUGRES
CURSO BACHARELADO EM ENGENHARIA DE PRODUÇÃO
AGROINDUSTRIAL
𝑃(𝑋 = 𝐾) = 1 − 𝑃 𝑠𝑒 𝐾 = 0
𝑃 𝑠𝑒 𝐾 = 1
Onde 0<p<1 e k∈{0,1}. A distribuição de Bernoulli é um caso especial da distribuição
binomial, com n=1.
A distribuição hipergeométrica é uma distribuição discreta que descreve a probabilidade
de sucessos em retiradas, sem reposição, de uma população de tamanho que contém
exatamente sucessos, sendo cada retirada um sucesso ou um fracasso. Ela é usada para
modelar a probabilidade de obter um número específico de sucessos em uma amostra
aleatória de tamanho fixo, retirada de uma população finita sem reposição. A função de
probabilidade dessa distribuição é:
( )( )
𝑃(𝑋 = 𝑘) =
( )
Onde 0≤k≤n, K é o número de sucessos na população, N é o tamanho da população e n é
o tamanho da amostra. A distribuição hipergeométrica é um caso especial da distribuição
binomial negativa, com r=1.
A distribuição normal, também conhecida como distribuição gaussiana, é uma distribuição
de probabilidade contínua e simétrica que representa o comportamento de um fenômeno
natural de forma aleatória. Ela é o principal modelo probabilístico contínuo, sendo muito
utilizada pelas áreas de Estatística, Probabilidade e Estocástica. A curva de distribuição
normal representa o comportamento de diversos processos nas empresas e muitos
fenômenos comuns, como por exemplo, altura ou peso de uma população, a pressão
sanguínea de um grupo de pessoas, o tempo que estudantes gastam em uma prova. A
distribuição normal pode ser usada para aproximar distribuições discretas de
probabilidade, como a distribuição binomial. Além disso, a distribuição normal serve
também como base para a inferência estatística clássica. Nela, a média, mediana e moda
dos dados possuem o mesmo valor.
A função de densidade de distribuição normal é dada por:
1 ( )
𝑓(𝑥) = 𝑒
𝜎√2𝜋
Onde μ é a média da distribuição, σ é o desvio padrão e x é a variável aleatória. A curva
normal é simétrica em torno da média, o que implica que a média, a mediana e a moda
são todas coincidentes. O teorema central do limite estabelece que a distribuição amostral
de uma estatística tende a se aproximar de uma distribuição normal à medida que o
tamanho da amostra aumenta.
A distribuição exponencial é uma distribuição contínua de probabilidade que descreve o
tempo entre as ocorrências de um processo de Poisson. Ela é usada para modelar a
probabilidade de um evento ocorrer em um intervalo de tempo específico. A função de
densidade de probabilidade da distribuição exponencial é dada por:
f(x) = λe−λx para 0 ≤ x < ∞
Onde λ é a taxa de ocorrência do processo de Poisson e x é a variável aleatória que
representa o tempo entre as ocorrências. A distribuição exponencial é caracterizada pela
UNIVERSIDADE DO ESTADO DE MATO GROSSO
CAMPUS UNIVERSITÁRIO DE BARRA DO BUGRES
CURSO BACHARELADO EM ENGENHARIA DE PRODUÇÃO
AGROINDUSTRIAL
Onde:
d) Sob que condições pode a distribuição de Poisson ser usada como uma aproximação da
distribuição Binomial? Por que isto pode ser útil?
A distribuição de Poisson pode ser usada como uma aproximação da distribuição binomial
quando o número de tentativas independentes é grande e a probabilidade de sucesso é
pequena. Isso pode ser útil porque a distribuição de Poisson é mais fácil de calcular do que a
distribuição binomial, especialmente quando o número de tentativas é muito grande.
𝑒 5
𝑃(𝑋 = 2) = ≈ 0.0842
2!
UNIVERSIDADE DO ESTADO DE MATO GROSSO
CAMPUS UNIVERSITÁRIO DE BARRA DO BUGRES
CURSO BACHARELADO EM ENGENHARIA DE PRODUÇÃO
AGROINDUSTRIAL
5) A experiência passada indica que um número médio de 6 clientes por hora para colocar
gasolina numa bomba.
a) Qual é a probabilidade de 3 clientes pararem qualquer hora?
𝑒 6
𝑃(𝑋 = 3) = ≈ 0.0504
3!
b) Qual é a probabilidade de 3 clientes ou menos pararem em qualquer hora?
𝑒 6
𝑃(𝑋 ≤ 3) = ≈ 0.1512
𝑥!
Portanto, a probabilidade de mais de uma lâmpada ser defeituosa em uma amostra aleatória de
30 lâmpadas utilizando a distribuição binomial é de aproximadamente 25.92%.
b) A distribuição de Poisson.
𝑃(𝑋 > 1) = 1 − 𝑃(𝑋 ≤ 1)
𝑃(𝑋 > 1) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1)]
𝑒 . 0. 3 𝑒 . 0. 3
𝑃(𝑋 > 1) = 1 − [ + ]
0! 1!
𝑃(𝑋 > 1) ≈ 0.2562
Portanto, a probabilidade de mais de uma lâmpada ser defeituosa em uma amostra aleatória de
30 lâmpadas utilizando a distribuição de Poisson é de aproximadamente 25.62%.
Portanto, a probabilidade de 4 ou menos itens serem defeituosos em uma retirada aleatória por
hora utilizando a distribuição de Poisson é de aproximadamente 2.93%.
Portanto, a probabilidade de 4 ou menos itens serem defeituosos em uma retirada aleatória por
hora utilizando a aproximação normal da Poisson é de aproximadamente 3.84%.
Portanto, a probabilidade de que o primeiro cliente pare na bomba de gasolina dentro de meia
hora é de aproximadamente 39.35%.
b) Qual é a probabilidade de que nenhum cliente pare na bomba de gasolina dentro de meia
hora.
𝑃(𝑇 > 𝑡) = 𝑒
𝑃(𝑇 > 0.5) = 𝑒 × . ≈ 0.6065
Portanto, a probabilidade de que nenhum cliente pare na bomba de gasolina dentro de meia
hora é de aproximadamente 60.65%.
11) Qual é a probabilidade de menos que 3 caras em 5 lançamentos de uma moeda honesta?
5
𝑃(𝑋 ≤ 2) = ( ) 0. 5 (1 − 0.5) = 0.5
𝑖
12) Suponha que a probabilidade de os pais terem um filhoሺaሻ com cabelos loiros seja ¼. Se
houver 6 crianças na família, qual é a probabilidade de que metade delas terem cabelos
loiros?
𝑛
𝑃(𝑋 = 𝑥) = ( )𝑝 (1 − 𝑝)
𝑥
6 1 3
𝑃(𝑋 = 3) = ≈ 0.1779785
3 4 4
13) Se a probabilidade de atingir um alvo num único disparo é 0,3, qual é a probabilidade de
que em 4 disparos o alvo seja atingido no mínimo 3 vezes?
𝑛
𝑃(𝑋 ≥ 𝑥) = 𝑝 (1 − 𝑝)
𝑖
4
𝑃(𝑋 ≥ 3) = 0. 3 0. 7 ≈ 0.4116
𝑖
14) Um inspetor de qualidade extrai uma amostra de 10 tubos aleatoriamente de uma carga
muito grande de tubosque se sabe que contém 20% de tubos defeituosos. Qual é a
probabilidade de que não mais do que 2 dos tubos extraídos sejam defeituosos?
𝑛
𝑃(𝑋 ≤ 𝑥) = 𝑝 (1 − 𝑝)
𝑖
UNIVERSIDADE DO ESTADO DE MATO GROSSO
CAMPUS UNIVERSITÁRIO DE BARRA DO BUGRES
CURSO BACHARELADO EM ENGENHARIA DE PRODUÇÃO
AGROINDUSTRIAL
10
𝑃(𝑋 ≤ 2) = 0. 2 (1 − 0.2) ≈ 0.6765
𝑖
Portanto, a probabilidade de que não mais do que 2 dos tubos extraídos sejam defeituosos é
de aproximadamente 67.65%.
16) Crie um exemplo você mesmo usando a distribuição que achar mais convicente.
Ex. Suponha que a vida útil de um tipo de lâmpada segue uma distribuição exponencial com uma
taxa média de falhas de 0,02 falhas por hora. Qual é a probabilidade de que uma lâmpada dure
mais de 100 horas?
A probabilidade de que uma lâmpada dure mais de 100 horas é dada pela distribuição
exponencial. A fórmula da distribuição exponencial é:
𝑃(𝑇 > 𝑡) = 𝑒
No caso do problema, a taxa média de falhas por hora é de λ=0.02. Portanto, a probabilidade de
que uma lâmpada dure mais de 100 horas é dada por:
. ×
𝑃(𝑇 > 100) = 𝑒 ≈ 0.1353
Portanto, a probabilidade de que uma lâmpada dure mais de 100 horas é de aproximadamente
13.53%.