Escolar Documentos
Profissional Documentos
Cultura Documentos
Alexandre Navarro
“Discutir como um fenômeno aleatório
observado no sistema real pode ser
representado no modelo de simulação”.
3
✓Coleta: processo de amostragem
5
✓Coletar e anotar as observações na mesma ordem
em que o fenômeno está ocorrendo, para permitir a
análise de correlação ;
10
Média 10,44
Mediana 5
Medidas de posição Moda 3
Mínimo 0
Máximo 728
Amplitude 728
Desvio padrão 51,42
Medidas de dispersão Variância da amostra 2.643,81
Coeficiente de Variação 493%
Coeficiente Assimetria 13,80
11
Intervalo entre chegadas (seg) de pessoas nos caixas do supermercado (200 medidas).
11 5 2 0 9 9 1 5 5 1
1 3 3 3 7 4 12 8 7 5
5 2 6 1 11 1 2 4 4 2
2 1 3 9 0 10 3 3 4 5
1 5 18 4 22 8 3 0 4 4
8 9 2 3 12 1 3 1 11 9
7 5 14 7 7 28 1 3 3 4
2 11 13 2 0 1 6 12 8 12
15 0 6 7 19 1 1 9 12 4
1 5 3 17 10 15 43 2 9 11
6 1 13 13 19 10 9 20 17 24
19 2 27 5 20 5 10 8 728 8
2 3 1 1 4 3 6 13 12 12
10 9 1 1 3 9 9 4 6 3
0 3 6 3 27 3 18 4 4 7
6 0 2 2 8 4 5 1 3 1
4 18 1 0 16 20 2 2 9 3
2 12 28 0 7 3 18 12 2 1
3 2 8 3 19 12 5 4 0 3
6 0 5 0 3 7 0 8 5 8
12
Dados
Com o outlier Sem o outlier
Média 10,44 6,83
Mediana 5 5
Desvio Padrão 51,41 6,60
Variância da amostra 2.643,81 43,60
13
✓Análise de Box-Plot
20
Valores Q3+1,5(Q3-Q1)
Q3
15
mediana
Q1
10
Q1-1,5(Q3-Q1)
outlier
0
A B C
Séries
14
Principais Motivos:
✓Erro na coleta de dados. Este tipo de outlier é o mais comum,
principalmente quando o levantamento de dados é feito por meio
manual.
✓ Eventos Raros. Nada impede que situações totalmente atípicas
ocorram na nossa coleta de dados. Alguns exemplos:
✓Um dia de temperatura negativa no verão da cidade do Rio de
Janeiro;
✓Um tempo de execução de um operador ser muito curto em relação
aos melhores desempenhos obtidos naquela tarefa;
✓Um tempo de viagem de um caminhão de entregas na cidade de São
Paulo, durante o horário de rush, ser muito menor do que fora deste
horário.
15
20
Observação
Diagrama de dispersão de um
Resposta
k +1 exemplo hipotético em que
18 existe correlação entre os
dados que compõem a amostra.
16
14
n. X i .Yi − ( X i )(
. Yi )
12 rX ,Y =
[n. X i − ( X i ) 2 ].[n. Yi − (Yi ) 2 ]
2 2
10
10 20 30 40 50 60
Observação
Obs.k
16
Diagrama de dispersão de um
exemplo hipotético em que não
há correlação entre os dados
Resposta que compõem a amostra.
Obs.
17
Histograma h=4.8
Freqüência
120
100
80
60
40
20
0
4.8 14.3 23.9 33.4 43
Bloco
18
Testes de Aderência
Construção do Histograma
O histograma é utilizado para identificar qual a distribuição a ser
ajustada aos dados coletados
4. Construir o histograma
19
H0: o modelo é adequado para representar a distribuição
da população.
21
✓Indica a probabilidade do valor encontrado ser ao acaso.
✓Parâmetro usual nos softwares de estatística.
✓Para o teste do qui-quadrado no Excel, utilizar:
=DIST.QUI (valor de c2; graus de liberdade)
Critério Indicação
Evidência forte contra a hipótese de
p-value<0,01
aderência
Evidência moderada contra a hipótese de
0,01p-value<0,05
aderência
Evidência potencial contra a hipótese de
0,05p-value<0,10
aderência
Evidência fraca ou inexistente contra a
0,10p-value
hipótese de aderência
22
✓Utilização de séries históricas
24
✓Modelagem quando não se dispõe de
dados reais
o Sistemas que ainda não existem
25
Distribuição Parâmetros Características Aplicabilidade
•Grande variabilidade dos valores
•Independência entre um valor e outro
•Variância alta
Exponencial Média •Muitos valores baixos e poucos valores altos
•Cauda para direita
•Utilizada para representar o tempo entre chegadas
sucessivas e o tempo entre falhas sucessivas
Menor valor, •Quando se conhece ou se tem um bom “chute” sobre a
Triangular moda e •Simétrica ou não moda (valor que mais ocorre), o menor valor e o maior
maior valor valor que podem ocorrer
•Simétrica •Quando a probabilidade de ocorrência de valores acima
Média e •Forma de sino da média é a mesma que valores abaixo da média
Normal desvio- •Variabilidade •Quando o tempo de um processo pode ser considerado
padrão controlada pelo desvio- a soma de diversos tempos de sub-processos
padrão •Processos manuais
•Todos os valores no
•Quando não se tem nenhuma informação sobre o
Maior valor e intervalo são
Uniforme processo ou apenas os valores limites (simulação do pior
menor valor igualmente prováveis
caso)
de ocorrer
Valores e •Utilizada para a escolha de parâmetros das entidades
probabilidade (por exemplo: em uma certa loja, 30% dos clientes
•Apenas assume os
de realizam suas compras no balcão e 70% nas prateleiras)
Discreta valores fornecidos pelo
ocorrência •Quando se conhecem apenas “valores intermediários”
analista
destes da distribuição ou a porcentagem de ocorrência de
valores alguns valores discretos
26
f (x )
BINOM (n, p)
E(x ) = np
V (x) = np(1 − p)
x
f (x ) POIS ( )
E (x ) =
x
BETA( , ) E (x ) = V (x ) =
+ ( + )2 + ( + + 1)
f (x ) α =1,5 β =5 α =6 β =2
α =4
β =4 α =2
α =2 β =1
α =2 α =3
β =1
β =3 β =2
x
0 0,5 1
ERLA(, k )
f (x )
λ =0,5
E (x ) =
k
λ =0,5 k= 3
V (x ) =
k
λ =0,2 k= 10
2
x
f (x ) GAMA( , )
α =0, E(x) =
V ( x ) = 2
α =1
α =2
x
f (x )
µ =1 σ =0,5 LOGN , ( 2
)
2
+
µ =1 σ =1 E (x ) = e 2
V (x ) = e 2 + 2
(e 2
)
−1
x
1 1
WEIB( , ) E (x ) = ( ) = x −1 − x
e dx
f (x )
0
α =0,5 β =1
2 1
2
2
1
α =3 β =1
V (x ) = 2 −
α =1 β =1 α =2 β =1
α =3 β =2