Elevator - Unidades 1 e 2 - Estatística e Probabilidade

1
ESTATÍSTICA E PROBABILIDADE
Prof. Me. Eng. José Ribamar Moraes
2
Unidades 1 e 2
01 INTRODUÇÃO
05 MEDIDAS DE POSIÇÃO
02 ESTATÍSTICA DESCRITIVA E
INFERENCIAL 06 MEDIDAS DE DISPERSÃO
03 AMOSTRAGEM 07 MÉTODOS GRÁFICOS
04 MÉTODOS TABULARES 08 CORRELAÇÃO E REGRESSÃO

LINEAR

3
01 INTRODUÇÃO
4
INTRODUÇÃO
• Estatística: É a ciência que cuida da coleta, descrição e
interpretação de dados.
• A estatística moderna é uma tecnologia quantitativa para a

ciência experimental e observacional que permite avaliar e
estudar as incertezas e os seus efeitos no planejamento e
interpretação de experiências e de observações de
fenômenos da natureza e da sociedade.
INTRODUÇÃO
A I M P O R T Â N C I A D A E S TAT Í S T I C A 5
FERRAMENTAS BÁSICAS DA FERRAMENTAS GERENCIAIS DA

QUALIDADE QUALIDADE
Diagrama de Afinidade
Fluxograma
Diagrama de Relações
Gráfico de Controle
Diagrama em Árvore
Diagrama de Ishikawa
Diagrama em Matriz
Folha de Verificação
Histograma Matriz de priorização
Gráfico de Dispersão Árvore de Decisão (PDPC)
Gráfico de Pareto Diagrama de Setas

INTRODUÇÃO

INTRODUÇÃO

INTRODUÇÃO
• Metrologia mecânica:

9
02 ESTATÍSTICA DESCRITIVA E INFERENCIAL

10
ESTATÍSTICA DESCRITIVA
É o ramo da estatística que visa sumarizar e descrever
qualquer conjunto de dados. Em outras palavras, é aquela
estatística que está preocupada em sintetizar os dados de
maneira direta, preocupando-se menos com variações e
intervalos de confiança dos dados. Exemplos de estatísticas
descritivas são a média, o desvio padrão e a mediana.
11
ESTATÍSTICA INFERENCIAL
A estatística inferencial é usada para fazer inferências sobre
uma população com base em uma amostra de dados. Esta usa
uma amostra aleatória dos dados coletados de uma
população para descrever e fazer inferências sobre a
população. Ela utiliza técnicas estatísticas para testar hipóteses
e estimar parâmetros.
ESTATÍSTICA DESCRITIVA E INFERENCIAL
DIFERENCIAÇÃO 12
• Deste modo, podemos afirmar que a principal diferença entre a estatística descritiva e inferencial é que a
estatística descritiva lida com a descrição e o resumo dos dados, enquanto a estatística inferencial lida com a
generalização dos resultados da amostra para a população em geral.
Estatística Descritiva Estatística Inferencial

Conjunto de técnicas que tem a função de coletar, Processo de se obter informações sobre uma
organizar, apresentar, analisar e sintetizar os dados população a partir de resultados observados na
numéricos de uma população ou amostra. amostra.
13
03 AMOSTRAGEM
AMOSTRAGEM
DEFINIÇÃO 14
Antes de iniciar o planejamento da coleta de dados, é essencial que consigamos identificar alguns objetos de
estudo da estatística, tais como população e amostra.
• População: É o conjunto de todos os elementos que possuem determinada característica em comum.
• Amostra: É qualquer subconjunto de uma população. Geralmente, amostras são finitas e utilizadas quando
a população é muito numerosa ou infinita, o que dificulta ou até impossibilita a observação de todos os seus
elementos.
Outros objetos de estudo da estatística são o censo e a amostragem.

• Censo: corresponde ao processo de coleta de dados de toda a
população.
• Amostragem: é o processo de coleta de dados de uma amostra, ou seja,
de apenas parte da população.
Censos sao raramente feitos, pois são muito demorados e caros quando
comparados a uma amostragem.

AMOSTRAGEM
VA R I Á V E I S 15
• População e amostra:

AMOSTRAGEM
• Variável: É uma condição ou característica dos elementos de uma população. Idade, peso, altura, sexo, cor
dos olhos e raça são exemplos de variáveis.
• Quando uma variável retorna valores numéricos, denomina-se como variável quantitativa. Já aquela que
retorna valores não numéricos, denomina-se variável qualitativa. Essa diferença é fácil de ser assimilada,
pois a palavra quantitativa lembra “quantidade”, ou seja, números, enquanto a palavra qualitativa lembra
“qualidade”, isto é, atributos. As variáveis quantitativas e as qualitativas podem ser subdivididas em dois
subgrupos:

AMOSTRAGEM
• Variáveis Qualitativas:
○ Ordinais → Quando existe uma ordem nos seus valores.
○ Nominais → Quando uma ordem não pode ser estabelecida entre seus valores.
• Variáveis Quantitativas:
○ Discretas → Quando resultam de um conjunto finito (ou enumerável) de valores possíveis.
○ Contínuas → quando resultam de um número infinito de valores possíveis que podem ser associados a
pontos em uma escala contínua, de modo que não haja lacunas ou interrupções.
QUALITATIVAS QUANTITATIVAS
NOMINAL ORDINAL DISCRETA CONTÍNUA
• Profissão • Escolaridade • Nº de filhos • Altura

• Sexo • Estágio da • Nº de acessos • Peso
• Religião doença à plataforma • Salário
• Classe social
18
04 MÉTODOS TABULARES
MÉTODOS TABULARES
DEFINIÇÕES 19
• Frequência (frequência absoluta): Contagem direta dos valores dispostos em uma distribuição de frequência.
• Distribuição de frequência: É um método de se agrupar dados em classes de modo a fornecer a quantidade
(e/ou a porcentagem) de dados em cada classe. Uma das maneiras mais utilizadas para organizar dados são
as tabelas de distribuição de frequências.
• Notação de uma classe: Valores compreendidos em um intervalo de uma distribuição de frequência.
○ Exemplo: 20 |– 30 indica que estão sendo considerados os valores maiores ou iguais a 20 e menores que 30.
• Proporção (frequência relativa): Divisão da frequência absoluta pela soma de todas as frequências.
• Porcentagens: É calculada multiplicando uma proporção por 100%.
• Ponto médio das classes: São os valores obtidos somando-se os valores extremos e dividindo-se por 2.

MÉTODOS TABULARES
APLICAÇÃO 20
• Exemplo 1 – Preencha a tabela a seguir de distribuição de frequências de um agrupamento de faixas etárias:

MÉTODOS TABULARES
APLICAÇÃO 21
• Exemplo 2 – Preencha a tabela a seguir de distribuição de frequências do número de títulos em um mundial:

MÉTODOS TABULARES
APLICAÇÃO 22
• Exemplo 3 – Preencha a tabela a seguir de distribuição de frequências da variável “altura”:

MÉTODOS TABULARES
APLICAÇÃO 23
• Exemplo 4 – Preencha a tabela de distribuição de frequências do exemplo 3 acrescida da coluna de ponto médio:

MÉTODOS TABULARES
ROL DE DADOS 24
• Rol: Representa a organização crescente ou decrescente de dados.

• Exemplo 5 – Organize o seguinte conjunto de dados em rol crescente e em rol decrescente:
18 – 11 – 35 – 26 – 22 – 16
Resolução:
○ Rol crescente: 11 – 16 – 18 – 22 – 26 – 35
○ Rol decrescente: 35 – 26 – 22 – 18 – 16 – 11

25
05 MEDIDAS DE POSIÇÃO
26
MEDIDAS DE POSIÇÃO
Existem outras maneiras de resumir conjuntos de dados,
que vão além de uma tabela ou um gráfico. Ferramentas
para esse fim são denominadas medidas de posição, as
quais buscam sintetizar um conjunto com um único valor.
São exemplos de medidas de posição: a média aritmética, a
mediana e a moda.
MÉDIA ARITMÉTICA 27
• Média Aritmética: A média aritmética (ou simplesmente média) corresponde a divisão da soma de todos os
valores de um conjunto de dados pela quantidade de valores desse conjunto. Se um conjunto tiver n
valores, {x1, x2, x3, ..., xn }, sua média será simbolizada por:
• Exemplo 6 – Calcular a média aritmética do seguinte conjunto de dados:

18 – 20 – 21 – 24 – 26 – 31 – 42 – 90
• Resolução:

MÉDIA ARITMÉTICA PONDERADA 28
• Média Aritmética Ponderada: A média aritmética ponderada de um conjunto de dados e calculada ao

multiplicarmos os números por seus respectivos pesos e dividirmos a soma desses produtos pela soma dos
pesos. Simbolicamente, representamos a média ponderada de x1, x2, ..., xn valores cujos pesos são,
respectivamente, p1, p2, ..., pn , por:
• Exemplo 7 – Calcular a média aritmética ponderada que apresenta as notas de um aluno nas 4 avaliações
de uma disciplina.

APLICAÇÃO 29
• Exemplo 8 – Considere que em um concurso os candidatos devam realizar três testes: conhecimentos gerais (CG),
conhecimentos específicos (CE) e aptidão física (AF), sendo que cada etapa possui um peso diferente. Na tabela a seguir
estão os resultados obtidos por dois candidatos. Se para ser aprovado é necessário obter nota final igual a 8 ou superior,
qual dos candidatos foi aprovado?
• Resolução:
Portanto, o candidato aprovado é Lucas. Prof. Me. Eng. José Ribamar Moraes
MEDIANA 30
• Mediana: A mediana (ou valor mediano) de um conjunto de dados corresponde ao valor central de um rol. Para calculá-la,
temos de considerar dois casos:
• 1º caso: quantidade ímpar de valores no conjunto
• Exemplo 9 – Calcule a mediana do rol a seguir:
• Resolução:
Como n = 7 (ímpar), a mediana (simbolizada por Md) corresponde ao valor que ocupa a posição i = (n + 1)/2 = (7+ 1)/2 = 4,
ou seja, Md = 860.

MEDIANA 31
• Mediana: A mediana (ou valor mediano) de um conjunto de dados corresponde ao valor central de um rol. Para calculá-la,
temos de considerar dois casos:
• 2º caso: quantidade par de valores no conjunto
• Exemplo 10 – Calcule a mediana do rol a seguir:
• Resolução:
Observe que agora não temos um único valor no centro do rol, mas dois deles. Um dos valores está localizado na posição i =
n/2 = 6/2 = 3 e o outro na posição i = n/2 + 1 = 6/2 + 1 = 3 + 1 = 4.
Para representar a mediana nesse caso, utilizamos a média aritmética dos dois valores centrais, ou seja, Md = (z3 + z4 )/2 =
(80 + 92)/2 → Md = 86.

APLICAÇÃO 32
• Exemplo 11 – Calcule a mediana dos valores amostrados das variáveis X e Y apresentados a seguir:
• Resolução:

33
06 MEDIDAS DE DISPERSÃO
34
MEDIDAS DE DISPERSÃO
As medidas de posição descrevem características dos valores
numéricos de um conjunto de observações em torno de um “ponto
de equilíbrio” dos dados. Nenhuma delas informa sobre o grau de
variação ou dispersão dos valores observados em relação a média.
As medidas de dispersão quantificam a variação dos dados em
relação a média e qual o seu grau de representatividade.
AMPLITUDE 35
• Amplitude (R): A amplitude representa a diferença entre o maior e o menor valor do conjunto de dados. Ela ignora como
os dados estão distribuídos, sendo calculado conforme a seguir:
R = Xi (máximo) – Xi (mínimo)
• Exemplo 12 – Calcule a amplitude do conjunto de dados a seguir:

60 – 65 – 67 – 68 – 69 – 70 – 72 – 77
• Resolução:
R = 77 – 60 = 17

VA R I Â N C I A E D E S V I O PA D R Ã O 36

• Média (Xbarra):
x f i i
X
f i
• Variância (S²): Medida de dispersão estatística que indica "o quão longe" em geral os valores se encontram do valor
esperado (média).
• Desvio Padrão (S): Indica uma medida de dispersão dos dados em torno da média amostral.

APLICAÇÃO 37
• Exemplo 13 – Determine a média e o desvio padrão da amostra para as tabelas de dados agrupados em classes de
frequência conforme a seguir:
a) b)

APLICAÇÃO 38
• Exemplo 14 – Em uma amostra de 30 medições do diâmetro externo de uma engrenagem, obteve-se a seguinte
distribuição de valores, em cm:
Classes Frequências
12 |– 17 5
17 |– 22 4
22 |– 27 6
27 |– 32 7
32 |– 37 5
37 |– 42 3
Determine:
a) A média amostral.
b) O desvio padrão amostral.

39
07 MÉTODOS GRÁFICOS
MÉTODOS GRÁFICOS
G R Á F I C O S PA R A VA R I Á V E I S 40
• Exemplos de gráficos para variáveis qualitativas e quantitativas:

○ Histograma
○ Gráfico de pizza
○ Gráfico de controle
○ Diagrama de Pareto (80-20 ou ABC)

MÉTODOS GRÁFICOS
HISTOGRAMA 41
• Histograma: É uma representação gráfica (gráfico de barras verticais ou barras horizontais) da distribuição de
frequências de um conjunto de dados quantitativos contínuos. Em suma, é um gráfico de frequência que tem
por objetivo ilustrar como uma determinada amostra ou população de dados está distribuída.

MÉTODOS GRÁFICOS
HISTOGRAMA 42
• Histograma: Também conhecido como diagrama de dispersão de frequências, um histograma consiste em

uma representação gráfica de dados que são divididos em classes. Assim, esta representação gráfica é feita
com o objetivo de conferir como um processo se comporta em relação a suas especificidades.
Fonte: https://g1.globo.com/ (2020).

MÉTODOS GRÁFICOS
APLICAÇÃO 43
• Exemplo 15 – O histograma a seguir diz respeito aos resultados obtidos por uma turma de alunos de um curso preparatório específico
para professor de educação básica. Para continuar no mercado, é necessário que esse curso aprove pelo menos 70% de seus alunos,
que, por sua vez, são professores especializando-se. Sabendo que os aprovados são apenas aqueles que obtiveram resultado ótimo ou
excelente, pode-se afirmar que esse curso continuará no mercado?
a) Sim, pois o percentual de professores aprovados foi, aproximadamente, 70%.

b) Sim, pois o percentual de professores aprovados foi, aproximadamente, 80%. • Resolução:
c) Não, pois o percentual de professores aprovados foi, aproximadamente, 50%. Total de professores = 13
d) Não, pois o percentual de professores aprovados foi, aproximadamente, 40%. Logo:
e) Sim, pois o percentual de professores aprovados foi, aproximadamente, 90%. Aprovados = (6 + 1)/13 = 7/13 = 53,84%
MÉTODOS GRÁFICOS
HISTOGRAMA 44
• Passos para elaboração de um histograma de dados não agrupados:

○ Passo 1: Determinar do número de classes (k).
○ Passo 2: Determinar a amplitude do intervalo (h).
R = maior valor – menor valor
○ Passo 3: Montar uma tabela contendo: número de classes (k), amplitude do intervalo (h), frequência simples (fi),
frequência percentual (fi%) e ponto médio (xi).
○ Passo 4: Montar o histograma.

MÉTODOS GRÁFICOS
HISTOGRAMA 45
• Como determinar o número de classes em uma distribuição de frequência:

○ Tabela de Sturges → Determinação do número de classes (k).

MÉTODOS GRÁFICOS
APLICAÇÃO 46
• Exemplo 16 – Montar o histograma acerca do rol disponível a seguir de dados de faixas etárias não agrupados.
Resolução:
○ Passo 1: Determinar do número de classes (k) → n = 40 (k = 6)
○ Passo 2: Determinar a amplitude do intervalo* (h) → h = (62 – 41) / 6 → h = 3,5 (arredondando → h = 4)
○ Passo 3: Montar uma tabela contendo: número de classes (k), amplitude do intervalo (h), frequência simples (fi), frequência percentual
(fi%) e ponto médio (xi).

MÉTODOS GRÁFICOS
APLICAÇÃO 47
• Exemplo 16:
Resolução:
○ Passo 4: Montar o histograma
O polígono de frequências é
constituído por segmentos de
retas que unem os pontos cujas
coordenadas são o ponto médio e
a frequência de cada classe. Para
fechá-lo toma-se uma classe
anterior a primeira e uma posterior
a última, uma vez que ambas
possuem frequência zero.

MÉTODOS GRÁFICOS
APLICAÇÃO 48
• Exemplo 17 – Um engenheiro mecânico de uma montadora selecionou ao acaso, uma amostra de 40 revendedores autorizados em todo
Brasil e anotou o número de unidades adquiridas por estes revendedores no mês de abril/2022, conforme demonstra a seguir. Montar o
histograma correspondente a referida demanda.
Resolução:
○ Passo 3: Montar uma tabela contendo: número de classes (k), amplitude do intervalo (h), frequência simples (fi), frequência percentual (fi%) e
ponto médio (xi).

MÉTODOS GRÁFICOS
APLICAÇÃO 49
• Exemplo 17:
Resolução:

MÉTODOS GRÁFICOS
APLICAÇÃO 50
• Exemplo 18 – Montar uma tabela de frequência e seu respectivo histograma para o peso dos homens da turma de Estatística e Probabilidade
conforme disposto a seguir.
Resolução:
○ Passo 3: Montar uma tabela contendo: número de classes (k), amplitude do intervalo (h), frequência simples (fi), frequência percentual (fi%) e
ponto médio (xi).

MÉTODOS GRÁFICOS
APLICAÇÃO 51
• Exemplo 18:
Resolução:

MÉTODOS GRÁFICOS
HISTOGRAMA 52
• Passos para elaboração de um histograma de dados agrupados:

○ Obs.: Atentar-se a denominação “média” ou “número médio” ou “valor médio”.
○ Passo 1: Calcular o ponto médio de cada classe (xi).
○ Passo 2: Realizar o somatório da multiplicação de cada ponto médio pela frequência (fi).
○ Passo 3: Realizar o cálculo final do valor médio.
X
 x f i i
 f i

MÉTODOS GRÁFICOS
APLICAÇÃO 53
• Exemplo 19 – Um engenheiro mecânico que atua numa empresa de manutenção de motores de aviões, observou nos registros da empresa,
que o tempo de mão-de-obra gastos na revisão completa de um motor apresentava-se conforme elucida o quadro a seguir. Para planejar o
orçamento e a data de entrega de 5 motores, ele deseja saber o número médio de horas de mão de obra necessário para a revisão de cada
motor. Calcule o número médio de horas de mão de obra dos dados agrupados e desenhe o histograma correspondente.
Tabela de Frequência da
manutenção de motores
Tempo de mão Número de
Classes
de obra (horas) motores
1 0 |------ 4 1
2 4 |------ 8 5
3 8 |------ 12 10
4 12 |------ 16 12
5 16 |------ 20 4
Total 32
Resolução:

MÉTODOS GRÁFICOS
APLICAÇÃO 54
• Exemplo 20 – Uma empresa fez um levantamento da venda de seu produto em vários supermercados da região de São
Luís/MA obtendo em determinado mês o seguinte quadro:
Tabela de Frequência de consumo
Número de Nº de
Classes unidades supermercados
consumidas (f i)
1 0 |------ 1000 10
2 1000 |------ 2000 50
3 2000 |------ 3000 200
4 3000 |------ 4000 320
5 4000 |------ 5000 150
6 5000 |------ 6000 30
Determine o consumo médio do produto por supermercado pesquisado e elabore o histograma correspondente.

MÉTODOS GRÁFICOS
GRÁFICO DE CONTROLE 55
• O gráfico de controle, também conhecido como gráfico de Shewhart, criado e disseminado por Walter Shewhart,
é um gráfico que diz se o nosso processo está estável ou não. A partir do acompanhamento periódico de um
indicador, sabemos se ele está sob a influência de causas especiais, o que nos ajuda a aprender mais sobre o que
está acontecendo.
 Causas comuns: pequenas significâncias
 Causas especiais: grandes significâncias (necessitam ser identificadas e eliminadas do processo)

MÉTODOS GRÁFICOS
Critérios para identificação de causas especiais:

MÉTODOS GRÁFICOS
Tipos de gráficos de controle:

MÉTODOS GRÁFICOS

MÉTODOS GRÁFICOS
Tabela de fatores:

MÉTODOS GRÁFICOS
APLICAÇÃO 60
• Exemplo 21:
Em dado processo de fabricação utilizando cartas de controle para

Xbarra e Rbarra, alguns dados amostrais de comprimento de peças
foram dispostos conforme tabela ao lado. Os dados foram
coletados em subgrupos de tamanho igual a 5. Determine os
limites de controle deste processo e o plote o gráfico de controle.

MÉTODOS GRÁFICOS
APLICAÇÃO 61
• Gráficos do exemplo 21:

MÉTODOS GRÁFICOS
APLICAÇÃO 62
• Dica para elaboração de gráfico de controle e demais gráficos estatísticos:

MÉTODOS GRÁFICOS
APLICAÇÃO 63
• Exemplo 22:
Cartas de controle Xbarra e Rbarra devem ser construídas para uma

certa dimensão de peças automotivas, medida em milímetros. Os
dados foram coletados, em subgrupos de tamanho igual a 6 e
estão na tabela ao lado. Determine o valor central e os limites de
controle e plote o gráfico de controle.

MÉTODOS GRÁFICOS
APLICAÇÃO 64

MÉTODOS GRÁFICOS

MÉTODOS GRÁFICOS
APLICAÇÃO 66
• Exemplo 23:
Em um laboratório de manutenção mecânica, a

característica de qualidade a ser controlada é a
profundidade do rasgo para chaveta de um eixo, medido
em milímetros. A medida nominal desta característica é de
6,35 mm. Assumindo que será utilizado o método
instantâneo de amostragem, onde o tamanho do subgrupo
é de 4 eixos, determine os limites de controle Xbarra e
Sbarra e plote o gráfico de controle correspondente.

MÉTODOS GRÁFICOS
APLICAÇÃO 67

MÉTODOS GRÁFICOS
Esta carta é utilizada para reportar a fração defeituosa de um produto, de uma característica de qualidade ou de um
grupo de características de qualidade.

MÉTODOS GRÁFICOS
APLICAÇÃO 69
• Exemplo 24:
A tabela ao lado fornece os resultados da inspeção de

motores de baixa tensão produzidos pelo turno da tarde
do departamento de motores. Para cada subgrupo, a
fração defeituosa é calculada pela fórmula p = np/n. O
inspetor reportou que o subgrupo 19 teve uma quantidade
anormal de defeituosos, devido às falhas nos contatos.
Determine o valor central e os limites de controle e plote o
gráfico da carta defeituosa (carta p).

MÉTODOS GRÁFICOS
APLICAÇÃO 70
• Exemplo 24:

MÉTODOS GRÁFICOS
APLICAÇÃO 71
• Gráfico do exemplo 24:

Gráfico de proporções para o refugo
0.3
0.24335
0.2
0.1104
0.1
0.0
1 3 5 7 9 11 13 15 17 19 21 23 25
MÉTODOS GRÁFICOS
• Esta carta controla o número de defeitos produzidos.
• Exemplo: Ao analisar chapas de aço de mesmo tamanho, devemos contar o número de defeitos por chapa e usar
o gráfico de controle para o número total de defeitos por unidade.

MÉTODOS GRÁFICOS
APLICAÇÃO 73
• Exemplo 25:
Apresenta-se o número de defeitos observado em 26 amostras sucessivas de 100 placas de circuito impresso
(observe que a unidade de inspeção é 100 placas): 21, 24, 16, 12, 15, 5, 28, 20, 31, 25, 20, 24, 16, 19, 10, 17, 13, 22,
18, 39, 30, 24, 16, 19, 17, 15 (totalizando 516 defeitos). Determine o valor central e os limites de controle e plote o
gráfico do número de defeitos (tipo c).
Gráfico C Para refugo
40
33.21
30
20
19.85
10
6.48
0
1 3 5 7 9 11 13 15 17 19 21 23 25 Prof. Me. Eng. José Ribamar Moraes

MÉTODOS GRÁFICOS
Também chamado de gráfico de Pareto, é um gráfico criado por Juran que ordena a frequência de um determinado
indicador do mais frequente para o menos frequente. Esse indicador normalmente representa falhas ou defeitos que
aparecem em um processo. O gráfico de Pareto nos ajuda a priorizar quais serão atacados primeiro.

MÉTODOS GRÁFICOS
O Diagrama de Pareto está intrinsecamente relacionado com a Lei de Pareto, também conhecida como princípio 80-
20 ou lei 20/80. De acordo com esta lei, 80% das consequências decorrem de 20% das causas. Esta lei foi proposta
por Joseph M. Juran, famoso consultor de negócios, que deu esse nome como homenagem ao economista
italiano Vilfredo Pareto.
• 20% esforço → 80% resultados

MÉTODOS GRÁFICOS
• Em qualquer estoque que contenha mais de um item, alguns serão mais importantes para a organização do que
outros. Em planejamento de estoque, um método muito utilizado para tal fim denomina-se curva ABC ou 80-20 ou
Diagrama de Pareto.
• Curva ABC ou 80-20: É um método de classificação de informações para que se separem os itens de maior
importância, que são, normalmente, em menor número.
• Curva ABC ou 80-20:
 Classe A: ± 20% dos itens com ± 80% do valor da importância.
 Classe B: ± 30% dos itens com ± 15% do valor da importância.
 Classe C: ± 50% dos itens com ± 5% do valor da importância.

MÉTODOS GRÁFICOS
Passos para elaboração de um diagrama de Pareto:

• Passo 1: Montar uma tabela com dados para cada categoria analisada, contendo: categorias (razões), número
de ocorrências, número de casos acumulados, percentual unitário e percentual acumulado.
• Passo 2: Para curva ABC (somatório dos dados): A ( ~ 80%), B ( ~ 95%) e C ( ~ 100%).
• Passo 3: Montar o Diagrama de Pareto.

MÉTODOS GRÁFICOS
APLICAÇÃO 78
• Exemplo 26:
Uma empresa fabrica e entrega seus produtos para várias lojas de varejo e deseja reduzir o número de devoluções.
Para isto, a empresa levantou o número de ocorrências geradoras de devolução da entrega no último semestre,
conforme demonstra o quadro a seguir. Plote e analise o Diagrama de Pareto.
150 100% 100%

97%
140
93%
90%
130 87%
125
80%
78%
110
70%
66%
90
60%
53%
70 50%
65
60
40%
50
45
30%
28%
30
30
20 20%
15
10
10%
atraso na entrega atraso transport. produto danificado faturam. incorreto separação errada pedido errado preço errado outros
-10 0%
ocorrências percentual acumulado (%)

MÉTODOS GRÁFICOS
APLICAÇÃO 79
• Exemplo 27:
Uma indústria de calculadoras eletrônicas, preocupada com vários defeitos que um de seus produtos vem
apresentando, fez um levantamento e constatou os seguintes problemas: A (defeito na cobertura plástica); B
(defeito no teclado); C (defeito na fonte de energia); D (soldas soltas); E (defeito na placa da unidade de
processamento); outros. Plote e analise o diagrama de Pareto correspondente acerca dos problemas levantados
pela indústria no seu processo.

80
08 CORRELAÇÃO E REGRESSÃO LINEAR

CORRELAÇÃO E REGRESSÃO LINEAR
CORRELAÇÃO LINEAR 81
• Correlação Linear: Corresponde ao padrão que indica o grau de correspondência entre duas variáveis. Mostra a
“intensidade” com a qual dois conjuntos de dados estão relacionados mutuamente.

REGRESSÃO LINEAR 82
• Regressão Linear: É o processo de traduzir o comportamento conjunto de duas variáveis na forma de uma “lei”
matemática denominada equação de regresso. Os conceitos de “correlação”, “dispersão” e “regressão” são
indissociáveis.
￮ Método dos mínimos quadrados: Estabelece a melhor reta que se ajusta a todos os pontos experimentais do diagrama de
dispersão, denominada reta interpoladora.
● Equação linear para tendência (regressão linear):

○ O objetivo da regressão linear simples consiste em encontrar uma equação linear de previsão, do tipo Y = a + bX.

REGRESSÃO LINEAR 83
● Equação linear para tendência (regressão linear):

● Para obter mais informações sobre a regressão realizada, pode-se ainda calcular o valor do coeficiente de correlação (r).
O coeficiente de correlação mede a direção e a força da relação entre variáveis, sendo um valor entre –1 e +1, a saber:
1. Quanto mais próximo de +1 → mais forte é a correlação positiva entre as variáveis (inclinação positiva).
2. Quanto mais próximo de –1 → mais forte é a correlação negativa entre as variáveis (inclinação negativa).
3. Um coeficiente de correlação com valor próximo de zero → significa uma baixa correlação entre as variáveis
consideradas.
● Dica de cálculo no Excel:

● A função do Excel INTERCEPÇÃO fornece o valor de “a”.
● A função do Excel INCLINAÇÃO fornece o valor de “b”.
● A função do Excel CORREL fornece o valor do coeficiente

de correlação.
RESUMO
• Regressão linear e Correlação linear:
REGRESSÃO LINEAR CORRELAÇÃO LINEAR

￮ É o processo de traduzir o comportamento ￮ Padrão que indica o grau de correspondência
conjunto de duas variáveis na forma de uma “lei” entre duas variáveis.
matemática denominada equação de regressão ￮ Mostra a “intensidade” com a qual dois conjuntos
linear. de dados estão relacionados mutuamente.
￮ Conceitos de “correlação”, “dispersão” e
“regressão” são indissociáveis.
CORRELAÇÃO POSITIVA FORTE CORRELAÇÃO POSITIVA MÉDIA
SEM CORRELAÇÃO
CORRELAÇÃO NEGATIVA FORTE CORRELAÇÃO NEGATIVA MÉDIA

APLICAÇÃO
• Exemplo 28:
Um pesquisador indagou a 7 pessoas (todas com 40 anos de idade) que aguardavam o trem em uma plataforma de metrô as
seguintes questões: qual a sua escolaridade, ou seja, quantos anos você estudou? quantos livros você já leu? As respostas
encontram-se sumarizadas na tabela a seguir, onde x representa o número de anos que a pessoa estudou e y representa o
número de livros que a pessoa leu. Determine a equação de regressão linear e calcule o valor do coeficiente de correlação linear
(r). Analise o gráfico de dispersão.
x 3 5 7 9 10 14 16
y 1 2 3 5 7 10 13

APLICAÇÃO
• Exemplo 29:
Determine a equação de regressão linear e calcule o valor do coeficiente de correlação linear (r) para o conjunto de dados
indicados a seguir:
x 2 4 7 10 13
y 2,5 3,8 8,1 9,6 14,3

APLICAÇÃO
• Exemplo 30:
Um estudante de Engenharia Mecânica realizou experimentos nos quais variava a força resultante F (em N: “Newton” – unidade
de força) que atuava em um bloco e verificava a aceleração a (em m/s²) adquirida pelo mesmo, conforme apresentado no quadro
a seguir. Pedem-se:
a) Determine a equação de regressão linear.
b) Determine o valor do coeficiente de correlação linear (r).
x y
2 1,5
4 3,1
6 3,8
8 5,8
10 6,3
12 8,5
14 10,2

APLICAÇÃO 88
• Exemplo 31 – Uma indústria do ramo metalmecânico gostaria de realizar a previsão de demanda para uma família de
produtos presentes em sua ferramentaria. Para isso, a mesma dispunha de dados de 8 semanas conforme verificado no
quadro a seguir. Identifique o comportamento da demanda pelo método de regressão linear e encontre as previsões para os
períodos 9 e 10.

APLICAÇÃO 89
• Exemplo 32 – Um produto industrial apresentou vendas dos últimos seis meses conforme dados do quadro a seguir.
Pede-se:
a) Determine a equação de regressão linear.
b) Determine a previsão para julho, agosto e setembro.
c) Calcule e analise o resultado do coeficiente de correlação linear (r).

90
DÚVIDAS?

91
ESTATÍSTICA E PROBABILIDADE

Elevator - Unidades 1 e 2 - Estatística e Probabilidade

Enviado por

Dados do documento

Título original

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

Elevator - Unidades 1 e 2 - Estatística e Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

1

03 AMOSTRAGEM 07 MÉTODOS GRÁFICOS

04 MÉTODOS TABULARES 08 CORRELAÇÃO E REGRESSÃO

Prof. Me. Eng. José Ribamar Moraes

• A estatística moderna é uma tecnologia quantitativa para a

FERRAMENTAS BÁSICAS DA FERRAMENTAS GERENCIAIS DA

Histograma Matriz de priorização

Gráfico de Dispersão Árvore de Decisão (PDPC)

Gráfico de Pareto Diagrama de Setas

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

02 ESTATÍSTICA DESCRITIVA E INFERENCIAL

Estatística Descritiva Estatística Inferencial

Outros objetos de estudo da estatística são o censo e a amostragem.

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

NOMINAL ORDINAL DISCRETA CONTÍNUA

• Profissão • Escolaridade • Nº de filhos • Altura

Prof. Me. Eng. José Ribamar Moraes

• Exemplo 1 – Preencha a tabela a seguir de distribuição de frequências de um agrupamento de faixas etárias:

Prof. Me. Eng. José Ribamar Moraes

• Exemplo 2 – Preencha a tabela a seguir de distribuição de frequências do número de títulos em um mundial:

Prof. Me. Eng. José Ribamar Moraes

• Exemplo 3 – Preencha a tabela a seguir de distribuição de frequências da variável “altura”:

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

• Rol: Representa a organização crescente ou decrescente de dados.

Prof. Me. Eng. José Ribamar Moraes

• Exemplo 6 – Calcular a média aritmética do seguinte conjunto de dados:

Prof. Me. Eng. José Ribamar Moraes

• Média Aritmética Ponderada: A média aritmética ponderada de um conjunto de dados e calculada ao

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

• Exemplo 12 – Calcule a amplitude do conjunto de dados a seguir:

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

• Exemplos de gráficos para variáveis qualitativas e quantitativas:

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

• Histograma: Também conhecido como diagrama de dispersão de frequências, um histograma consiste em

Fonte: https://g1.globo.com/ (2020).

a) Sim, pois o percentual de professores aprovados foi, aproximadamente, 70%.

d) Não, pois o percentual de professores aprovados foi, aproximadamente, 40%. Logo:

• Passos para elaboração de um histograma de dados não agrupados:

R = maior valor – menor valor

Prof. Me. Eng. José Ribamar Moraes

• Como determinar o número de classes em uma distribuição de frequência:

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

Prof. Me. Eng. José Ribamar Moraes

• Passos para elaboração de um histograma de dados agrupados:

Prof. Me. Eng. José Ribamar Moraes