Apostilapdf

Caderno de Exerccios
Alexandre Schuler
Dcima Primeira Edio
2010
INTRODUO
Este Caderno de Exerccios destina-se a auxiliar o estudante na compreenso do contedo

terico explicitado no texto bsico elaborado para as seguintes disciplinas: Estatstica Aplicada
aos Processos Qumicos, Controle Estatstico (do curso de Qumica Industrial) e Controle
Estatstico de Qualidade (do curso de Engenharia Qumica).
So cinquenta exerccios, sendo cinco sobre Probabilidade, dois sobre Grficos, quinze
sobre Testes Estatsticos, vinte e trs sobre Grficos de Controle e cinco sobre Inspeo de
Qualidade.
Todos os exerccios esto resolvidos, mas recomenda-se ao Leitor que tente resolv-los
antes de ver a resposta e que ao faz-lo acompanhe atentamente as explicaes. Especial ateno
deve ser dada ao ltimo exerccio, que resolvido por tentativas, podendo ter outras solues.
Alm disso, recomenda-se fortemente o conhecimento de aplicativos como o Excel e o
Origin, que podem facilitar grandemente na soluo de problemas estatsticos em geral.
O Autor ficar bastante agradecido por qualquer crtica, correo ou sugesto, que o
Leitor poder enviar para o endereo eletrnico schulerufpe@gmail.com.
NDICE
1. Probabilidade, 1
2. Testes Estatsticos, 7
3. Grficos de Controle, 16
4. Inspeo de Qualidade, 30
5. Tabelas teis, 35
Obs.: Os Captulos 1 e 2 so destinados disciplina Estatstica Aplicada aos Processos
Qumicos. Os Captulos 3 e 4 so especficos para as disciplinas: Controle Estatstico (Qumica
Industrial) e Controle de Qualidade Industrial (Engenharia Qumica), a cujos alunos o Autor
recomenda rever o assunto dos captulos anteriores.
ii
1. PROBABILIDADE (uso da Tabela1 de Distribuio Normal)

Estes quatro exerccios pretendem auxiliar na compreenso dos conceitos relacionados com a
curva de distribuio normal. Observem a gradativa mudana no texto, aproximando-se do objetivo
final (aplicao em controle industrial).
Exerccio 1.1. A varivel X tem distribuio normal com = 150 e = 30. Determinar as
probabilidades:
a) P(X 202,5); b) P(120 < X < 165); c) P(180 < X < 210).
Resposta:
Calcular o valor da varivel z (= (X - )/; equao 1.1) e encontrar na Tabela 1 o valor
correspondente de A (rea sob a curva normal delimitada pelos valores limites de X).
a) Para X = 202,5 z1 = (202,5 150)/30 = 1,75.
Na tabela 1 encontra-se A(z=1,75) = 0,4599 0,46. Como cada metade da curva vale 0,50 (50%), fica:
0,50 + 0,46 = 0,96 = 96% (figura 1).
b) Para X = 120 z1 = (120 150)/30 = 1 A 0,34
Para X = 165 z2 = (165 150)/30 = 0,5 A 0,19
TOTAL: 0,34 + 0,19 = 0,53 = 53% (figura 2)
c) Para X = 180 z1 = (180 150)/30 = 1 A 0,34
Para X = 210 z2 = (210 150)/30 = 2 A 0,48
TOTAL: 0,48 - 0,34 = 0,14 = 14% (figura 3)
Exerccio 1.2. Para a distribuio normal com = 200 e = 50, determinar os valores de X tais que se
tenha a probabilidade = P(|xX|) = 0,05 (5%).
Resposta: Deseja-se, em outras palavras, determinar um par de valores para X, simtricos em relao
mdia, de modo a se ter P = 1 - = 0,90 (figura 4).
Os dois termos, em mdulo, so iguais, cada um, a 0,50 0,05 = 0,45. Examinando a Tabela 1,
encontra-se, para A = 0,4505 (o valor mais prximo de 0,45), z = 1,65. Como x = z, fica: X = 200
1,65x50 = 200 82,5. Finalmente, X1 = 117,5 e X2 = 282,5.
1
Ver Tabela 1, no Captulo 5, pgina 34.
Controle Estatstico - Alexandre R. P. Schuler
Exerccio 1.3. Verificar se a mdia amostral X = 5,75 mm, de n = 5 dimetros de eixos representa
diferena estatisticamente significativa em relao mdia da populao normal, com = 5,60 mm e
= 0,10 mm.
Resposta:
OBSERVAO: Em outras palavras, pretende-se verificar se o valor 5,75 pertence populao
representada pelo par ,.
Agora, a equao 1.1 toma a forma da equao abaixo, por se tratar de uma mdia. Logo,
z = (5,75 5,60).5/0,10 = 3,36
z=
(X ) n
(equao 1.2)
Como o valor 5,75 est distante de 5,60 em mais de 3, conclui-se que a diferena d = 5,75
5,60 = 0,15 mm, para n = 5, estatisticamente significativa. De fato, consultando a Tabela 1, observase que a probabilidade de 5,75 pertencer quela populao muito baixa (P = 1 0,9996 = 0,0004 ou
0,04%).
Exerccio 1.4. Num processo industrial tem-se = 10,00 com = 0,02. Qual a probabilidade de se
encontrar, numa amostra retirada aleatoriamente desse processo, um resultado igual ou maior que:
a) 10,03 ?
b) 10,04 ?
Resposta (comparar com a figura 1):

a) P(X >10,03) z = (10,03 10,00)/0,02 = 1,5 A = 0,4332
Resultado: 0,50 0,4332 = 6,68%
b) P(X >10,04) z = 2 A = 0,4772
Resultado: 0,50 0,4772 = 2,28%.
Exerccio 1.5. Numa panificadora admite-se que um pacote de 1 kg pode ter uma variao de
10 g. Qual a probabilidade de ser encontrado um pacote com:
a) Exatamente 1015 g?
b) Mais de 1015 g?
c) Menos de 990 g?
Resposta:
Em primeiro lugar, necessrio calcular o desvio padro, a partir da relao = z , onde = 10.
Considerando z = 3, fica = 10/3 = 3,33.
a) A probabilidade de ocorrncia de um pacote com exatamente 1015 g dada pela equao:
1
f ( x) =
e
2
( x )2
2 2
Logo, P(X =1015) =
1
e
3,33 2
(10151000 ) 2
2 x 3, 332
225
= 0,0478 e 22,1778 = 0,0478 e 0 , 4574 = 0,0478 0,6327 = 0,000039 = 0,0039%
Obs.: O parmetro e vale 2,72.

b) A probabilidade de se encontrar um pacote com qualquer peso maior que 1015 g dada pela
integral (rea sob a curva normal) no intervalo colorido de cinza da figura 1. O clculo realizado
como segue:
P(X >1015) z = (1011 1000)/3,33 = 3,30 A = 0,4995
Resultado: 0,5000 0,4995 = 0,05%
Figura 1
c) A probabilidade de se encontrar um pacote com qualquer peso menor que 990 g calculada do
mesmo modo que a resposta (b):
P(X < 990) z = (1000 990)/3,33 = 3,00 A = 0,4987
Resultado: 0,5000 0,4987 = 0,13%
Exerccio 1.6. Calcular os coeficientes da reta e o coeficiente de correlao do fenmeno abaixo (a
correlao entre concentrao do analito e o sinal de um instrumento analtico). Verificar onde termina
a linearidade, admitindo que o coeficiente de correlao no pode ser menor que 0,999.
#
01 02 03
04
05
06
07
08
09
10
Conc. 1
2
5
10
20
50
100
200
500
1000
Sinal 321 643 1597 3207 6394 16054 32090 64268 142250 228456
Resposta:
a) Para calcular os coeficientes da reta de regresso e o coeficiente de correlao, preenche-se o quadro
abaixo:
Ponto no
1
2
N
Totais
x
x1
x2
xn
xi
y
y1
y2
yn
yi
x*y
x1.y1
x2.y2
xn.yn
(xi.yi)
x2
x12
x22
xn2
xi2
y2
y12
y22
yn2
y2
Fazendo X = Concentrao e Y = Sinal, fica:

Sinal
x*y
x2
y2
Ponto no Conc. (mg/L)
1
1
321
321
1
103041
2
2
643
1286
4
413449
3
5
1597
7985
25
2550409
4
10
3207
32070
100
10284849
5
20
6394
127880
400
40883236
6
50
16054
802700
2500
2,58E+08
7
100
32090
3209000
10000
1,03E+09
8
200
64268
12853600
40000
4,13E+09
9
500
142250
71125000
250000
2,02E+10
10
1000
228456
2,28E+08
1000000
5,22E+10
Totais
1,8880E+03 4,9528E+05 3,1662E+08 1,3030E+6 7,7899E+10
Seja y = b.x + a a equao da reta de regresso. Nesse caso, os valores de a e b so dados por:
b = (x.y - nx.y)/[(x)2 - nx2] = {[(1,888 103) (4,9528 105)] 10 3,1662 108)}/[(1,888
103)2 10 1,303 106)]
b = (9,3509 108 3,1662 109)/(3,5645 106 1,303 107) = - 2,2311 109/- 9,4658 106
b = 2,357 102 = 235,7
a = (y - bx) / n = [(4,9528 105) (2,3559 102 1,888 103)]/10 = [(4,9528 105) (4,4500
105)]/10
a = 0,5028 104 = 5028
Equao da reta: y = 235,7x + 5028
O Coeficiente de correlao (r) calculado com auxlio da equao:
r=
nxi.yi - xiyi
{[nxi - (xi) 2 ][nyi 2 - (yi) 2 ]}1/ 2
2
Resolvendo, fica:
r = [(10 3,1662 108) - (1,8880 103 4,9528 105)]/{[10 1,303 106 (1,8880 103)2][10
7,7899 1010 (4,9528 105)2]}1/2
r = [(3,1662 109) - (9,3509 108)]/{[10 1,303 106 (1,8880 103)2][10 7,7899 1010 (4,9528
105)2]}1/2
r = (2,2311 109)/[(9,4655 106)(5,3369 1011)]1/2
r = 2,2311 109/2,2476 109
r = 0,9927
Removendo o ltimo ponto (1000; 228456) e recalculando tudo, fica:
Equao da reta: y = 287,0 x + 1325
Coeficiente de correlao: r = 0,9987.
Como o r ainda ficou menor que 0,999 devemos remover agora o penltimo ponto (500; 142250).
Recalculando mais uma vez, fica:
Equao da reta: y = 17,8x 12
4
Coeficiente de correlao: r = 0,9999.

Concluso: a relao somente pode ser considerada linear at a concentrao de 200 mg/L.
Exerccio 1.7. Calcular os coeficientes da reta, o coeficiente de correlao e dizer se h erro aditivo
e/ou proporcional na calibrao de um termmetro cujos resultados experimentais de ponto de fuso de
dez analitos e os seus respectivos valores de literatura (aceitos como verdadeiros) esto apresentados
no Quadro 1 a seguir.
Resposta:
Inicialmente construdo o grfico (Figura 5), com auxlio de alguma ferramenta computacional. No
exemplo foi empregado o aplicativo Excel, do Microsoft Office. Essa planilha tambm calcula os
coeficientes da reta, alm do coeficiente de correlao. Mas para fins didticos, os diversos parmetros
foram calculados manualmente, pelo mtodo dos mnimos quadrados (Quadro 2).
PF (oC) PFE (oC)
75,2
77,4
87,3
89,9
94,8
97,6
107,5
110,7
115,4
118,9
122,7
126,3
135,5
139,5
148,9
154,1
157,2
162,0
164,8
169,5
Ponto de Fuso Real (PF)
Substncia
A
B
C
D
E
F
G
H
I
J
180,0
170,0
160,0
150,0
140,0
130,0
120,0
110,0
100,0
90,0
80,0
70,0
70,0
90,0
110,0
130,0
150,0
170,0
Ponto de Fuso Experimental (PFE)
Quadro 1 Dados de ponto de fuso.
Figura 1 Grfico de calibrao do termmetro.

#
1
2
3
4
5
6
7
8
9
10
Mdia
X
75,2
87,3
94,8
107,5
115,4
122,7
135,5
148,9
157,2
164,8
1209,3
120,93
Y
77,4
89,9
97,6
110,7
118,9
126,3
139,5
154,1
162
169,5
1245,9
124,59
X.Y
5820,48
7848,27
9252,48
11900,25
13721,06
15497,01
18902,25
22945,49
25466,4
27933,6
159287,3
X2
5655,04
7621,29
8987,04
11556,25
13317,16
15055,29
18360,25
22171,21
24711,84
27159,04
154594,4
Y2
(Mdia-X)2 (Mdia-Y)2
5990,76 2091,2329
2226,8961
8082,01 1130,9769
1203,3961
9525,76
682,7769
728,4601
12254,49
180,3649
192,9321
14137,21
30,5809
32,3761
15951,69
3,1329
2,9241
19460,25
212,2849
222,3081
23746,81
782,3209
870,8401
26244 1315,5129
1399,5081
28730,25 1924,5769
2016,9081
164123,2
8353,761
8896,549
Quadro 2 Dados para clculo dos diversos parmetros relacionados com o grfico da Figura 1.
Equaes:
Clculo do coeficiente angular a: a = (nx.y x. y)/[ nx2 (x)2]
Clculo do coeficiente linear b: b = (y ax) / n
Clculo do coeficiente de correlao: r =
nxi.yi - xiyi
{[nxi 2 - (xi) 2 ][nyi 2 - (yi) 2 ]}1/ 2
2
Clculo do desvio padro da reta: s r =
yi y a 2 x i x
N-2
2
Clculo do desvio padro de a: s r =
Clculo do desvio padro de b: s b = s r
yi y a 2 x i x
N-2
1
( x i ) 2
N
2
x i
Aplicando os valores do Quadro 2 s respectivas equaes, encontra-se:

a = 1,031943
b = -0,20284
r = 0,99997
sr = 0,269336
sa = 0,002947
sb = 0,366396
Concluses:
a) Considerando o valor de b e de sb, temos que os limites de confiana de b so:
-0,5692312 e 0,163561
Como o ZERO est dentro do intervalo de confiana, conclui-se que no h erro aditivo.
b) Considerando o valor de a e de sa, temos que os limites de confiana de a so:
1,0289959 e 1,03489
Como o 1 no est dentro dos limites de confiana, conclui-se que h erro proporcional, ou seja, h
necessidade de corrigir os valores de ponto de fuso (h necessidade real da construo da curva de
calibrao).
TESTES ESTATSTICOS
Exerccio 2.1. Antes de realizar um tratamento estatstico de dados experimentais, necessrio
orden-los e aplicar o teste Q para eliminao de eventuais erros grosseiros. Examine o seguinte
conjunto de dados: 1,752; 1,760; 1,758; 1,762; 1,757; 1,761 e 1,759.
Resposta:
Ordenando, fica: 1,752; 1,757; 1,758; 1,759; 1,760; 1,761 e 1,762. O dado aparentemente
discrepante o menor (1,752). Aplicando o Teste Q, fica:
Q1 =
X 2 X1
X n X1
Q1 =
1,757 1,752 0,005

=
= 0,50
1,762 1,752 0,010
Para n = 7, Qtab = 0,56 (Tabela 2).

Concluso: o dado 1,752 no pode ser rejeitado. Como a diferena Xn Xn 1 menor que X2 X1,
no h necessidade de aplicar o teste Q para o valor mais alto. Obs.: s os extremos podem estar
discrepantes (dotados de erro grosseiro).
Exerccio 2.2. Em relao questo anterior, se mais leituras fossem realizadas, encontrando-se todos
os novos valores entre 1,757 e 1,762, determinar a partir de qual valor de n poder-se-ia concluir que
1,752 dotado de erro grosseiro ?
Resposta:
Com n 1 = 8, tem-se que Qtab = 0,390. Logo, se mais duas leituras fossem efetuadas e seus
valores se situassem entre 1,757 e 1,762 (para que R no aumente nem diminua a diferena X2 X1), o
valor 1,752 deveria ser descartado.
Exerccio 2.3. As anlises de uma amostra de minrio de ferro deram os seguintes resultados (n=10):
7,08; 7,21; 7,12; 7,09; 7,16; 7,14; 7,07; 7,14; 7,18 e 7,11. Calcular a mdia, a mediana, a primeira
estimativa do desvio padro (s) e a segunda estimativa (sR).
Resposta:
Ordenando: 7,07; 7,08; 7,09; 7,11; 7,12; 7,14; 7,14; 7,16; 7,18; 7,21.
i) Mdia: X = 7,13
ii) Mediana: M = (7,12 + 7,14)/2 = 7,13
iii) Primeira estimativa do desvio padro:
Para calcular s sugerido que se monte o seguinte quadro:

xi
di
d i2
7,07
0,06
0,0036
7,08
0,05
0,0025
7,09
0,04
0,0016
s=
7,11
0,02
0,0004
2
i
n 1
7,12
0,01
0,0001
7,14
0,01
0,0001
7,14
0,01
0,0001
7,16
0,03
0,0009
7,18
0,05
0,0025
7,21
0,08
0,0064
di2
0,0182
0,0182
= 0,002022 = 0,045.
9
iv) Segunda estimativa do desvio padro (procurar o valor de Kn na Tabela 3):
sR = kn.R = 0,3249 X (7,21 7,07) = 0,3249 X 0,14 = 0,04549 (comparar com s)

Exerccio 2.4. Numa anlise de cdmio, realizada por dois analistas, foram encontrados os seguintes
resultados:
Analista 1
3,88
3,90
3,92
3,94
X 1 = 3,91
R1 = 0,06
Analista 2
3,83
3,84
3,86
3,87
X 2 = 3,85
R2 = 0,04
Comparar a exatido e a preciso relativa entre eles (como n = 4 << 10, usar a segunda estimativa do
desvio padro). Como seria a exatido absoluta de cada analista se o valor verdadeiro ( ) fosse 3,95?
Resposta:
a) Preciso:
sR = Kn.R, onde K(n = 4) = 0,4857
s R1 = 0,06 x 0,4857 = 0,029142 s R2 1 = 0,000849
s R2 = 0,04 x 0,4857 = 0,019428 s R2 2 = 0,000377
s r21
Fcalc =
2
R2
0,000849
= 2,25
0,000377
Ftab = 9,9 > 2,25

Obs.: O valor de Ftab encontrado na Tabela 4.
Concluso: ambos so igualmente precisos.
b) Exatido relativa:
t calc =
X1 X 2
2
1
S +S
n 1
2
2
3,91 3,85
0,000849 + 0,000377
3
0,06
0,001227
3
0,06
0,06
= 2,967
0,000409 0,02022
ttab = 3,182 > 2,967

Obs.: O valor de ttab encontrado na Tabela 5.
Concluso: Os analistas so igualmente exatos.
c) Exatido absoluta:
i) do analista 1
t=
X1 n
sR
(3,95 3,91) 4
0,04 x 2
0,08
=
=
= 2,745
0,029142
0,029142 0,029142
Concluso: Como ttab = 3,182 > tcalc = 2,74, o Analista 1 exato.

ii) do analista 2:
t=
X2 n
sR
(3,95 3,85) 4
0,10 x 2
0,20
=
=
= 10,294
0,019428
0,019428 0,019428
Concluso: Como ttab = 3,182 < tcalc = 10,294, o Analista 2 inexato.

Exerccio 2.5. Em uma amostra contendo cromo foram encontrados os seguintes resultados:
4,0; 4,3; 3,2; 4,1

Pergunta-se: algum desses resultados est dotado de erro grosseiro ?
Resposta:
a) ordenando, fica: 3,2; 4,0; 4,1; 4,3.
Aparentemente, o valor 3,2 pode estar dotado de erro grosseiro.
b) Aplicando o teste Q, fica:
Q1 =
4,0 3,2 0,8

=
= 0,727
4,3 3,2 1,1
Qtab = 0,941 > Qcalc (Q1)

Concluso: Como Qtab = 0,941 > Qcalc (Q1), o resultado 3,2 no pode ser rejeitado.
Exerccio 2.6. Foram realizadas mais trs repeties da anlise do exerccio anterior, encontrando-se
4,2; 3,9 e 4,0. Aplicar novamente o teste Q.
Resposta:
a) Ordenao: 3,2; 3,9; 4,0; 4,0; 4,1; 4,2; 4,3
b) Aplicando o teste Q para 3,2:
Q1 =
3,9 3,2 0,7

=
= 0,636
4,3 3,2 1,1
Concluso: Agora, Qtab = 0,560 < Qcalc. Apesar de haver diminudo a diferena (X2 X1) e
conseqentemente tambm o valor de Q1 (j que a amplitude se manteve constante), o valor mximo
para Q (Qtab) diminui bastante. Como conseqncia, agora possvel verificar que o resultado 3,2 deve
ser eliminado.
9
10
Exerccio 2.7. Calcular os limites de confiana (LC) com 95% de probabilidade para os seguintes
resultados experimentais (anlise de cobre): n = 4; X = 8,27%; s = 0,17%.
Resposta:
A relao a ser utilizada LC = X
t.s
n
Para n = 4, com 95% de probabilidade, ttab = 3,182. Logo,

LC = 8,27
3,182 0,17
4
LC = 8,27 0,27 (8,008,54)
Exerccio 2.8. Se houvessem sido realizadas 12 repeties, quais seriam os limites de confiana do
exerccio anterior ?
Resposta:
Para n = 12, ttab =2,201. Logo,
LC = 8,27 2,201 x
0,17
12
ou LC = 8,27 0,11 (8,16 8,38)
Exerccio 2.9. Aplicar o teste t para o exerccio anterior, sabendo que = 7,91.
Resposta:
t=
tcalc
X n
s
(8,27 7,91) 12 = 7,34
=
0,17
ttab = 2,201
Concluso: com ttab < tcalc, existe um erro sistemtico nessa anlise.
Exerccio 2.10. Dois analistas analisaram uma mesma amostra diversas vezes, encontrando os resultados
abaixo. Existe uma diferena significativa entre suas precises?
Analista 1: n1 = 9 e s1 = 0,210 s1 = 0,0441

Analista 2: n2 = 8 e s2 = 0,641 s2 = 0,4109
Resposta:
Fcalc =
0,4109
= 9,3
0,0441
Ftab = 3,5 < 9,3
Concluso: O analista 1 mais preciso.

10
11
Exerccio 2.11. Dois analistas foram avaliados durante um procedimento de credenciamento do

laboratrio, encontrando-se os seguintes resultados:
Analista No de repeties Mdia desvio-padro

1
4
83,88
0,24
2
6
83,13
0,11
Sabendo que o valor verdadeiro () 83,54%, pergunta-se:
a) Quem foi mais preciso?
b) Quem foi mais exato?
Resposta:
Como somente pode ser realizada uma comparao em termos de exatido quando dois conjuntos de
dados possuem a mesma preciso, necessrio primeiro responder pergunta (a):
Aplicando o teste F aos dois analistas, encontra-se:
F=
s12 (0,24) 2 0,0576

=
=
= 4,76
s 22 (0,11) 2 0,0121
Como o Ftabelado 5,4 a maior probabilidade de que ambos sejam igualmente precisos. Prosseguindo,
aplicando agora o teste t (pergunta b), comparando cada um com o valor verdadeiro, fica:
Analista 1:
t=
XA n
s
(83,88 83,54) 4
= 2,83
0,24
(83,54 83,13) 6
= 9,13
0,11
Analista 2:
t=
XA n
s
O ttabelado para n = 4 (Analista 1) 3,182. Comparando esse valor com o tcalculado (2,83), conclui-se que
o analista 1 exato. Para o analista 2 o ttabelado 2,571 (n = 6). Comparando esse valor com o tcalculado
(9,13), conclui-se que o analista 2 inexato.
Exerccio 2.12. Uma amostra sinttica com = 7,91 foi analisada por um mesmo analista em dois
equipamentos, encontrando-se os resultados abaixo. Que concluses podem ser tiradas desses
resultados ?
Equipamento 1
8,35
8,36
8,37
8,38
8,39
Equipamento 2
8,37
8,38
8,40
8,41
8,43
11
12
Resposta:
a) Clculo da mdia e da disperso
Equipamento 1
8,37
X
R
0,04
SR
0,01720
Obs.: Kn = 0,4299
Equipamento 2
8,40
0,06
0,02579
b) Comparao entre os equipamentos:

i) Exatido relativa (ttab = 2,776)
t=
8,40 8,37
(0,0172)
+ (0,02579 )
4
0,03
= 1,94
0,0155
Concluso: Como ttab > tcalc, os dois equipamentos apresentam a mesma exatido.
ii) Preciso (Ftab = 6,4)
F=
(0,02579)2
(0,0172)2
0,00066512
= 2,25
0,00029584
Concluso: Como Ftab > Fcalc, ambos os equipamentos apresentam a mesma preciso.
Exatido absoluta (ttab = 2,776).
(8,37 7,91)
Equipamento 1: t1 =
0,01720
Equipamento 2: t 2 =
(8,40 7,91)
0,02579
= 59,8
= 42,5
Concluso: ambos os equipamentos esto descalibrados.

Exerccio 2.13. Um laboratrio de percias criminais recebeu um fragmento de vidro (amostra A)
supostamente pertencente a um vaso (amostra B) encontrado quebrado no local de um crime. Anlise
por espectrofotometria de absoro atmica forneceu os seguintes resultados:
Elemento
As
Co
La
Sb
Th
A
132
0,54
4,01
2,81
0,62
Conc. (g/g)
B desvio-padro
122
2
0,61
0,026
3,60
0,20
2,77
0,26
0,75
0,044
12
13
Realizando as anlises em triplicata, o perito encarregado do caso, trabalhando com um nvel de

confiana de 95% como critrio de dvida, concluiu que as duas amostras diferem em composio,
pois trs elementos apresentam-se em A com concentraes estatisticamente diferentes das
encontradas em B (padro). Quais so esses elementos?
Dica: Trabalhar com limites de confiana. No se esquecer de aplicar corretamente as regras de arredondamento.
Resposta:
LC =
t.s/ n ;
Como n = 3,
o valor verdadeiro, ou seja, do padro (o vaso; amostra B).
= 1,732 e t = 4,303. Aplicando equao acima, fica:
Calculando para cada elemento:

As: LC = 122 4,303 x 2/1,732 = 122 5 (117 127).
Co: LC = 0,61 4,303 x 0,026/1,732 = 0,61 0,06 (0,55 0,67).
La: LC = 3,60 4,303 x 0,2/1,732 = 3,60 0,50 (3,1 4,1).
Sb: LC = 2,77 4,303 x 0,26/1,732 = 2,77 0,65 (2,12 3,42).
Th: LC = 0,75 4,303 x 0,044/1,732 = 0,75 0,11 (0,64 0,86).
Confrontando-se as mdias dos elementos na amostra com seus intervalos de confiana, observa-se
que o As, o Co e o Th encontram-se fora dos limites. Portanto, suas concentraes diferem
estatisticamente do padro. Outra forma de resolver essa questo por aplicao do teste t:
Aplicando para os elementos As e Co, encontra-se:
As: t =
Co: t =
La: t =
Sb: t =
Th: t =
XA n
s
XA n
s
XA n
s
XA n
s
XA n
s
= =
= =
= =
= =
= =
132 122 3
2
= 8,66
0,61 0,54 3
0,026
4,01 3,60 3
0,2
2,81 2,77 3
0,026
0,75 0,62 3
0,044
= 4,66
= 3,55
= 0,27
= 5,12
Como o ttabelado 4,303 (para todos os elementos), chega-se mesma concluso acima.
13
14
Exerccio 2.14. Calcular o nmero ideal de repeties para a determinao do teor de um agrotxico
numa amostra de gua cujo contedo esperado () 1 ppb, a partir dos seguintes resultados:
Xi
0,89
0,94
1,01
1,02
1,11
1,07
0,92
1,08
0,95
1,11
X = 1,01
di
0,12
0,07
0,00
0,01
0,10
0,06
0,09
0,07
0,06
0,10
di2
0,0144
0,0049
0,0000
0,0001
0,0100
0,0036
0,0081
0,0049
0,0036
0,0100
di2 = 0,0596
Resposta:
a) s =
2
i
n 1
s=
0,0596
= 0,08138
9
Frmulas a empregar:
erro absoluto = = t s
n ; erro relativo percentual (coeficiente de variao) = L = 100
b) Clculo (montagem do quadro com a memria de clculo):

n
2
3
4
5
6
7
n
1,414
1,732
2,000
2,236
2,450
2,646
t
12,706
4,303
3,182
2,776
2,571
2,447
0,7313
0,2022
0,1295
0,1010
0,0854
0,0753
Dif.
73,13
20,22
12,95
10,10
8,54
7,53
52,91
7,27
2,85
1,56
1,01
Concluso: A 3a repetio diminui o erro em 52,91 pontos percentuais, a 4a repetio diminui em 7,27
p.p., enquanto que a 5a repetio diminui em apenas 2,85 p.p. Usando esse raciocnio, chega-se
concluso que 3 repeties so suficientes. Outro critrio a se adotar seria o de estabelecer um erro
mximo (por exemplo 10%). Nesse caso, o ideal seria efetuar 5 repeties.
Exerccio 2.15. Um analista coletou duas amostras de minrio de ferro, encontrando os resultados
abaixo (5 leituras de cada amostra; Kn = 0,43). Dizer se as duas amostras so estatisticamente iguais,
em teor.
Leitura
1
2
3
4
5
Am. 1
17,6
17,3
18,1
17,7
17,8
Am. 2
18,6
18,3
18,9
18,6
18,1
14
15
Resposta:
Leitura
X
R
SR
t=
Am. 1
17,7
0,8
0,344
18,5 17,7
(0,344)
+ (0,344 )
4
Am. 2
18,5
0,8
0,344
0,8
= 3,29 > ttab = 2,776
0,2432
Concluso: as duas amostras so estatisticamente diferentes, em teor de ferro.

Entretanto, se ambas as amostras so provenientes de um mesmo lote (sub-amostras), deve-se
concluir que a homogeneizao no foi bem feita. Nesse caso, para haver uma maior
representatividade, necessrio extrair-se um nmero maior de sub-amostras e calcular a mdia
aritmtica dos teores encontrados nas n sub-amostras. Como achar o nmero ideal de sub-amostras?
Soluo: Aplicar o raciocnio empregado no exerccio anterior.
15
16
3 GRFICOS DE CONTROLE
Exerccio 3.1. Os valores de x observados em amostras de n = 4 itens constam do quadro abaixo.
Construir o grfico da mdia X (GC-X), empregando a amplitude R para o clculo dos limites de
controle (norma desconhecida; sistema americano).
AMOSTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
x1
40
49
39
41
47
48
45
42
40
42
35
39
41
40
40
39
46
44
43
38
40
45
40
42
42
MEDIDAS INDIVIDUAIS
x2
x3
44
46
41
42
45
43
42
42
42
39
45
40
45
44
36
41
46
45
45
44
39
44
40
36
39
39
48
39
43
46
44
37
36
40
41
39
41
42
38
37
42
46
41
41
38
39
48
35
39
40
x4
45
44
44
36
46
36
40
37
36
37
38
38
46
38
39
40
45
43
42
42
40
46
42
37
42
MDIAS
42,00
46,75
40,75
40,50
46,00
42,75
41,00
39,25
39,50
39,75
39,25
39,50
43,50
40,00
38,00
40,50
45,75
43,25
42,75
40,50
39,50
45,75
39,25
38,50
40,75
41,40
6
5
5
7
2
12
8
6
6
5
10
3
5
6
4
2
1
4
4
4
1
4
7
6
4
5,08
Resposta:
LM = X = 41,40;
R = 5,08; n = 4
LC = LM A2 R; A2 = 0,729 (procurar na Tabela 6, para n = 4)
LC = 41,40 0,729 x 5,08 = 41,40 3,70
LIC = 37,70; LSC = 45,10
Analisando os valores individuais X , observam-se 4 amostras com mdia fora dos limites
(no caso, acima do LSC): 2, 5, 17 e 22. Eliminando-as, fica (vide quadro na pgina seguinte):
Resposta final:
LM = X = 40,55;
R = 5,46; n = 4
LC = LM A2 R; A2 = 0,729 (procurar na Tabela 6, para n = 4)
LC = 40,55 0,729 x 5,46 = 40,55 3,96
LIC = 36,59; LSC = 44,51
16
17

AMOSTRA
x1
1
3
4
6
7
8
9
10
11
12
13
14
15
16
18
19
20
21
23
24
25
MEDIDAS INDIVIDUAIS
x2
x3
40
39
41
48
45
42
40
42
35
39
41
40
40
39
44
43
38
40
40
42
42
44
41
42
43
42
42
42
39
45
40
45
44
36
41
45
45
44
39
40
36
39
39
39
43
44
37
36
40
41
39
41
42
38
37
42
41
41
38
39
35
39
40
x4
45
44
36
36
40
37
36
37
38
38
46
38
39
40
43
42
42
40
42
37
42
MDIAS
42,00
40,75
40,50
42,75
41,00
39,25
39,50
39,75
39,25
39,50
43,50
40,00
38,00
40,50
43,25
42,75
40,50
39,50
39,25
38,50
40,75
40,55
6
5
7
12
8
6
6
5
10
3
5
6
4
2
4
4
4
1
7
6
4
5,46
Exerccio 3.2. Com os valores do exerccio anterior, construir o grfico da amplitude (GC-R).
Resposta:
Como foram eliminados quatro pontos no exerccio anterior, deve-se comear com os vinte e um
restantes. Nesse caso, tem-se:
LM = 5,46; LIC = 5,46.D3 e LSC = 5,46.D4 (valores de D3 = 0,000 e D4 = 2,282 tirados da Tabela 8
para n = 4). Logo:
LIC = 0,0 e LSC = 12,46
Como o maior valor de R 12, todos os pontos devem ser mantidos. Em caso contrrio, como este GC
trabalha em conjunto com o GC-X, o mesmo tambm deveria ser alterado.
Exerccio 3.3. Construir os GCs da mdia e da amplitude a partir das seguintes informaes:
X1
X2
X3
X4
X5
250,5
249,5
248,2
249,8
251,1
249,6
251,2
249,6
251,3
248,4
248,2
248,4
249,2
250,3
249,2
249,7
250,3
250,7
248,7
248,9
251,0
249,3
251,1
249,3
250,6
R
249,8
249,7
249,8
249,9
249,6
249,8
2,8
2,8
2,9
2,6
2,7
2,8
17
18
Resposta:
Como n=5, temos:

Equaes:
Mdia: LM = ; LC = A2 (A2 = 0,577)
Amplitude: LM = ; LIC = D3 e LSC = D4 (D3 = 0 e D4 = 2,115)
Clculos:
Mdia: LM = 249,8; LC = 249,8 0,577 X 2,8 = 249,8 1,6 LIC = 248,2 e LSC = 251,4
Amplitude: LM = 2,8; LIC = 0 e LSC = 2,115 X 2,8 = 5,9
Concluso: o processo est sob controle.
Exerccio 3.4. Construir o GC da frao defeituosa de um processo que forneceu os seguintes
resultados, tendo sido examinados n = 100 itens em cada lote (amostra):
Lote
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
d
d
11
9
15
11
22
14
7
10
6
2
11
6
9
18
7
10
8
11
14
21
16
4
11
8
9
270
d/n
0,11
0,09
0,15
0,11
0,22
0,14
0,07
0,10
0,06
0,02
0,11
0,06
0,09
0,18
0,07
0,10
0,08
0,11
0,14
0,21
0,16
0,04
0,11
0,08
0,09
Resposta: Como n = 100 e N = n = n k
n = n k = 100 X 25 lotes = 2500 itens.

Equaes:
LM =
= d/n
LM = 270/2500 = 0,108
Como LM > 0,1 empregar a frmula geral2:
LC =
3 [ (1- )/n]1/2
LC = 0,108 3 [0,108 (1-0,108)/100]1/2

LC = 0,108 3 (0,108 X 0,892/100)1/2
LC = 0,108 3 X 0,031
LC = 0,108 0,093
LIC = 0,015; LSC = 0,201
Na Figura 5 verificamos que os pontos 5 e 20 esto acima do
LSC; logo, devem ser removidos. Recalculando, fica:
LM = (270-43)/(2500-200) = 0,099; LC = 0,099 3 [0,099 (1-0,099)/100]1/2

LC = 0,099 3 (0,099 X 0,901/100)1/2
LC = 0,099 3 X 0,0299
LC = 0,099 0,0897 LIC = 0,009; LSC = 0,189
2
Ver Seo 4.7.2.a do Livro Controle Estatstico, do mesmo autor.
18
19
A Figura 6 mostra que agora todos os pontos encontram-se dentro dos novos limites.
Grfico de Controle da Frao Defeituosa
Grfico de Controle da Frao Defeituosa
0,25
0,25
pontos fora de controle
LSC
0,20
0,20
LSC
0,15
LM
0,10
Leitura
Leitura
0,15
0,05
0,10
LM
0,05
LIC
0,00
LIC
0,00
0
10
15
20
25
Nmero da amostra
10
15
20
25
Nmero da amostra
Figura 5
Figura 6
Exerccio 3.5. Construir o GC de defeituosos de um processo que forneceu os seguintes dados

(tamanho da amostra = n = 100):
Amostra
1
2
3
4
5
6
7
8
9
10
d
8
7
12
5
18
2
10
16
14
6
98
Resposta:
Como n = 100, n = 100 X 10 amostras = 1000.

Equaes:
LM = n = n d/n
LC = n 3 [n (1- )]1/2
Clculos:
= 98/1000 = 0,098 LM = 100 X 0,098 = 9,8
LC = 9,8 3 [9,8 (1-0,098)]1/2

LC = 9,8 3 (9,8 X 0,902)1/2
LC = 9,8 3 (8,8396)1/2
LC = 9,8 3 X 2,973
LC 9,8 8,9
LIC = 0,9; LSC = 18,7.
Como d = nmero de defeituosos, os limites devem ser nmeros inteiros. Logo,
LIC = 1 e LSC = 19.
Concluso: o processo est sob controle.
Exerccio 3.6. Aplicar o sistema ingls ao exerccio anterior.
Resposta:
No sistema ingls, temos dois limites: LC1 (1,96 ) e LC2 (3,09 ). Como LC2 > LC (sistema
americano), basta examinar a regio de advertncia:
19
20
LC1 = 9,8 1,96 X 2,973 = 9,8 5,827. Logo: LIC = 3,973 4 e LSC = 15,627 16.
Examinando a distribuio normal, vemos que 34% dos 10 pontos (3 pontos) podem estar entre LC1 e
LC2. Examinando os dados, vemos que exatamente 3 pontos (amostras 5, 6 e 8) esto na regio de
advertncia. Logo, temos uma distribuio normal.
Exerccio 3.7. Numa fbrica de sabonetes foram colhidas do processo k = 25 amostras com n =
50 itens. Dizer, usando o grfico da frao defeituosa:
a) o processo est sob controle?

b) se o comprador aceitar partidas com no mximo 2,5% de defeituosos, o processo atende a isso?
Dados: nas 25 amostras foram encontrados os seguintes nmeros de defeituosos: 1, 2, 5, 6, 3, 5, 2, 1, 1,
0, 0, 1, 0, 1, 0, 2, 1, 0, 0, 1, 1, 0, 0, 1, 0.
Resposta:
x
d
d/n
1
1
0,02
2
2
0,04
3
5
0,10
4
6
0,12
5
3
0,06
6
5
0,10
7
2
0,04
8
1
0,02
9
1
0,02
10
0
0,00
11
0
0,00
12
1
0,02
x
d
d/n
13
0
0,00
14
1
0,02
15
0
0,00
16
2
0,04
17
1
0,02
18
0
0,00
19
0
0,00
20
1
0,02
21
1
0,02
22
0
0,00
23
0
0,00
24
1
0,02
25
0
0,00
O total de defeituosos nas 25 amostras 34. Logo, LM = = d/n = d/n.k = 34/50 X 25

LM = 0,0272 < 0.1, Logo, emprega-se a relao simplificada3:
LIC = p 3 p / n
e
LSC = p + 3 p / n
1/2
LIC = 0,0272 3 (0,0272/50) = 0,0272 3 X 0,0233
LIC = 0,0272 0,0699
LIC = 0
LSC = 0,0272 + 0,0699
LSC = 0,0971
Concluses:
a) As amostras 3, 4 e 6 esto acima do LSC. Logo, o processo est fora de controle.
b) Se o consumidor aceita partidas com at 2,5% de defeituosos e o nmero total de defeituosos em 1250
itens foi 34, ou seja, se a frao defeituosa 0,0272, basta constatar que isso corresponde a 2,72%, que
maior que 2,5%. Logo, o processo atual no permite atender a essa exigncia. Entretanto, ao
colocarmos o processo sob controle (por exemplo, eliminando as amostras 3, 4 e 6), ficamos com uma
frao defeituosa de (34 16)/(1250 150) = 18/1100 = 0,016, que corresponde a 1,6%.
Exerccio 3.8. Numa fbrica de transistores, a produo diria de n = 2800 peas. Controle exaustivo
realizado durante oito dias revelou a existncia do seguinte nmero de defeituosos. Dizer se o processo
est sob controle.
Ver Seo 4.7.2.a do Livro Controle Estatstico, do mesmo autor.
20
21
dia defeituosos Resposta:

1
110
Equaes:
2
117
3
112
LM = n = n d/n = n d/(nk)
4
105
LC = n 3 [n (1- )]1/2
5
130
6
120
Clculos:
7
119
8
113
LM = n = 2800 X 926/(2800 X 8) = 926/8 = 115,75 = 115,75/2800
926
LM = 0,0413
LC = 115,75 3 [115,75 (1-0,0413)]1/2 = 115,75 3 (115,75 X 0,9587)1/2 = 115,75 3 X 10,53 LC =
115,75 31,59
LIC = 84,16
LSC = 147,34
Concluso: examinando os dados, observamos que todos esto abaixo do Limite Superior de Controle.
Logo, o processo est sob controle.
Exerccio 3.9. Numa determinada indstria existem duas linhas de produo. Aps anlise com 5
repeties de um total de 10 amostras de cada linha, foram obtidos os seguintes resultados. Interprete-os.
AMOSTRA
1
2
3
4
5
6
7
8
9
10
LINHA 1
LINHA 2
LEITURA R LEITURA R
5,67
8
5,50
3
5,90
7
5,58
8
5,52
9
5,66
5
5,60
6
5,76
9
5,55
8
5,68
7
5,39
8
5,65
8
5,79
7
5,61
14
5,67
8
5,59
7
5,51
5
5,51
9
5,66
6
5,64
6
Resposta:
= 5,63;
2 = 5,62;
1
= 7,20
2 = 7,60
1
Equaes:
Mdia: LM = ; LC = A2 (A2 = 0,577)
Amplitude: LM =
LIC = D3 e LSC = D4 (D3 = 0 e D4 = 2,115)
Clculos:
Mdia:
LM1 = 5,63
LC1 = 5,63 0,577 X 7,20 = 5,63 4,15
LIC1 = 1,48
LSC1 = 9,78
LM2 = 5,62
LC2 = 5,62 0,577 X 7,60 = 5,62 4,38
LIC2 = 1,24
LSC2 = 10,00
Amplitude:
LM1 = 7,2; LIC = 0 e LSC = 2,115 X 7,2 = 15,2
21
22
LM2 = 7,6; LIC = 0 e LSC = 2,115 X 7,6 = 16,1

Concluses:
Mdia e Amplitude: Ambos esto sob controle e ambos os conjuntos de dados tambm estariam sob
controle se usados os limites de controle trocados. Observe-se que aplicao dos testes t e F mostra que
suas diferenas (mdia e desvio-padro) so estatisticamente insignificantes:
sR1 = 7,2 X 0,4299 = 3,095; sR1 = 7,6 X 0,4299 = 3,267
F = (3,267)2/(3,095)2 = 10,67/9,58 = 1,11 < Ftabelado = 3,0
t = (5,63 5,62)/[(10,67+9,58)/9] = 0,01/0,12 = 0,08 < ttabelado = 2,228
Exerccio 3.10. Numa fbrica de lmpadas foi examinado um grande lote, encontrando-se uma vida
mdia de 1627 horas. com um desvio padro de 230 horas. Sabendo que a partir de ento o processo
vai ser controlado por exame de amostras com n = 4 lmpadas, calcular os limites de controle.
Resposta:
LC = LM 3 / n
LM = 1627; = 230
LC = 1627 3 X 230/41/2 = 1627 345
LIC = 1282 e LSC = 1972
Exerccio 3.11. Amostras de 5 itens foram analisadas e os valores de X e R foram calculados para
cada amostra. Para as 25 primeiras amostras foram encontrados X = 358,50 e R = 9,80. Calcular
os limites de controle para GC-X e GC-R.
Resposta:
b) GC-X:
LM = 358,50/25 = 14,34 e R = 9,80/25 = 0,39
LC = 14,34 0,39.A2; A2 = 0,577
LC = 14,34 0,22
LIC = 14,12 e LSC = 14,56
c) GC-R:
LM = R = 9,80/25 = 0,39
LIC = 0 e LSC = 2,115 x 0,39 = 0,82
Exerccio 3.12. Se os limites de especificao para o processo do exerccio anterior fossem dados por
14,40 0,45, que concluses poderiam ser tiradas dos dados, para o GC-X?
22
23
Resposta:
LSE = 14,85 > LSC = 14,56
LIE = 13,95 < LIC = 14,12
Logo, o processo, enquanto sob controle, atende especificao (seus limites ficam dentro dos limites
de especificao).
Exerccio 3.13. Da inspeo de 30 amostras com n = 4 obtiveram-se X = 12660 e s = 945. Supor o
processo sob controle. Pede-se:
a)
b)
c)
d)
os limites do GC-X;
os limites do GC-s;
a estimativa do desvio-padro do processo;
a porcentagem das amostras que ficaro fora da especificao, se LIE for igual a 400.
Respostas:
a)
b)
c)
d)
LC = 12660/30 1,88.945/30 = 422 59; LIC = 363 e LSC = 481 (A1 = 1,88; Tabela 6).
LIC = 0 e LSC = 2,266.945/30 = 71 (B3 e B4; Tabela 7)
s = c2. (ver Tabela 7) = s/c2 = 31,5/0,7979 = 39,5
Obs.: confrontar com o exerccio 1.1.
i) Clculo do :
z = ( X -xi)/ = (422-363)/ = 3 = 59/3 = 19,7
ii) Clculo de P(x>400):
z = (422-400)/ 19,7 = 22/ 19,7 = 1,12
Na tabela de distribuio normal (Tabela 1), para z = 1,10, encontra-se A = 0,3643. Como pedido o
percentual que fica abaixo de 400, resulta:
A = 0,50 0,3643 = 0,1357 ou 13,6%
Exerccio 3.14. So usados grficos de controle em uma fbrica de resistncias eltricas. Os valores
X (Ohm) e R so calculados a partir de amostras com 3 itens. Para um total de 20 amostras foram
encontrados X = 8620 e R = 910. Calcular:
a) os limites de controle de GC-X e GC-R;

b) a probabilidade de serem produzidas resistncias dentro da especificao 430 30.
Respostas:
a) Limites de controle:
No GC-X:
LC = 431 45,5 x 1,023 = 431 46,5
LIC = 384,5 e LSC = 477,5
23
24
No GC-R:
LIC = 0 e LSC = 117,2
b)
= (431-384,5)/3 = 15,5
LIE = 400; LSE = 460
z1 = (431-400)/15.5 = 2 47,72%
Logo, P1 = 50 47,72 = 2,28% de probabilidade de sair abaixo do LIE.
z2 = (460-431)/15.5 = 1,87 46,78%
Logo, P2 = 50 46,78 = 3,22% de probabilidade de sair acima do LSE.
Conseqentemente, h uma probabilidade de 2,28% + 3,22% = 5,5% de sarem produtos fora da
especificao.
Exerccio 3.15. Construir, para amostras com 5 itens, o GC-s de um processo com = 5,60 e = 0,05.
Resposta:
LM = s = c2. = 0,8407 x 0,05 = 0,042
LIC = B1. = 0
LSC = B2. = 1,745 x 0,05 = 0,089
Exerccio 3.16. Uma fbrica tem 6 linhas de produo. Anlise das mesmas forneceu os seguintes
resultados (n = 50):
LINHA
1
2
3
4
5
6
X
2,34
2,39
2,25
2,34
2,38
2,37
s
0,11
0,16
0,18
0,11
0,09
0,08
= 2,345
= 0,12
Comparar as linhas, em termos de exatido (com auxlio do GC-X) e de preciso (GC-s).

Resposta:
a) GC-X:
LM = 2,345
LC = 2,345 A1. s ; A1 = 3/c2. n
(Obs.: no podem ser usadas as tabelas porque n maior que 10)
Como n muito grande, c2 1
A1 = 3/ n = 3/ 50 = 3/7,071 = 0,424264
LC = 2,345 0,12 x 0,424264
LC = 2,345 0,051
LIC = 2,294 e LSC = 2,396
b) GC-s:
LM = 0,12
24
25
LIC = B3. s ; LSC = B4. s

(Obs.: no podem ser usadas as tabelas porque n maior que 10)
B3 = 1 - 3/ 2n = 1 - 3/ 100 = 1 0,3 = 0,7
B4 = 1 + 3/ 2n = 1 + 3/ 100 = 1 + 0,3 = 1,3
LIC = 0,7 x 0,12 = 0,084
LSC = 1,3 x 0,12 = 0,156
Comparando os dados com os limites de controle:
a) do GC-X: A linha 3 est produzindo com um valor mdio inferior a LIC.
b) do GC-s: As linhas 2 e 3 esto com uma variabilidade muito grande.
Exerccio 3.17. Sabe-se que um GC(X) tem um LSC = 3,4 e um LIC = 0,6 e que um GC(R) tem um LSC
= 4,6 e um LIC = 0. As respectivas linhas mdias valem X = 2 e R = 2 e os referidos grficos servem

para o controle de um processo no qual se tiram amostras de tamanho 4. No controle posterior do
processo, obtiveram-se os resultados abaixo:
Localizar esses valores no GC-X e no GC-R. O que est ocorrendo?
Resposta:
Como o ponto 4 est fora de controle (abaixo de LIC), preciso recalcular os limites. Os novos valores
so:
a) GC-X:
LC = 1,72 0,729 x 1,63
LC = 1,72 1,19; LIC = 0,53; LSC = 2,91
Na nova situao, em que a linha mdia caiu, encontram-se os pontos 4 e 12 fora dos limites.
Eliminando-os, fica (ver quadro na pgina seguinte):
X = 1,72 e R = 1,59
LC = 1,80 0,729 x 1,59
LC = 1,80 1,16; LIC = 0,64; LSC = 2,96
b) GC-R:
LIC = 1,59 x 0 = 0; LSC = 1,59 x 2,282 = 3,63
Como agora o processo est sob controle, possvel analisar a situao:
a) Existe um grande percentual de valores de xi abaixo da linha mdia anterior (2), sugerindo que o
valor mdio do caracterstico em anlise diminuiu estatisticamente. Se, por exemplo, trata-se do
teor de uma impureza em um dado produto, isso bom. Mas pode ser o contrrio.
b) Por outro lado, o GC-R, tambm com diminuio da linha mdia, indica que houve uma melhora
na variabilidade do processo.
25
26
HORA
x1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1,7
0,8
1,0
0,4
1,4
1,8
1,6
2,5
2,9
1,1
1,7
4,6
2,6
2,3
1,9
1,3
2,8
1,7
1,6
1,7
MEDIDAS INDIVIDUAIS
x2
x3
2,2
1,5
1,4
-0,6
2,3
2,0
1,0
1,6
2,0
1,1
3,6
2,8
2,8
2,1
1,6
2,0
1,6
3,6
0,6
1,0
1,9
2,1
1,0
0,7
2,8
1,1
1,5
1,8
0,5
3,1
2,5
3,5
3,2
2,1
1,8
3,9
0,6
0,9
1,0
0,5
x4
1,2
0,9
1,3
0,2
2,7
0,1
2,0
1,2
2,2
1,6
1,8
1,9
1,5
1,7
1,4
0,8
0,2
1,5
0,8
2,2
MDIAS
1,75
1,33
1,18
0,18
2,3
1,25
1,53
1,78
1,9
1,73
2,4
3,2
2,53
2,05
1,68
2
1,3
1,93
1
1,35
1,72
1,0
1,3
0,4
1,3
1,4
1,9
1,0
1,3
2,4
2,0
1,9
2,7
1,7
0,6
0,5
3,1
2,6
2,7
1,0
1,7
1,63
Exerccio 3.18. De um processo foram colhidas 25 amostras de tamanho 50, encontrando-se os

resultados abaixo. Calcular os limites de controle para o GC-p.
Resposta:
80
80
=
= 0,064
p=
25 x50 1250
AMOSTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
d
1
2
3
3
5
4
4
4
2
2
3
3
3
p
0,02
0,04
0,06
0,06
0,10
0,08
0,08
0,08
0,04
0,04
0,06
0,06
0,06
AMOSTRA
14
15
16
17
18
19
20
21
22
23
24
25
TOTAL
d
5
4
4
5
1
5
2
0
5
3
3
1
80
p
0,10
0,08
0,08
0,10
0,02
0,10
0,04
0,00
0,10
0,06
0,06
0,02
LC = 0,064 3 0,064(1 0,064) / 50 = 0,064 0,104

LIC = 0; LSC = 0,168
Como o maior valor de p 0,10, o processo est sob controle.
26
27
Exerccio 3.19. Calcular os limites de controle para o GC-np com os mesmos dados acima.
Resposta: LM = n p ; LC = n p 3 n p(1 p ) = 50 x 0,064 3 3,2 x 0,936 = 3,2 5,2

LIC = 0 e LSC = 8,4 e o processo est sob controle.
Exerccio 3.20. Na inspeo de 25 veculos foram encontrados os defeitos tabelados abaixo. Calcular
os limites de controle do GC-u (n = 1).
Resposta:
u=
278
= 11,12 ; LM = 11,12 e LC = 11,12 3 11,12 = 11,12 10,00
25
LIC = 1,12 e LSC = 21,12
O veculo 20, com 27 defeitos, deve voltar linha de montagem. Recalculando os limites:
u=
251
= 10,46 ; LM = 10,46 e LC = 10,46 3 10,46 = 10,46 9,70
24
LIC = 0,76 e LSC = 20,16
Agora, o veculo 15, com 21 defeitos, tambm deve voltar linha de montagem. Recalculando mais
uma vez os limites:
u=
230
= 10,00 ; LM = 10,00 e LC = 10,00 3 10,00 = 10,00 9,49
23
LIC = 0,51 0 e LSC = 19,49 19
VECULO
1
2
3
4
5
6
7
8
9
10
11
12
13
c
7
14
13
17
7
11
6
11
16
13
17
10
7
VECULO
14
15
16
17
18
19
20
21
22
23
24
25
TOTAL
c
8
21
12
8
9
5
27
9
15
3
7
5
278
Exerccio 3.21. Construir o GC-c com os dados obtidos de uma fbrica de fio de cobre, onde se faz um
inventrio do nmero de falhas na pelcula do esmalte isolante em peas com 30 metros de
comprimento. Foram examinadas 20 peas. Os dados encontram-se na pgina seguinte.
PEA
1
2
3
4
5
6
7
c PEA c PEA
7
8
0
15
15
9
11
16
9
10 13
17
5
11
0
19
0
12
5
19
4
13
8
20
11 14
6 TOTAL
c
4
11
0
12
3
10
134
134
= 6,70 ; LC = 6,70 3 6,70 = 6,70 7,76; LIC =
20
0 e LSC = 14,46
Resposta: c =
Eliminando o item 2, fica:
27
28
c=
119
= 6,26 ; LC = 6,26 3 6,26 = 6,26 7,50; LIC = 0 e LSC = 13,76
19
Exerccio 3.22. muito importante a definio da dimenso da amostra (no confundir com tamanho,
n). Se, por exemplo, houvessem sido examinados 20 peas de fio com apenas 10 metros de
comprimento, poderiam ter sido encontrados os seguintes resultados:
PEA
1
2
3
4
5
6
7
8
9
10
11
c PEA c
45
2
12
2
Resposta: c =
= 2,25 ; LC = 2,25 3 2,25 = 2,25 4,5; LIC = 0 e LSC =
5
13
3
20
3
14
2 6,75
2
15
1
0
16
4 Nesse caso, o item 2 passaria pelo teste!
1
17
0
4
19
4
0
19
1
4
20
3
4 TOTAL 45
0
Exerccio 3.23. Uma fbrica comeou com uma produo muito baixa, aumentando-a com o tempo. O
Controle de Qualidade registrou o tamanho do refugo ao longo de todo esse tempo (Quadro abaixo).
Interpretar os resultados.
Notao:
Pt = prod. total; Pu = prod. til; Ref = refugo; Pmin = prod. mnima; Po = prod. tima e Pmax = prod. mxima.
Pt
0
10
20
30
40
50
60
70
80
90
100
110
120
Pu
0
2
5
15
30
45
50
55
60
58
55
50
45
Ref
0
8
12
15
10
5
10
15
20
32
45
60
75
Ref%
0
80
60
50
25
10
17
21
25
36
45
55
63
Pu/Ref
0
0,25
0,42
1,00
3,00
9,00
5,00
3,67
3,00
1,81
1,22
0,83
0,60
O grfico abaixo (Figura 7) mostra que a produo tima se d com Pt = 50 , que a partir de Pt = 80 a
produo til comea a cair em termos absolutos, que a fbrica s tem rentabilidade na faixa
compreendida entre Pmin e Pmax e que abaixo de Pmin o custo de produo exageradamente alto.
28
29
Figura 7
29
30
4. INSPEO DE QUALIDADE
Exerccio 4.1. Numa partida com N = 50 e D = 2, qual a probabilidade de aceitao (PA) e a
probabilidade de rejeio (PR), inspecionando-se uma amostra com n = 10 e a = 1?
Resposta:
A equao
pode ser escrita como abaixo:
que pode ainda ser escrita como:
onde as letras maisculas indicam valores do lote (especificao) e as letras minsculas indicam
valores da amostra (reais). A probabilidade de aceitao (PA) dada pela relao:
F (a) = P (0 d a)
e a probabilidade de rejeio (PR) dada pela relao:
1 F(a) = P (d > a)
Para calcular F(a) para um dado valor de a deve ser efetuado o somatrio:
onde f(d) representa o modelo de distribuio escolhido (no caso, a hipergeomtrica, pois n/N =
0,2 > 0,1). Para efeito de simplificao, doravante sero omitidos os nmeros que indicam os limites
do somatrio.
Clculos:
Como N = 50, D = 2 e n = 10, temos:
Para a = 0:
f(d) = [2!/0!(2 0)!] X {(50 2)!/[10![(50 2) (10 0)!]} X [10!(50 10)!/50!]
f(d) = 1 X [48!/10!(48 10)!] X 10!40!/50!
f(d) = (48!/10!38!) X (10!40!/50!)
com outra apresentao:
30
31
Refazendo o clculo para a = 1, fica f (d) = 0,326. Logo, PA = 0,637 + 0,326 = 0,963 ou 96,3%.
Finalmente, PR = 1 0,963 = 0,037 ou 3,7%.
Exerccio 4.2. Foram extradas 50 amostras de um lote de tamanho 1000, cuja frao defeituosa
conhecida P = 0,04. Calcular PA e PR para a = 2, a = 3 e a = 6. Usar a distribuio binomial.
Resposta:
Equaes:
F(d) = n!/d!(n-d)! x Pd x Q(n-d), onde Q = 1 P
Clculos:
Para d = 0: f(d) = 50!/0!(50-0)! x (0,04)0 x (1 0,04)(50 0) = 1 x 1 x (0,96)50 = 0,130
Para d = 1: f(d) = 0,270
Para d = 2: f(d) = 0,276
Para d = 3: f(d) = 0,184
Para d = 4: f(d) = 0,090
Para d = 5: f(d) = 0,034
Para d = 6: f(d) = 0,010
Fazendo o somatrio, fica:
Para a = 2: F (a) = 0,130 + 0,270 + 0,276 = 0,676
Para a = 3: F (a) = 0,676 + 0,184 = 0,860
Para a = 6: F (a) = 0,860 + 0,090 + 0,034 + 0,010 = 0,994
Logo, considerando que PA = F (a) e PR = 1 F (a), temos:
Para a = 2: PA = 0,676; PR = 0,324
Para a = 3: PA = 0,860; PR = 0,140
Para a = 6: PA = 0,994; PR = 0,006
Exerccio 4.3. Recalcular o exerccio anterior, usando a distribuio de Poisson.
Resposta:
Equaes:
m = n.P e F (a) = md/(em.d!)
Clculos:
m = 50 X 0,04 = 2
em = e2 = (2,72)2 = 0,07344 1/e2 = 1/7,3984 = 0,135
Para d = 0: f(d) = 20 x 0,135/0! = 0,135
Para d = 1: f(d) = 21 x 0,135/1! = 0,270
Para d = 2: f(d) = 22 x 0,135/2! = 0,270
Para d = 3: f(d) = 23 x 0,135/3! = 0,180
Para d = 4: f(d) = 24 x 0,135/4! = 0,090
31
32
Para d = 5: f(d) = 25 x 0,135/5! = 0,036

Para d = 6: f(d) = 26 x 0,135/6! = 0,012
Somatrios:
Para a = 2: PA = 0,135+0,270+0,270 = 0,675; PR = 0,325
Para a = 3: PA = 0,675+0,180= 0,855; PR = 0,145
Para a = 6: PA = 0,855+0,090+0,036+0,012= 0,993; PR = 0,007
Sugesto: comparar estes resultados com os anteriores.
Exerccio 4.4. So dados:
N = 5000
P1 = NQA = 1%
P2 = NQI = 8%
= 5%
= 10%
O Plano empregado o de inspeo simples, com Nvel de Inspeo I. Determinar n e a. Em seguida,
empregando a distribuio de Poisson, recalcular o plano.
Resposta:
a) Na Tabela 9 encontra-se a Letra J; na Tabela 10: n = 80 e a = 2.

Recalculando:
Tentativa 1
Para o fabricante: PA = {[(80 x 0,01)0/e(80 x 0,01)] x 1/0!} + {[(80 x 0,01)1/e(80 x 0,01)] x 1/1!} + {[(80 x
0,01)2/e(80 x 0,01)] x 1/2!} = 1/e0,8 + 0,8 x 1/e0,8 + 0,82 x 1/e0,8 x !
PA = 0,4504 + 0,8 x 0,4504 + 0,64 x 0,4504 x1/2 = 0,4504 + 0,3603 + 0,1441 = 0,9548 = 95,5% =
100 95,5 = 4,5% < 5%
Para o comprador: PA = {[(80 x 0,08)0/e(80 x 0,08)] x 1/0!} + {[(80 x 0,08)1/e(80 x 0,08)] x 1/1!} + {[(80 x
0,08)2/e(80 x 0,08)] x 1/2!} = 1/e6,4 + 6,4 x 1/e6,4 + 6,42 x 1/e-6,4 x = 0,001694 + 6,4 x 0,001694 + 40,96
x 0,001694/2
PA = 0,001694 + 0,01084 + 0,03469 = 0,047 = 4,7% = 4,7% < 10%.
Este pode ser o Plano, mas o Comprador gostaria de diminuir seu custo de inspeo (diminuindo o
tamanho da amostra), j que seu risco real (4,7%) muito menor que o risco tolervel (10%).
Tentativa 2
Se diminuirmos o valor de n para 60, por exemplo, fica:
0,01)2/e(60 x 0,01)] x 1/2!}= 1/e0,6 + 0,6 x 1/e0,6 + 0,36 x 1/e0,6 x !
PA = 0,5498 + 0,6 x 0,5498 + 0,36 x 0,5498/2 = 0,5498 + 0,3299 + 0,09896 = 0,9787 = 97,9% = 100
97,9 = 2,1% < 5%
32
33
0,08)2/e(60 x 0,08)] x 1/2!} = 1/e4,8 + 4,8 x 1/e4,8 + 23,04 x 1/e4,8 x
PA = 0,00835 + 0,04008 + 0,0962 = 0,1446 = 14,5% = 14,5% > 10%.
Comparemos os resultados encontrados at agora com os valores desejados:
Situao Valor de a Valor de n Valor de Valor de
esperada
2
80
5
10
tentativa 1
2
80
4,5
4,7
tentativa 2
2
60
2,1
14,5
Infelizmente essa opo elevou o valor de consideravelmente, levando-nos a tentar trabalhar com um
valor de n intermedirio (70).
Tentativa 3
0,01)2/e(70 x 0,01)] x 1/2!}
PA = 1/e0,7 + 0,7 x 1/e0,7 + 0,49 x 1/e0,7 x
PA = 0,4976 + 0,7 x 0,4976 + 0,49 x 0,4976/2 = 0,4976 + 0,3483 + 0,1219 = 96,8% = 100 96,8 =
3,2% < 5%
0,08)2/e(70 x 0,08)] x 1/2!}
PA = 1/e5,6 + 5,6 x 1/e5,6 + 31,36 x 1/e5,6 x
PA = 0,00376 + 0,021056 + 0,05896 = 0,0838 = 8,4% = 8,4% < 10%.
Como agora o Comprador se deu por satisfeito, o Plano definitivo :
N = 5000; n = 70; a = 2; P1 = 1%; P2 = 8%; = 3,2% e = 8,4%.
Exerccio 4.5. Uma amostra de tamanho n = 100 retirada da produo. Admite-se que NQ pode
variar entre 0% e 20%. Calcular e construir a CCO para a = 10, empregando a equao de Poisson.
Dica: quanto mais pontos, mais bem definida fica a curva.
Resposta: Atribuir vrios valores para P (porcentagem de defeituosos), entre 0,0 e 0,2 (0% e 20%) e
calcular o correspondente valor de PA. A CCO construda colocando-se P na abcissa e PA na
ordenada.
Equaes:
m = n.P; PA = md/(em.d!)
Desenvolvimento: calcular m e PA para cada valor de P.
1) P = 0% = 0
m = 100 x 0 = 0
PA = (00/e0) x 1/0! + (01/e0) x 1/1! + (02/e0) x 1/2! + (03/e0) x 1/3! + (04/e0) x 1/4! + (05/e0) x 1/5! +
(06/e0) x 1/6! + (07/e0) x 1/7! + (08/e0) x 1/8! + (09/e0) x 1/9! + (010/e0) x 1/10!
33
34
PA = (1/1) x 1/1 + (0/1) x 1/1 + (0/1) x 1/2 + (0/1) x 1/6 + (0/1) x 1/24 + (0/1) x 1/120 + (0/1) x 1/720
+ (0/1) x 1/5040 + (0/1) x 1/40320 + (0/1) x 1/362880 + (0/1) x 1/3628800
PA = 1 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0 + 0
PA = 1 = 100%
2) P = 0,5% = 0,005
m = 100 x 0,005 = 0,5

PA = (0,50/e0,5) x 1/0! + (0,51/e0,5) x 1/1! + (0,52/e0,5) x 1/2! + (0,53/e0,5) x 1/3! + (0,54/e0.5) x 1/4! +
(0,55/e0,5) x 1/5! + (0,56/e0,5) x 1/6! + (0,57/e0,5) x 1/7! + (0,58/e0,5) x 1/8! + (0,59/e0,5) x 1/9! +
(0,510/e0,5) x 1/10!
PA = (1/1,649) x 1/1 + (0,5/1,649) x 1/1 + (0,25/1,649) x 1/2 + (0,125/1,649) x 1/6 + (0,0625/1,649) x
1/24 + (0,03125/1,649) x 1/120 + (0,015625/1,649) x 1/720 + (0,0078125/1,649) x 1/5040 +
(0,00390625/1,649) x 1/40720 + (0,001953125/1,649) x 1/362880 + (0,0009765625/1,649) x
1/3628800
PA = 0,6064 x 1 + 0,3032 x 1 + 0,1516 x 0,5 + 0,0758 x 0,1667 + 0,0379 x 0,04167 + 0,01895 x
0,008333 + 0,009475 x 0,001389 + 0,0047375 x 0,0001984 + + (0,00390625/1,649) x 1/40320+
0,001184375 x 0,000002756 + 0,0005921875 x 0,0000002756
PA = 0,6064 + 0,3032 + 0,0758 + 0,01264 + 0,001579 + 0,0001579 + 0,00001316 + 0,0000009399 +
0,00000005875 + 0,000000003264+ 0,0000000001632
PA = 1,00 = 100,00%
3) P = 1% = 0,01
m = 100 x 0,01 = 1
PA = (10/e1) x 1/0! + (11/e1) x 1/1! + (12/e1) x 1/2! + (13/e1) x 1/3! + (14/e1) x 1/4! + (15/e1) x 1/5! +
(16/e1) x 1/6! + (17/e1) x 1/7! + (18/e1) x 1/8! + (19/e1) x 1/9! + (110/e1) x 1/10!
PA = (1/2,72) x 1/1 + (1/2,72) x 1/1 + (1/2,72) x 1/2 + (1/2,72) x 1/6 + (1/2,72) x 1/24 + (1/2,72) x
1/120 + (1/2,72) x 1/720 + (1/2,72) x 1/5040 + (1/2,72) x 1/40320 + (1/2,72) x 1/362880 + (1/2,72) x
1/3628800
PA = 0,36765 + 0,36765 + 0,18382 + 0,061274 + 0,01532 + 0,003064 + 0,0005106 + 0,00007294 +
0,000009118 + 0,000001013 + 0,0000001013
PA = 0,9994 = 99,94%
Obs.: Como o leitor deve ter observado, o clculo manual bastante trabalhoso, verdadeiramente
exaustivo. Para facilitar, importante o conhecimento de aplicativos (programas computacionais) que
faam esse trabalho braal por ns. Uma vez calculados vrios valores de PA, os mesmos so
colocados num grfico (na ordenada) e correlacionados com os correspondentes valores de P (na
abcissa). Este grfico pode, por exemplo, ser construdo manualmente, em papel milimetrado, mas
tambm com auxlio de algum aplicativo (o prprio Excel ou o Origin, entre outros tantos disponveis
no mercado especializado).
34
35
5. TABELAS TEIS
As tabelas apresentadas a seguir devero ser utilizadas para a melhor compreenso dos
exerccios, bem como a resoluo de exerccios equivalentes.
35
36
TABELA 1 (Captulo 1)
REAS
A(zo) = P (0 z zo) para zo = (x - )/ (ramo positivo da curva)4
zo
zo
zo
zo
zo
zo
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,10
0,11
0,12
0,13
0,14
0,15
0,16
0,17
0,18
0,19
0,20
0,21
0,22
0,23
0,24
0,25
0,26
0,27
0,28
0,29
0,30
0,31
0,32
0,33
0,34
0,35
0,36
0,37
0,38
0,39
0,40
0,41
0,42
0,43
0,44
0,45
0,46
0,47
0,48
0,49
0,50
0,51
0,52
0,53
0,54
0,55
0,56
0,57
0,58
0,59
0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
0,0239
0,0279
0,0319
0,0359
0,0398
0,0438
0,0478
0,0517
0,0557
0,0596
0,0636
0,0675
0,0714
0,0753
0,0793
0,0832
0,0871
0,0910
0,0948
0,0987
0,1026
0,1064
0,1103
0,1141
0,1179
0,1217
0,1255
0,1293
0,1331
0,1368
0,1406
0,1443
0,1480
0,1517
0,1554
0,1591
0,1628
0,1664
0,1700
0,1736
0,1772
0,1808
0,1844
0,1879
0,1915
0,1950
0,1985
0,2019
0,2054
0,2088
0,2123
0,2157
0,2190
0,2224
0,60
0,61
0,62
0,63
0,64
0,65
0,66
0,67
0,68
0,69
0,70
0,71
0,72
0,73
0,74
0,75
0,76
0,77
0,78
0,79
0,80
0,81
0,82
0,83
0,84
0,85
0,86
0,87
0,88
0,89
0,90
0,91
0,92
0,93
0,94
0,95
0,96
0,97
0,98
0,99
1,00
1,01
1,02
1,03
1,04
1,05
1,06
1,07
1,08
1,09
1,10
1,11
1,12
1,13
1,14
1,15
1,16
1,17
1,18
1,19
0,2257
0,2291
0,2324
0,2357
0,2389
0,2422
0,2454
0,2486
0,2517
0,2549
0,2580
0,2611
0,2642
0,2673
0,2704
0,2734
0,2764
0,2794
0,2823
0,2852
0,2881
0,2910
0,2939
0,2967
0,2995
0,3023
0,3051
0,3078
0,3106
0,3133
0,3159
0,3186
0,3212
0,3238
0,3264
0,3289
0,3315
0,3340
0,3365
0,3389
0,3413
0,3438
0,3461
0,3485
0,3508
0,3531
0,3554
0,3577
0,3599
0,3621
0,3643
0,3665
0,3686
0,3708
0,3729
0,3749
0,3770
0,3790
0,3810
0,3830
1,20
1,21
1,22
1,23
1,24
1,25
1,26
1,27
1,28
1,29
1,30
1,31
1,32
1,33
1,34
1,35
1,36
1,37
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,46
1,47
1,48
1,49
1,50
1,51
1,52
1,53
1,54
1,55
1,56
1,57
1,58
1,59
1,60
1,61
1,62
1,63
1,64
1,65
1,66
1,67
1,68
1,69
1,70
1,71
1,72
1,73
1,74
1,75
1,76
1,77
1,78
1,79
0,3849
0,3869
0,3888
0,3907
0,3925
0,3944
0,3962
0,3980
0,3997
0,4015
0,4032
0,4049
0,4066
0,4082
0,4099
0,4115
0,4131
0,4147
0,4162
0,4177
0,4192
0,4207
0,4222
0,4236
0,4251
0,4265
0,4279
0,4292
0,4306
0,4319
0,4332
0,4345
0,4357
0,4370
0,4382
0,4394
0,4406
0,4418
0,4429
0,4441
0,4452
0,4463
0,4474
0,4484
0,4495
0,4505
0,4515
0,4525
0,4535
0,4545
0,4554
0,4564
0,4573
0,4582
0,4591
0,4599
0,4608
0,4616
0,4625
0,4633
1,80
1,81
1,82
1,83
1,84
1,85
1,86
1,87
1,88
1,89
1,90
1,91
1,92
1,93
1,94
1,95
1,96
1,97
1,98
1,99
2,00
2,01
2,02
2,03
2,04
2,05
2,06
2,07
2,08
2,09
2,10
2,11
2,12
2,13
2,14
2,15
2,16
2,17
2,18
2,19
2,20
2,21
2,22
2,23
2,24
2,25
2,26
2,27
2,28
2,29
2,30
2,31
2,32
2,33
2,34
2,35
2,36
2,37
2,38
2,39
0,4641
0,4649
0,4656
0,4664
0,4671
0,4678
0,4686
0,4693
0,4699
0,4706
0,4713
0,4719
0,4726
0,4732
0,4738
0,4744
0,4750
0,4756
0,4761
0,4767
0,4772
0,4778
0,4783
0,4788
0,4793
0,4798
0,4803
0,4808
0,4812
0,4817
0,4821
0,4826
0,4830
0,4834
0,4838
0,4842
0,4846
0,4850
0,4854
0,4857
0,4861
0,4864
0,4868
0,4871
0,4875
0,4878
0,4881
0,4884
0,4887
0,4890
0,4893
0,4896
0,4898
0,4901
0,4904
0,4906
0,4909
0,4911
0,4913
0,4916
2,40
2,41
2,42
2,43
2,44
2,45
2,46
2,47
2,48
2,49
2,50
2,51
2,52
2,53
2,54
2,55
2,56
2,57
2,58
2,59
2,60
2,61
2,62
2,63
2,64
2,65
2,66
2,67
2,68
2,69
2,70
2,71
2,72
2,73
2,74
2,75
2,76
2,77
2,78
2,79
2,80
2,81
2,82
2,83
2,84
2,85
2,86
2,87
2,88
2,89
2,90
2,91
2,92
2,93
2,94
2,95
2,96
2,97
2,98
2,99
0,4918
0,4920
0,4922
0,4925
0,4927
0,4929
0,4931
0,4932
0,4934
0,4936
0,4938
0,4940
0,4941
0,4943
0,4945
0,4946
0,4948
0,4949
0,4951
0,4952
0,4953
0,4955
0,4956
0,4957
0,4959
0,4960
0,4961
0,4962
0,4963
0,4964
0,4965
0,4966
0,4967
0,4968
0,4969
0,4970
0,4971
0,4972
0,4973
0,4974
0,4974
0,4975
0,4976
0,4977
0,4977
0,4978
0,4979
0,4979
0,4980
0,4981
0,4981
0,4982
0,4982
0,4983
0,4984
0,4984
0,4985
0,4985
0,4986
0,4986
3,00
3,01
3,02
3,03
3,04
3,05
3,06
3,07
3,08
3,09
3,10
3,11
3,12
3,13
3,14
3,15
3,16
3,17
3,18
3,19
3,20
3,21
3,22
3,23
3,24
3,25
3,26
3,27
3,28
3,29
3,30
3,31
3,32
3,33
3,34
3,35
3,36
3,37
3,38
3,39
3,40
3,42
3,44
3,46
3,48
3,50
3,54
3,58
3,62
3,66
3,70
3,74
3,78
3,82
3,86
3,90
0,4987
0,4987
0,4987
0,4988
0,4988
0,4989
0,4989
0,4989
0,4990
0,4990
0,4990
0,4991
0,4991
0,4991
0,4992
0,4992
0,4992
0,4992
0,4993
0,4993
0,4993
0,4993
0,4994
0,4994
0,4994
0,4994
0,4994
0,4995
0,4995
0,4995
0,4995
0,4995
0,4995
0,4996
0,4996
0,4996
0,4996
0,4996
0,4996
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4998
0,4998
0,4998
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,5000
Ver figura na prxima pgina.
36
37
37
38
Valores Crticos de Q para Eliminao de Erros Grosseiros
P(%)
n1
90
95
99
0,886
0,941
0,988
0,679
0,765
0,889
0,557
0,642
0,760
0,482
0,560
0,698
0,434
0,507
0,637
0,330
0,390
0,550
0,275
0,320
0,490
10
0,230
0,270
0,435
38
39
Valores de Kn para Clculo da Segunda Estimativa do Desvio Padro (sR)
n
2
3
4
5
6
7
8
9
10
Kn
eficincia*
0,8862
1,00
0,5908
0,99
0,4857
0,98
0,4299
0,96
0,3946
0,93
0,3698
0,91
0,3512
0,89
0,3367
0,87
0,3249
0,85
(*) Eficincia com que Kn estima o desvio padro.
39
40
Valores de F para Avaliao da Preciso Relativa de Dois Conjuntos de Dados
(n -1)
de B
1
2
3
4
5
6
7
8
9
10
1
161
18,5
10,1
7,7
6,6
6,0
5,6
5,3
5,1
5,0
2
200
19
8,6
6,9
5,8
5,1
4,7
4,5
4,3
4,1
(n - 1) PARA O MTODO A
3
4
5
6
7
8
216 225 230 234 237 239
19,2 19,2 19,3 19,3 19,4 19,4
9,9 9,1 9,0 8,9 8,8 8,8
6,6 6,4 6,3 6,2 6,1 6,1
5,4 5,2 5,1 5,0 4,9 4,8
4,8 4,5 4,4 4,3 4,2 4,2
4,4 4,1 4,0 3,9 3,6 3,7
4,1 3,8 3,7 3,6 3,5 3,4
3,9 3,6 3,5 3,4 3,3 3,2
3,7 3,5 3,3 3,2 3,1 3,1
9
241
19,4
8,8
6,0
4,8
4,1
3,6
3,3
3,1
3,0
10
242
19,4
8,8
6,0
4,8
4,1
3,6
3,3
3,1
3,0
40
41
Valores de t para Avaliao da Exatido
n-1
90
P(%)
95
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,708
1,697
1,645
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,060
2,042
1,960
99
63,657
9,925
5,841
4,608
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,891
2,878
2,861
2,845
2,787
2,750
2,576
41
42
Valores para Clculo dos Limites de Controle em GC da Mdia

n
2
3
4
5
6
7
8
A
2,121
1,732
1,500
1,342
1,225
1,134
1,061
A1
3,760
2,394
1,880
1,596
1,410
1,277
1,175
A2
1,880
1,023
0,729
0,577
0,483
0,419
0,373
9
10
1,000
0,949
1,094
1,028
0,337
0,308
Frmulas:
a) Norma conhecida:
LM =
LC = LM + A
b) Norma desconhecida:
LM = X
LC = LM + A1. s
LC = LM + A2. R
ou
Valores para Clculo dos Limites de Controle em GC do Desvio Padro

n
2
3
4
5
6
7
8
9
10
c2
0,5642
0,7236
0,7979
0,8407
0,8686
0,8882
0,9027
0,9139
0,9227
B1
0,000
0,000
0,000
0,000
0,026
0,105
0,167
0,219
0,262
B2
1,843
1,858
1,808
1,745
1,711
1,672
1,638
1,609
1,584
B3
0,000
0,000
0,000
0,000
0,030
0,118
0,185
0,239
0,284
B4
3,267
2,568
2,266
2,089
1,970
1,882
1,815
1,761
1,716
Frmulas:
a) Norma conhecida:
LM = s = c2.
LIC = B1.
LSC = B2.
b) Norma desconhecida
LM = s
LIC = B3. s
LSC = B4. s
42
43
Valores para Clculo dos Limites de Controle em GC da Amplitude

n
2
3
4
5
6
7
8
9
10
d2
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078
D1
0,000
0,000
0,000
0,000
0,000
0,205
0,387
0,546
0,687
D2
3,686
4,358
4,698
4,918
5,078
5,203
5,307
5,394
5,469
D3
0,000
0,000
0,000
0,000
0,000
0,076
0,136
0,184
0,223
D4
3,267
2,575
2,282
2,115
2,004
1,924
1,864
1,816
1,777
Frmulas:
a) Norma conhecida: LM = d2.; LIC = D1.; LSC = D2.
b) Norma desconhecida: LM = R ; LIC = D3. R ; LSC = D4. R
43
44
Cdigo de letras dos nveis de inspeo, para uso das Tabelas 9, 10 e 11.a,b,c.
Tamanho do lote (N)
000.002 a 000.008
000.009 a 000.015
000.016 a 000.025
000.026 a 000.050
000.051 a 000.100
000.101 a 000.150
000.151 a 000.300
000.301 a 000.500
000.501 a 001.000
001.001 a 003.000
003.001 a 010.000
010.001 a 035.000
035.001 a 150.000
150.001 a 500.000
500.001 acima
I
B
B
B
C
C
D
E
F
G
H
J
K
L
M
N
Nveis de Inspeo
II III S-1 S-2 S-3
B B B B B
B C B B B
C D B B B
D E B B B
E F B B C
F G B B C
G H B C D
H J B C D
J K C C E
K L C D E
L M C D F
M N C D F
N P D E G
P Q D E G
Q R D E H
S-4
B
B
B
C
C
D
E
E
F
G
G
H
J
J
K
44
45
Planos de Inspeo com Amostragem Simples.

Letra
de
cdigo
Tamanho
da
amostra
A
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
R
2
3
5
8
13
20
32
50
80
125
200
315
500
800
1250
2000
0,10
a
0,15
a
||
||
||
||
||
||
||
||
1
2
3
4
6
0
1
2
3
4
6
8
2
3
4
6
8
11
1
2
3
5
7
10
14
||
||
||
||
1
2
3
5
7
10
0,65
||
||
||
||
||
1
2
3
5
7
0,40
||
||
||
||
||
||
1
2
3
5
||
||
||
||
||
||
||
0,25
2
3
4
6
8
11
15
1
2
3
5
7
10
14
21
2
3
4
6
8
11
15
22
Nvel de qualidade aceitvel, NQA (% defeituosos ou defeitos por 100 unidades)

1,5
2,5
4,0
6,5
10,0
15,0
25,0
40,0
65,0
100,0
A
a
r a
r a
r a r
a
r a
r a
r a
r a
r a
r
r
0
1
1
2 2
3 3
4 5
6
||
||
||
||
0
1
1
2 2
3 3
4 5
6 7
8
||
||
0
1
1
2
3 3
4 5
6 7
8 10 11
||
0
1
1
2
2
3
4 5
6 7
8 10 11 14 15
0
1
1
2 2
3
3
5
6 7
8 10 11 14 15 21 22
1
2 2
3 3
4
5
7
8 10 11 14 15 21 22
1
2 2
3 3
4 5
6
7
10 11 14 15 21 22
||
1
2 2
3 3
4 5
6 7
8
10
14 15 21 22
||
||
2
3 3
4 5
6 7
8 10 11
14
21 22
||
||
||
3
4 5
6 7
8 10 11 14 15
21
||
||
||
||
5
6 7
8 10 11 14 15 21 22
||
||
||
||
||
7
8 10 11 14 15 21 22
||
||
||
||
||
||
10 11 14 15 21 22
||
||
||
||
||
||
||
14 15 21 22
||
||
||
||
||
||
||
||
21 22
||
||
||
||
||
||
||
||
||
1,0
||
||
||
||
||
||
||
||
||
||
150,0
250,0
400,0
7
10
14
21
30
8
11
15
22
31
10
14
21
30
44
11
15
22
31
45
14
21
30
44
15
22
31
45
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
650,0
a
1000,0
a
21 22
30 31
44 45
30 31
44 45
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
||
= Empregue o primeiro plano abaixo da seta. Quando o tamanho da amostra (n) for igual ou maior do que o tamanho da partida (N), realize inspeo completa.
= Empregue o primeiro plano acima da seta.
a = Nmero de Aceitao.
r = Nmero de Rejeio.
Observao: o destaque em amarelo corresponde ao exerccio 4.4.
45

Apostilapdf

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

Apostilapdf

Enviado por

Direitos autorais:

Formatos disponíveis

Caderno de Exerccios

Dcima Primeira Edio

Este Caderno de Exerccios destina-se a auxiliar o estudante na compreenso do contedo

1. PROBABILIDADE (uso da Tabela1 de Distribuio Normal)

Ver Tabela 1, no Captulo 5, pgina 34.

Controle Estatstico - Alexandre R. P. Schuler

Resposta (comparar com a figura 1):

Controle Estatstico - Alexandre R. P. Schuler

Logo, P(X =1015) =

= 0,0478 e 22,1778 = 0,0478 e 0 , 4574 = 0,0478 0,6327 = 0,000039 = 0,0039%

Obs.: O parmetro e vale 2,72.

Controle Estatstico - Alexandre R. P. Schuler

Fazendo X = Concentrao e Y = Sinal, fica:

Controle Estatstico - Alexandre R. P. Schuler

Coeficiente de correlao: r = 0,9999.

Ponto de Fuso Real (PF)

Ponto de Fuso Experimental (PFE)

Quadro 1 Dados de ponto de fuso.

Figura 1 Grfico de calibrao do termmetro.

Controle Estatstico - Alexandre R. P. Schuler

Clculo do coeficiente de correlao: r =

Clculo do desvio padro da reta: s r =

Clculo do desvio padro de a: s r =

Clculo do desvio padro de b: s b = s r

Aplicando os valores do Quadro 2 s respectivas equaes, encontra-se:

Controle Estatstico - Alexandre R. P. Schuler

1,757 1,752 0,005

Para n = 7, Qtab = 0,56 (Tabela 2).

Para calcular s sugerido que se monte o seguinte quadro:

Controle Estatstico - Alexandre R. P. Schuler

iv) Segunda estimativa do desvio padro (procurar o valor de Kn na Tabela 3):

sR = kn.R = 0,3249 X (7,21 7,07) = 0,3249 X 0,14 = 0,04549 (comparar com s)

Ftab = 9,9 > 2,25

ttab = 3,182 > 2,967

Controle Estatstico - Alexandre R. P. Schuler

Concluso: Como ttab = 3,182 > tcalc = 2,74, o Analista 1 exato.

Concluso: Como ttab = 3,182 < tcalc = 10,294, o Analista 2 inexato.

4,0; 4,3; 3,2; 4,1

4,0 3,2 0,8

Qtab = 0,941 > Qcalc (Q1)

3,9 3,2 0,7

Controle Estatstico - Alexandre R. P. Schuler

Para n = 4, com 95% de probabilidade, ttab = 3,182. Logo,

LC = 8,27 0,27 (8,008,54)

ou LC = 8,27 0,11 (8,16 8,38)

Analista 1: n1 = 9 e s1 = 0,210 s1 = 0,0441

Ftab = 3,5 < 9,3

Concluso: O analista 1 mais preciso.

Controle Estatstico - Alexandre R. P. Schuler

Exerccio 2.11. Dois analistas foram avaliados durante um procedimento de credenciamento do

Analista No de repeties Mdia desvio-padro

s12 (0,24) 2 0,0576

Controle Estatstico - Alexandre R. P. Schuler

b) Comparao entre os equipamentos:

Concluso: ambos os equipamentos esto descalibrados.

Controle Estatstico - Alexandre R. P. Schuler

Realizando as anlises em triplicata, o perito encarregado do caso, trabalhando com um nvel de

o valor verdadeiro, ou seja, do padro (o vaso; amostra B).

= 1,732 e t = 4,303. Aplicando equao acima, fica:

Calculando para cada elemento:

Controle Estatstico - Alexandre R. P. Schuler

n ; erro relativo percentual (coeficiente de variao) = L = 100

b) Clculo (montagem do quadro com a memria de clculo):

Controle Estatstico - Alexandre R. P. Schuler