S

l
i
d
Probabilidade & Estatística
e
1
Introdução

Referência: MONTGOMERY & RUNGER; Estatística Aplicada e Probabilidade para

Engenheiros; 5ºEdição

Prof. Dr. Douglas Moura Miranda

douglas.miranda@uftm.edu.br
 Motivação e Contexto
The Monty hall problem
Suponha que você esteja em um jogo e tenha a opção de três portas: atrás
de uma porta há um carro; atrás das outras, bodes. Você escolhe uma porta,
digamos a número 1, e o anfitrião, que sabe o que está atrás das portas,
abre outra porta, digamos a número 3, que tem um bode. Ele então diz a
você: "Você quer escolher a porta n º 2 ?" É vantagem mudar a sua
escolha?

❖ Se você mudar de porta tem 2/3 de chance de ganhar.

❖ Se ficar na mesma porta tem apenas 1/3.
https://brilliant.org/wiki/monty-hall-problem/ Slide 2
Uma solução:

Suponha que tenha inicialmente escolhido a porta 1. Então o apresentador

lhe mostra uma outra porta que não possua o carro.
Possíveis combinações de 1 carro e 2 bodes em 3 portas:

* Veja que se repetir a logica da tabela para os casos em que escolhe

inicialmente a porta 2 ou 3, o resultado será o mesmo.
Slide 3
Motivação e Contexto
Análise Estatística
Métodos de
População amostragem (coleta) Amostra

Estatística
Descritiva
Inferência
estatística
Conclusão Conhecimento

Estatística ≅ Ciência de Dados

Engenharia ⇒ Análise de Dados na presença de Variabilidade

Variabilidade ⇒ sucessivas observações não produzem o mesmo resultado.

Slide 4
Motivação e Contexto
Pensamento Estatístico ⇒ Considerar a Variabilidade na análise
de um problema.

Exemplo de Problema:
Se a aula começa às 8:50, que horas você deve sair de sua casa ?

Processo de solução do problema

O que deseja-se? Que teoria usar?
Que métrica pode ser usada para responder a esta pergunta?
Quais as especificações do problema?
Como calcular a métrica?
... Slide 5
Processo de solução do problema
O que deseja-se?
Sair de casa o mais tarde possível de modo a chegar na
universidade até 8:50.
Que métrica pode ser usada para responder a esta pergunta?
A probabilidade de chegar até 8:50 para uma dada hora de
saída.
Quais as especificações do problema?
Probabilidade mínima desejada.
Como utilizar a métrica ?
Calcular a probabilidade do tempo de viagem (𝑋) ser inferior a
um valor desejado.
Ex: 𝑃 𝑋 ≤ 35 , equivale calcular a probabilidade de chegar até
8:50 sendo que saiu de casa às 8:15.
Slide 6
Processo de solução do problema
Como calcular a métrica?
Modo 1: algum software disponível.
Ex: https://dunamath.com/homeUPC.aspx
Modo 2: “Probabilidade e estatística para engenharia”

Quais os dados necessários?

Amostra de dados.

Quantos dados coletar?

Modo 1: algum software disponível.
Ex: https://dunamath.com/sample.aspx
Modo 2: “Probabilidade e estatística para engenharia

Como coletar os dados?

“Probabilidade e estatística para engenharia”
Slide 7
Processo de solução do problema
Suponha que tenhamos feito 50 observações válidas e que deseja-se
uma probabilidade superior a 99% de se chegar na aula à tempo.:

29.1 34.4 30.0 27.9 30.5 34.9 29.3 29.6 29.8 28.5 31.2 34.8 33.6
29.8 24.7 31.2 31.5 25.6 30.3 36.1 30.0 31.4 32.6 22.6 31.4 29.7
30.1 31.2 29.9 28.7 31.7 34.0 29.8 30.4 28.2 32.9 30.4 28.4 31.1
34.1 25.9 29.1 31.5 32.9 29.2 30.5 28.3 29.1 32.1 29.0

No site Dunamath teremos: https://dunamath.com/homeUPC.aspx

Se sair com 35 minutos de antecedência:

P(x ≤ 35) = 95.6%
P(x ≤ 37) = 99.1%

Portanto, você precisa sair de sua casa 37 minutos antes do início da

aula.

Slide 8
 Motivação e Contexto
“Embora o conhecimento estatístico seja essencial para a
compreensão dos fenômenos observados no mundo físico que é
essencialmente aleatório, o conceito de aleatório, não é familiar
aos nossos alunos de engenharia. Isso se deve ao fato de que
em toda a sua formação anterior, nas várias disciplinas, em geral
os fenômenos estudados foram apresentados como
determinísticos, evitando-se a interpretação de toda componente
de variação aleatória.”

Fonte: Ara, B. Amilton; O ensino da estatística no curso de engenharia; Escola de

Engenharia Mauá
Slide 9
Motivação e Contexto

*Todo processo tem várias fontes de variação.

Slide 10
EXEMPLO 2
Seja um engenheiro responsável pelo projeto de um conector
automotivo. Ele precisa definir a espessura da parede do conector.

A espessura da parede interfere na força de

remoção do conector.

Houve mudança?
É o suficiente?
R: testes estatísticos de
hipótese (cap. 8 e 9)
(Estatística inferencial)

Antes 12.6 12.9 13.4 12.3 13.6 13.5 12.6 13.1

Depois 12.9 13.7 12.8 13.9 14.2 13.2 13.5 13.1

Slide 11
 Motivação e Contexto
Premissas comuns para Análise Estatística de Dados:

• Independência: dado não correlacionados

• Estabilidade: ausência de dados considerados outliers

• Identicamente distribuídos: dados provenientes da mesma

função distribuição de probabilidades (mesmo comportamento
probabilístico)

*Muitas vezes há uma grande quantidade de dados disponíveis, mas boa

parte deles não atendem estas premissas e portanto não convém utilizá-los.

*Conceitos a serem vistos ao longo da disciplina

Slide 12
 Motivação e Contexto
❑ Suponha que você tenha alterado um processo qualquer,
coletado uma amostra antes da mudança e outra após a
mudança. Agora deseja saber se houve alteração no
desempenho médio do processo. Como faria isto?

❑ Neste mesmo processo, como saber se a variância diminuiu?

❑ Suponha que você tenha cronometrado uma amostra da

duração de uma certa tarefa. Agora você deseja calcular um
intervalo de valores com 95% de confiança de que a verdadeira
média esteja contida no intervalo. Como faria isto?
52.7 43.5 43.3 59.247.8 65.2 38.7 51.7 53.6 54.3
67.9 49.7 51.6 63.8 53.9 68.9 48.7 52.6 62.8 52.5
IC (95%) = [51.0, 58.1]
Slide 13
Motivação e Contexto
Ex: Contaminação de água
Um estudo está analisando uma possível
contaminação da água por arsênio em 2
comunidades.

Foram coletadas 10 amostras em diferentes locais de cada uma das 2

comunidades e agora deseja-se descobrir se existe diferença nos níveis
de concentração de arsênio entre as 2 comunidades.

Como fazer esta análise?

Slide 14
Motivação e Contexto
Ex: Composição de tinta
Um Eng. Químico está analisando
diferentes formulações de tinta em
que a medida de desempenho é o
tempo de secagem.

Foram coletadas 20 amostras para cada uma de 2 composições

químicas e deseja-se saber qual delas é a melhor. Como
proceder ?

Slide 15
Motivação e Contexto
Distribuições de frequências (ou de probabilidade)
probabilidade

valores
ERLANG GAMMA

NORMAL WEIBULL
Slide 16
Motivação e Contexto
Experimentos Planejados (Design of Experiments – DOE)

Seja uma operação de solda:

𝑓𝑜𝑟ç𝑎 𝑡𝑟𝑎çã𝑜 = 𝑓(𝑐𝑜𝑟𝑟𝑒𝑛𝑡𝑒, 𝑝𝑟𝑒𝑠𝑠ã𝑜, 𝑚𝑎𝑡𝑒𝑟𝑖𝑎𝑙)

𝑦 = 𝑓(𝑥1, 𝑥2, 𝑥3)

Deseja-se saber o quanto cada fator

impacta na resposta (peso da variável).

Slide 17
 Fatores (variáveis entrada)
Run
Rand. Order Order x1 x2 x3
16 1 1 1 1
8 2 1 1 1
7 3 -1 1 1
9 4 -1 -1 -1 𝑞𝐸𝑥𝑝: quant. de experimentos
2 5 1 -1 -1
4 6 1 1 -1 𝑛í𝑣𝑒𝑖𝑠: quantidade de valores que variável
12 7 1 1 -1 assume nos experimentos
15 8 -1 1 1
1 9 -1 -1 -1 𝑟𝑒𝑝: replicações (repetição do experimento
11 10 -1 1 -1
3 11 -1 1 -1
com os mesmos valores das variáveis)

5 12 -1 -1 1 *Permite identificar quais são os

13 13 -1 -1 1
14 14 1 -1 1 fatores que possuem maior efeito
10 15 1 -1 -1 na reposta.
6 16 1 -1 1

𝑎𝑖 : peso da variável
𝑥𝑗 na resposta 𝑦

Slide 18
Motivação e Contexto
160
140
120
valor medido

100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
observações

Este processo é bom ?

Estável ? Capaz ? Precisa de alguma ação?
R: Controle Estatístico de Processos (CEP) Slide 19
Motivação e Contexto
Exemplo “Tear Têxtil”:
Seja um processo têxtil em que que
há 10% de chance de uma amostra
do tecido conter mancha. Qual a
probabilidade de que nas próximas
20 amostras, 1 contenha manchas?

R: 27%
Distribuição Binomial: descreve qual a probabilidade de se
obter 𝑥 sucessos em 𝑛 tentativas independentes, onde cada
tentativa tem a mesma probabilidade de sucesso 𝑝

Slide 20
 Motivação e Contexto
Exemplo: Uma linha de transmissão de energia opera se houver pelo
menos 1 caminho funcional entre os extremos. Abaixo é dado o
desenho da linha com a respectiva probabilidade de cada trecho
funcionar. Qual a probabilidade da linha operar?

𝑎′ 𝑏1 𝑐′ 𝑑1
0.90 0.95
𝑎2 0.90 𝑏2 𝑦
𝑥 0.99

𝑎3
0.90 𝑐2 0.95 𝑑2
𝑏3

𝑷𝒄 = 𝟎. 𝟏𝟎𝟑 + 𝟎. 𝟎𝟓𝟐 + 𝟎. 𝟎𝟏 = 𝟏. 𝟑𝟓%

𝑷 = 𝟏 − 𝑷𝒄 = 𝟗𝟖. 𝟔𝟓%

Slide 21
 Motivação e Contexto
Ex: calcular a área de
geometrias complexas.
L

OBS: mesma lógica pode ser usada para gerar valores segundo uma f.d.p.
(Método de Aceitação – Rejeição)
Slide 22
Motivação e Contexto
Previsão de Demanda

Slide 23
 Motivação e Contexto
• Roteamento de veículos: tempo de viagem
• Dimensionamento de Call Centers
• Planejar inspeção de lotes de peças
• Controle de qualidade dentro de um processo
• Gestão de estoques
• Expectativa de produção em Lavouras
• Previsão de Demanda
• Previsão de Chuvas
• Dimensionamento de Estruturas/Peças : cargas a que são
submetidas
• ... Prof Pierluigi Piazzi - COMO ESTUDAR E APRENDER
https://www.youtube.com/watch?v=noXqEGIZak8
Slide 24