ESTO017-17- Métodos Experimentais em Engenharia

Oficina 2: Distribuição amostral, Testes de

Hipóteses e Normas Técnicas

Edição: 1º Quadrimestre 2024

“HÁ DUAS POSSIBILIDADES: SE O RESULTADO CONFIRMA A HIPÓTESE, ENTÃO VOCÊ FEZ

UMA MEDIDA; SE O RESULTADO CONTRARIA A HIPÓTESE, ENTÃO VOCÊ FEZ UMA
DESCOBERTA”. (ENRICO FERMI)
“CIÊNCIA É A CLASSIFICAÇÃO SISTEMÁTICA DA EXPERIÊNCIA.” (GEORGE HENRY
LEWES)

Objetivos:
● Realizar as etapas práticas de um Sistema de Medição por Atributo, incluindo a
consulta a Norma Técnica para dimensionar a amostra a ser utilizada no sistema
de medição.
● Estudar uma distribuição amostral de dados experimentais e verificar sua
normalidade, estimando suas características (média e desvio padrão).
● Elaborar um Teste de Hipóteses sobre os dados experimentais obtidos.

1- Inferência Estatística, População e Amostra

Em várias situações na carreira de um engenheiro, será necessário tomar decisões

sobre as características de uma população de produtos, tendo disponível para medição,
apenas uma amostra (subconjunto) de tal população. É claro que, além da Metrologia e
Instrumentação, iremos precisar dos conceitos e ferramentas de Estatística para resolver
esse tipo de problema. A Inferência Estatística tem exatamente o objetivo de se fazer
hipóteses sobre uma população, a partir de medições realizadas numa amostra da mesma
(Figura 1).
Figura 1- Conceito de inferência estatística

Fonte: http://www.portalaction.com.br/inferencia-0 [link quebrado]

 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em
Engenharia

Como vimos em aula, há muitas populações com características que seguem o

formato de uma Distribuição Normal ou Gaussiana, por exemplo: a altura da população
brasileira; os conceitos obtidos pelos alunos da UFABC na disciplina de Métodos
Experimentais em Engenharia; e muito provavelmente, as capacitâncias de um lote de
capacitores que foram adquiridos para essa Oficina. Além de representar muito bem
fenômenos físicos e sociais, a importância dessa distribuição deve-se a vários fatores,
entre eles podemos citar o Teorema Central do Limite [1], o qual é um resultado
fundamental em aplicações práticas e teóricas, pois ele garante que mesmo que os dados
não sejam distribuídos segundo uma normal, a média dos dados converge para uma
distribuição normal, conforme o número de dados aumenta.
Os parâmetros mais importantes de uma distribuição normal são a Média (𝜇) e o
Desvio Padrão (𝜎), representados na Figura 2, com os respectivos níveis de probabilidade
de ocorrência dos valores da característica da população estudada.
Em muitas situações práticas, é impossível obter a característica de interesse para toda
a população (vocês gostariam de medir a capacitância de todos os capacitores de um lote
de 5000 peças? ou a altura dos 208 milhões de brasileiros?), então teremos os resultados
de uma Distribuição Amostral, ou seja, obtidas a partir de um subconjunto da população
(Amostra), e a partir desses resultados, tentaremos obter os parâmetros de toda a
população. Mas nesse ponto teremos duas dúvidas:
● Será que a Distribuição Amostral também será normal?
● Nesse caso, como relacionar as características da Distribuição Amostral
com as características da Distribuição Populacional?
Por sorte, Laplace (ele mesmo, o da Transformada de Laplace) estudou esse problema,
e propôs em 1810 o já citado Teorema Central do Limite [1], que diz que, sob a hipótese
de amostragem aleatória, quando o tamanho N da amostra aumenta, a distribuição de
probabilidade da média amostral se aproxima de uma distribuição normal com média µ
𝜎2
e variância , ou seja, se o tamanho amostral (N) é suficientemente grande, podemos
𝑁
assumir que a média amostral tem uma distribuição normal.
Assim, nessa Oficina, iremos obter Distribuições Amostrais do nosso lote de
capacitores (uma para cada equipe), pois cada equipe irá medir a capacitância de um
número limitado de peças (“amostra”), e obter, a partir de suas medidas, a média e o
desvio padrão de sua distribuição.

2
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em
Engenharia
Figura 2- Distribuição normal com média 𝜇 e desvio padrão 𝜎.

Fonte : http://www.portalaction.com.br/content/62-distribui%C3%A7%C3%A3o-
normal [link quebrado]

2- Teste de Hipóteses

Vimos em aula que, num Teste de Hipóteses, sempre testamos uma Hipótese nula,
H0, contra uma Hipótese alternativa, H1. No caso dessa Oficina, essas Hipóteses
provavelmente terão o formato:

H0: 𝜇 = 𝜇0
H1: 𝜇 ≠ 𝜇0

De forma ideal, gostaríamos de rejeitar a hipótese H0 para todo valor de µ em

H1 com probabilidade 1, e da mesma forma, gostaríamos de não rejeitar (aceitar) a
hipótese H0 para todo valor de µ em H0 com probabilidade 1.
No mundo real, lembramos que são dois os tipos de erros que podemos cometer
no diagnóstico de um teste de hipóteses:

a) Rejeitar a hipótese H0, quando ela é verdadeira.

b) Não rejeitar a hipótese H0, quando ela é falsa.

A Tabela I resume as situações acima.

Tabela I- Erros nos Testes de Hipóteses

Aceitar H0 Rejeitar H0
H0 verdadeira Decisão correta Erro do tipo I
H0 falsa Erro do tipo II Decisão correta

3
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em
Engenharia

Se a hipótese H0 for “verdadeira e não rejeitada” ou “falsa e rejeitada”, a decisão estará

correta. No entanto, se a hipótese H0 for “rejeitada sendo verdadeira”, ou se “não for
rejeitada sendo falsa”, a decisão estará errada. O primeiro destes erros é chamado de Erro
do Tipo I e a probabilidade de cometê-lo é denotada pela letra grega α (alfa); o segundo
é chamado de Erro do Tipo II e a probabilidade de cometê-lo é denotada pela letra grega
β (beta). A probabilidade de ocorrer o erro do tipo I (α) é denominada Nível de
Significância do teste. O complementar do nível de significância, ou seja, (1-α) é
denominado Nível de Confiança.
Podemos supor que os valores de capacitância medidos durante a Oficina
obedeçam a uma Distribuição Normal de valores, e então teremos a situação representada
na Figura 3, onde é possível visualizar as regiões de rejeição e aceitação da Hipótese nula,
para um determinado valor de α. Caso o valor observado da estatística pertença à região
de rejeição, rejeitamos H0; caso contrário, não rejeitamos H0. Analogamente, definimos
a região de aceitação (complementar da região de rejeição): caso o valor observado
pertença à região de aceitação, não rejeitamos H0; se não pertencer, rejeitamos.

Figura 3- Região crítica em Teste Bilateral

Fonte: http://www.portalaction.com.br/inferencia/511-erros-cometidos-nos-
testes-de-hipoteses

Nessa Oficina, cada equipe deverá elaborar um Teste de Hipóteses relacionado com
os valores das capacitâncias medidas em sua amostra. A Hipótese nula poderá relacionar
o valor da média obtida com as especificações do fabricante, ou com o valor obtido por
outra equipe de colegas.

4
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em
Engenharia
Vale lembrar aqui que a compatibilidade entre resultados medidos pode ser testada
utilizando os conceitos de Erro Normalizado ou z’-score, abaixo reproduzidos, que levam
em conta as incertezas dos resultados comparados.

Va − Vb
En =
2
UVa + UVb
2
Erro Normalizado:

(Va ± UVa) e (Vb ± UVb) , resultados com respectivas incertezas expandidas para um
intervalo de 95% de probabilidade

Medições compatíveis se En < 1

Medições incompatíveis se En >1

Va − Vb
z' =
2
uVa + uVb
2
z´-score:

Va (uVa) e Vb (uVb) , resultados com respectivas incertezas padrão

Medições compatíveis se z’ < 2

Medições incompatíveis se z’>3
2 < z’ < 3 : Atenção!

3- Sistema de Medição por Atributo

Outra atividade dessa Oficina será realizar as etapas práticas de um Sistema de

Medição por Atributo, isto é, um método de inspeção, segundo o qual a unidade de
produto é classificada simplesmente como defeituosa ou não, em relação a um dado
requisito ou especificação. Nesse caso, os valores das medidas de capacitância dos
capacitores recebidos serão comparados com uma especificação desejada para aquele
lote.
Nesse contexto, iremos trabalhar com uma Distribuição Binomial, isto é, em cada
medida teremos apenas dois resultados: a ocorrência ou não-ocorrência de defeito. Ou
seja, o valor da capacitância está dentro (Ok!) ou fora (defeito!) da faixa de tolerância
especificada (sistema passa/ não passa). Na distribuição binomial, os ensaios são
independentes, e a probabilidade de sucesso é a mesma para cada ensaio.
O primeiro passo do processo é denominado Plano de Amostragem: é o plano que
determina o número de unidades de produto de cada lote a ser inspecionado (tamanho da
amostra) e o critério para a aceitação do lote (números de aceitação e de rejeição). Note
que essa etapa é de grande importância para garantir a qualidade do Sistema e também
seguir um grau de padronização que resulte em credibilidade nos resultados obtidos, e
possibilidade de comparação entre vários Sistemas de Medição. Ou seja, a escolha da
amostra não pode ser feita arbitrariamente.

5
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em
Engenharia
Por sorte, existem Normas Técnicas [2,3] que traduzem os cálculos estatísticos
complexos relacionados aos parâmetros de um Sistema de Medição por Atributo, por
Tabelas convenientes, que facilitam e padronizam as várias etapas do processo. Vamos
utilizar parcialmente e de forma simplificada essas Normas, mas sabendo de sua
existência, poderemos consultá-las com detalhes quando precisarmos resolver um
problema profissional similar.
Com base nessas Normas, vamos utilizar um Plano de Amostragem Simples (existem
também os tipos: Duplo e Múltiplo). No Plano Simples, a quantidade de unidades de
produto inspecionada deve ser igual ao tamanho da amostra dada pelo plano. Se o número
de unidades defeituosas encontradas na amostra for igual ou menor do que o número de
aceitação (Ac), o lote deverá ser considerado aceito. Sendo o número de unidades
defeituosas igual ou maior do que o número de rejeição (Re), o lote deverá ser rejeitado.
Para utilizar as Tabelas disponíveis na Norma, após escolhido o tipo de Plano de
Amostragem, é preciso também definir:
● o nível de inspeção, que fixa a relação entre o tamanho do lote e o tamanho da
amostra, e deverá ser prescrito pelo responsável pela inspeção. Três níveis de
inspeção I, II e III são disponíveis para uso geral. Normalmente, adota-se a
inspeção em nível II. A inspeção em nível I poderá ser adotada quando for
necessária menor discriminação ou então o nível III, quando for necessária
maior discriminação. Ou seja, o nível I determina uma amostra menor, o nível
II, uma amostra média, e o nível III (mais exigente), uma amostra maior.
● o nível de qualidade aceitável – NQA, isto é, a máxima porcentagem
defeituosa que, para fins de inspeção por amostragem, pode ser considerada
satisfatória como média de um processo.
Nota: nível de porcentagem defeituosa = 100 (número de unidades
defeituosas) / (número de unidades inspecionadas)
● o regime de inspeção: normal, severo ou atenuado. Normalmente é empregado
o regime normal, e, dependendo do resultado da inspeção da amostra de um
primeiro lote, recomenda-se a alteração para regime severo ou atenuado na
inspeção do próximo lote.

Ao final desse Roteiro, estão apresentadas as Tabelas (extraídas de [2]) necessárias

para que cada equipe possa definir seu Plano de Amostragem.

Vamos apresentar agora um exemplo de seu uso, a partir das seguintes considerações:

● Plano de amostragem simples

● Regime de inspeção Normal
● Nível II de inspeção
● Tamanho de lote: 2000 peças
● NQA=1%

Com essas informações, obtemos da Tabela 1, o código K. Da Tabela 2 (Inspeção

Normal, obtemos o tamanho da amostra = 125 peças, e com NQA=1%, obtêm-se os

6
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em
Engenharia
valores de Ac (3) e Re (4). Isto significa que deverão ser medidas 125 peças escolhidas
arbitrariamente dentre as 2000 unidades do lote. O lote deverá ser aceito se o número de
peças defeituosas na amostra for menor ou igual a 3. O lote deverá ser rejeitado se o
número de peças defeituosas na amostra for maior ou igual a 4. Atendido o critério de
aceitação, infere-se que o número de peças defeituosas do lote de 2000 unidades não
deverá ultrapassar 20 (que corresponde ao NQA de 1% em 2000).

4- Problema Proposto

Cada equipe irá receber um conjunto de cerca de 50 capacitores pertencentes a um

mesmo lote de 500 peças, especificadas para apresentar capacitância de 100µF/25V e
tolerância de 20%. Lembrar que a tolerância corresponde a uma Distribuição Uniforme
(retangular) dentro de cujo intervalo deverão estar contidos todos os valores de
capacitância dos componentes do lote.

As equipes deverão:

4.1 Desenvolver um Sistema de Medição por Atributo para tomada de decisão se o lote
de capacitores poderá ser adotado com tolerância de 5%, ao invés de 20%, conforme
indicado pelo fabricante.
● Deverá ser utilizado um Plano de Amostragem Simples.
● Deverá ser usado um nível de inspeção II e regime de inspeção Normal;
● O nível de qualidade aceitável (NQA) deverá ser de 4%
● Obter, a partir das Tabelas disponíveis no Apêndice, a dimensão N da amostra
necessária e os valores de Ac e Re.

4.2 Fazer as medições de capacitância de N peças aleatórias, utilizando o Multímetro

Digital Minipa ET-2510, que possui as especificações apresentadas na Tabela II, para
medição de capacitância.
Nota: Os capacitores são eletrolíticos, e para medida da capacitância, deverá ser
respeitada a polaridade do componente, para evitar danificá-lo. Ou seja, o terminal
positivo do capacitor deverá ser conectado no terminal positivo do aparelho, e o terminal
negativo (mais curto), no terminal negativo do multímetro (Figura 4).

Figura 4- Terminais do capacitor eletrolítico

Terminal positivo
Sinal de menos

Terminal negativo
7
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em
Engenharia

4.3 A partir das medidas realizadas, indique se o lote poderá ser vendido com a
especificação de (100µF5%), ou seja, apresente o resultado do seu Sistema de Medição
por Atributo, de acordo com a Norma Técnica ABNT NBR5426. Para qual valor de NQA
o lote poderia ser aceito?

4.4 Calcule a média e o desvio padrão das medidas de capacitância realizadas, e anote
esses valores: 𝑥̅1 e 𝜎1 .

4.5 Para conhecer melhor a Distribuição Amostral, trace agora um gráfico da frequência
das medidas realizadas (ou seja, um Histograma). Estabeleça intervalos de valores (por
exemplo, com largura de 1µF), e conte quantas peças caem dentro de cada intervalo. No
eixo x do gráfico devem estar valores de capacitâncias (intervalos) e no eixo y, o número
de peças que possuem valores contidos em cada intervalo.

Nota1: Uma regra prática para se fazer um histograma é utilizar um número de classes
(ou seja, de intervalos) igual à raiz quadrada do número de medidas, isto é: 𝑘 = √𝑁 [4].

Nota2: O histograma é um instrumento simples e muito usado na análise preliminar de

um conjunto de dados amostrais, para se obter o formato aproximado da sua distribuição
estatística. Também é útil para se identificar valores discrepantes (denominados outliers),
ou seja, aqueles que se encontram muito afastados do formato esperado para a distribuição
amostral. Para análises mais precisas, e particularmente para se verificar a aderência dos
dados a uma distribuição normal (ou gaussiana) existem técnicas gráficas ou numéricas
específicas [4].

4.6 A partir do histograma obtido, é interessante analisar se ele apresenta um formato

similar à distribuição normal, representada pela expressão (1). Se este for o caso, tente
estimar os parâmetros (média e desvio padrão) da sua Distribuição Amostral.

1   ( x − x )2  
y= exp  −  
 2   2
2
 (1)
onde 𝑥̅ é a média e 𝜎 é o desvio padrão.

Isso pode ser feito, extraindo-se do histograma o valor de pico 𝑦𝑚𝑎𝑥 , e o correspondente
valor de 𝑥 (que é uma boa aproximação para o valor da média 𝑥̅ ). Para o valor aproximado
de 𝜎, basta verificar quais são os valores de 𝑥 correspondentes a 𝑦𝑚𝑎𝑥 . 𝑒 −0,5 ~0,6𝑦𝑚𝑎𝑥 .
Observe na expressão da função gaussiana que esses valores correspondem às abcissas
(𝑥̅ − 𝜎) e (𝑥̅ − 𝜎).

Anote os valores obtidos a partir do histograma: 𝑥̅1 e 𝜎2 , e compare com os valores

obtidos no item 4.4. Verifique também se seu histograma apresenta outliers.

8
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em
Engenharia

4.7 Elaborar um Teste de Hipóteses, tendo como parâmetro, o valor da capacitância e sua
incerteza. Utilizar o z’-score para testar a compatibilidade dos resultados obtidos, em
relação às especificações do fabricante.

Nota: Nesse ponto, você poderá considerar a comparação entre a média da amostra (com
o desvio padrão da média) com o valor exato do especificado pelo fabricante.

Tabela II- Especificação da precisão do Multímetro Digital Minipa ET-2510 para

medidas de capacitância

Fonte: Manual de Instruções do aparelho

5- Bibliografia

[1] https://www.inf.ufsc.br/~andre.zibetti/probabilidade/teoremas-limite.html, acessado

em 01/02/2024.
[2] Norma ABNT NBR 5426: Planos de amostragem e procedimentos na inspeção por
atributos, 1985/1989.
[3] Norma ABNT NBR 5427: Guia para utilização da norma NBR 5426 - Planos de
amostragem e procedimentos na inspeção por atributos, 1985/1989.
[4] Abackerli, A.J.; et al. Metrologia para a Qualidade, 1ª.Ed., Rio de Janeiro: Elsevier,
2015.

6- Autores

Roteiro elaborado pelos professores D. Consonni, J. C. Teixeira e K. Nose-Filho.

Revisado pelo Prof. K. Nose-Filho em fevereiro de 2024.

9
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em
Engenharia

Apêndice – Tabelas extraídas da Norma ABNT NBR5426 [2]

10
ESTO017-17- Métodos Experimentais em Engenharia
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em Engenharia

2
 Universidade Federal do ABC
ESTO017-17 – Métodos Experimentais em Engenharia