Você está na página 1de 31

Universidade de Brasília

Departamento de Engenharia Mecânica


Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Confiabilidade Estrutural

Professor
Jorge Luiz A. Ferreira
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Introdução
Vamos analisar a seguinte situação:
Após ensaiar um lote de lâmpadas incandecente e outro de lampadas fluorecente com o objetivo
de avaliar o tempo de falha, os engenheiros da empresa estão interessados em identificar a
distribuição de probabilidade que melhor representa o comportamento de falha destes
dispositivos.

Tipo de Lâmpada Horas de Uso Até Falhar


Incandecente (1) 976 898 1020 1102 1096 1139 825 981 1088 913
Fluorecente (2) 10271 9710 9939 9729 10423 10001 10853 9845 9448 9398

Como Executar tal Tarefa ?


Lampada
Medidas Resumo
(1) (2)
Média 1004 9962
Desvio Padrão 103 449
C.V. 10.3% 4.5%
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas
Existem Diversas Técnicas Disponíveis, Dentre as Quais Podem
ser Citadas:
Procedimento Heurísticos*: Testes de Adequação (Aderência)

•Comparação de Histogramas • Teste de Chi-Quadrados;


(Freqüências);
• Teste de Kolgorov-Smirnov;
•Análise Gráfica
• Teste de Anderson-Darling;
• Diagrama Q-Q
• Teste de Filliben
• Diagrama P-P

* Define-se procedimento heurístico como um método de aproximação das soluções dos


problemas, que não segue um percurso claro mas se baseia na intuição e nas circunstâncias.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Comparação de Histogramas (Freqüências)

Representam-se graficamente, utilizando a mesma escala, a função


densidade de probabilidade que supomos estar correta, e um histograma
dos dados. Existe coincidência entre os Gráficos ?

Dificuldades no uso:
300

Exige uma Quantidade de


Dados Experimentais Muito
200

100
Elevada (Consistência do Histograma)
Std. Dev = 1,03
Mean = -,01
0 N = 2000,00
-3 - - - - 0, ,5 1, 1 2 2 3
,0 2,5 2,0 1,5 1,0 -,50 00 0 00 ,50 ,00 ,50 ,00
0 0 0 0 0

DADOS
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Análise Gráfica – Diagrama Q-Q ( Quantil - Quantil )

A construção do gráfico Q-Q baseia-se na hipótese que, após a ordenação


crescente dos dados, a i-ésima observação da amostra, Xi, pode ser
assumida como uma estimativa do quantil da distribuição, ou seja:
Identificação da
A B C D E F G H I J
Amostra de Lampada
Vida [Horas] 976 898 1020 1102 1096 1139 825 981 1088 913

Ordenação dos Dados

Identificação da
G B J A H C I E D F
Amostra de Lampada
Vida [Horas] 825 898 913 976 981 1020 1088 1096 1102 1139

Freqüência Observada 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas


Análise Gráfica – Diagrama Q-Q ( Quantil - Quantil )
Assim, tal estimativa do quantil pode ser usada na comparação da
probabilidade acumulada, Prob(Xi ≥ x), associada a uma Função de
distribuição de probabilidade específica (modelo), F(Xi) , ou seja:

xqi  F 1
Qi 
Onde F-1 é a função inversa da função de distribuição modelo, xqi é o valor
previsto para quantil associado à i-ésima freqüência acumulada observada
experimentalmente, identificada por Qi Construção da
Identificação da
Amostra de Lampada
G B J A H C I E D F F.O. não foi
Vida [Horas] 825 898 913 976 981 1020 1088 1096 1102 1139 Justa !!
Freqüência Observada 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
 Diferença  20,5%
?
x qi 871.1 916.7 949.5 977.6 1004 1030 1058 1091 1136 #NÚM!

Diferença (%) 5.6% 2.1% 4.0% 0.2% 2.3% 1.0% 2.7% 0.5% 3.1% #NÚM!
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Análise Gráfica – Diagrama Q-Q ( Quantil - Quantil )

Para corrigir o efeito da observação amostral sobre o comportamento da


cauda várias fórmulas diferentes têm sido usados. Tipicamente, para a
determinação dos quantis é utilizada a seguinte fórmula: é i/ (n + 1):

i onde i é a posição do i-ésimo dado observado após a ordenação da


Qi  amostra e n é o tamanho da amostra
N 1
Identificação da
G B J A H C I E D F
Amostra de Lampada
Vida [Horas] 825 898 913 976 981 1020 1088 1096 1102 1139
Freqüência Observada 9% 18% 27% 36% 45% 55% 64% 73% 82% 91%
 Diferença  19,5% x qi 865.6 909.7 941.2 967.7 992 1016 1040 1066 1098 1142.04
Diferença (%) 4.9% 1.3% 3.1% 0.9% 1.1% 0.4% 4.4% 2.7% 0.4% 0.3%
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Análise Gráfica – Diagrama Q-Q ( Quantil - Quantil )

Na literatura são citadas outras metodologias para a estimativa do valor do


quantil. As expressões em geral têm a forma (i - k) / (n+1-2∙k) para algum
valor de k na faixa de 0 - 1/2, que dá um intervalo entre i / (n + 1) e (i -
1/2)/n
Outras Fórmula que podem ser Utilizadas:

 i  0,3  i 1 3  i  0,4  i  0,567


 n  0,4 n 1 3  n  0,2  n  0,134

Qi   Qi   Qi   Qi  
 i  0,3175  i  0,375  i  0,44  i 1
 n  0,365  n  0,25  n  0,12  n  1
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Análise Gráfica – Diagrama Q-Q ( Quantil - Quantil )

Estimativa do Quantil Q para cada fórmula:


100%
90%
80%
70%
Quantil

60%
50%
40%
30%
20%
10%
0%
0 2 4 6 8 10
Posição do Dado

a b c d e f g h
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Análise Gráfica – Diagrama Q-Q ( Quantil - Quantil )


Normal Q-Q Plot of VAR00001
1200

Estimativa do Quantil Q para cada fórmula: 1100

1,200

Expected Normal Value


1000

a b 900

1,100 800
800 900 1000 1100 120

Observed Value

Normal Q-Q Plot of VAR00001


c d
Previsão

1200

1,000 1100

Expected Normal Value


1000

900 e f 1200
Normal Q-Q Plot of VAR00001
900

1100 800
800 900 1000 1100 120

Observed Value
Expected Normal Value

1000
800
800 900 1000 1100 1200
g
900

Experimento 800
800 900 1000 1100 1200

Observed Value
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Análise Gráfica – Diagrama Q-Q ( Quantil - Quantil )

Diferença Percentual Gerada Por cada Metodologia de Estimativa do


Quantil:
4,5%
4,0%
a
3,5%
b
Diferença (%)

3,0%
c
2,5%
d
2,0%
e
1,5%
f
1,0%
g
0,5%
0,0%
1 2 3 4 5 6 7 8 9 10
Posição do Dado Experimental
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Análise Gráfica – Diagrama Q-Q ( Quantil - Quantil )

Como Avaliar se os Dados se Ajustam Bem à Função de Distribuição de


Probabilidade Modelo ?
Uma Possibilidade é Usar o Coeficiente de Explicação !!!!
1200 1200
1150 1150
1100 1100
Valor Esperado

Valor Esperado
1050 1050
1000 1000
950 950
900 900
850 850
800 800
800 900 1000 1100 1200 800 900 1000 1100 1200
Média: 1004 y = 0.9982x Média: 1000
Valor Observado Valor Observado y = 0.9982x
Desvio Padrão: 113 R² = 0.9104 Desvio Padrão: 200 R² = 0.9104
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Análise Gráfica – Diagrama Q-Q ( Quantil-Quantil )


Assim, usando o exemplo será possível apresentar os seguintes resultados
Identificação da Amostra
G B J A H C I E D F
de Lampada
Vida [Horas] 825 898 913 976 981 1020 1088 1096 1102 1139
Frequencia Observada 6.7% 16.3% 26.0% 35.6% 45.2% 54.8% 64.4% 74.0% 83.7% 93.3%

Qxi 4.2% 15.3% 19.0% 39.4% 41.3% 56.2% 79.2% 81.3% 82.9% 90.4%

1.00

0.80
Quantil Esperado

0.60

0.40

0.20

0.00
0.00 0.20 0.40 0.60 0.80 1.00
Média: 1003,8 y = 1.0301x
Quantil Observado
Desvio Padrão: 103,5 R² = 0.9625
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Algumas Técnicas Heurísticas

Análise Gráfica – Diagrama P-P ( Probabilidade - Probabilidade )

A idéia básica na construção do gráfico P-P é similar a que foi proposta


para a construção do gráfico Q-Q. A diferença básica entre ambos é que
no gráfico Q-Q são plotados os quantiles, enquanto no gráfico P-P são
plotadas as freqüências ou probabilidades associadas aos xi, ou seja:

Qxi  F  xi  Onde F é a função de distribuição a ser testada


(modelo), xi é o valor previsto para o i-ésimo
dado experimental, e Qxi é o valor previsto pelo
Função de distribuição modelo.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Chi-Quadrados (c2) Karl Pearson


1895 - †1980
A idéia é comparar as freqüências observadas com as freqüências
esperadas. Assim, considerando:
• Uma tabela contendo as K (K>2) classes e as, Ok
respectivas, freqüências O1, ..., Ok (  k 1, , K Oi  N ),
observadas em um processo de amostragem.
• As probabilidades associadas a distribuição modelo, Ek
associadas às k classes, tal que p1 = p01; ... ; pk = p0k Distribuição de
Freqüências
• As freqüências esperadas: E1; ...; EK , Ek = N∙p0k, tal Hipotético
que:

k 1, , K
Ek  N
k-ésima Classe Histograma
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Chi-Quadrados (c2)

A partir destas considerações pode-se admitir duas situações possíveis :

Situação A : As probabilidades observadas e modelo são estatisticamente iguais, ou


seja: p1 = p01 , p2 = p02, pK = p0K

Tal situação será admitida como Hipótese de Nulidade – H0

Situação B : Existe pelo menos em uma das classes a probabilidade observada é


estatisticamente diferente da probabilidade modelo.

Já esta situação será admitida como Hipótese Alternativa – H1


Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Chi-Quadrados (c2)

Com a intenção de construir uma metodologia para avaliar se a


admissibilidade da situação 1, será proposta a seguinte estatística:

 Ok  N  pk   Ok  Ek 
2 2

c 2   k 1
K

Ok Ok

Estatística esta, formada pelas realizações Ok, associadas as k classes e pelos seus
respectivos valores esperados de ocorrência de um evento na k-ésima, rk, Ek = E[rk],
os quais, se a hipótese nula for verdadeira, são iguais a Npk.

Assim, a estatística c2 expressará a soma das diferenças quadráticas entre as


realizações das variáveis aleatórias rk e suas respectivas médias populacionais.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Chi-Quadrados (c2)

Quando N tende para o infinito, a estatística c2, tal como expressa pela
equação anterior, segue uma distribuição de Qui-Quadrado, com n = (r-1)
graus de liberdade, ou seja:
r 3 x
 Assim, para grandes valores de N, pode-se,
e
 
2 2
x x
lim P c  x H 0  
2
r 2
dx portanto, empregar esse resultado para
N  0
 r2 testar a hipótese nula H0 de que as
2 2  
 2  freqüências relativas esperadas de rk
sejam dadas por N∙pk, com pk calculadas pela
distribuição de probabilidades proposta.
Um valor elevado da estatística de teste revela grandes diferenças entre as freqüências
observadas e esperadas, sendo um indicador da pouca aderência da distribuição especificada,
sob H0, à amostra.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Chi-Quadrados (c2)


Tabela de c2
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Chi-Quadrados (c2)

Importante:
• A distribuição limite da estatística de teste não depende de pk, contido em H0.

• Na prática, o teste de aderência do c2 fornece resultados satisfatórios para N >


50 e para N∙pk ≥ 5, com k =1, 2, ... , K.

• Se as probabilidades associadas ao modelo, pk , forem calculadas a partir de uma


distribuição de P parâmetros, estimados pelas observações amostrais, perde-se P
graus de liberdade adicionais. Em outras palavras, o parâmetro n, da distribuição da
estatística de teste c2, será n = (K – P - 1).
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Chi-Quadrados (c2) - Exemplo


Considere um conjunto testes realizados em motores
monocilíndricos com um certo tipo de combustível. O número
de detonações foi gravado durante 30 minutos. Dez destes
motores foram testados e os resultados são apresentados a
seguir. Avaliar, a um nível de significância de 95%, se os dados
amostrais podem ser descritos por uma distribuição de
Poisson?
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Chi-Quadrados (c2) - Exemplo

Resultados dos Ensaios de Detonação

Número de Detonações
Número de Vezes que o
Número de Detonações
Solução:
Evento Ocorreu durante
Núm Médio de Detonação por
por Minuto Durante o Ensaio
o Ensaio
0 134 0 Minutos: 0,72 (216/(10*30))
1 123 123

Se x representar a ocorrência de
2 37 74
3 5 15
4 1 4
detonações em um intervalo de
5 0 0
6 0 0 tempo, o parâmetro da distribuição,
Total 300 216
l, será igual a 0,72
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Chi-Quadrados (c2) - Exemplo


Implementação do Teste
nx
E  N P  x  N e n
x!
Número de Vezes que o Evento Ocorreu durante o Ensaio Classes, K 4
Número de Detonações Previsto com Base na
O  E 2 Parâmetros Estimados, P 1
Observado na Amostra (O) E Graus de Liberdade, n  KP1
por Minuto Distribuição de Poisson (E) 2
0 150 145 0,172
1 100 105 0,238
2 36 39 0,231
>3 14 11 0,818
Soma 300 300 1,459
c21a,n 5,99

Função Inv.Qui do Excel

Conclusão: Considerando que c2 < c21-a,n, a decisão é a de não rejeitar a hipótese de


nulidade, H0, ou seja admitir que os dados observados podem ser descritos por uma
distribuição de Poisson com média igual a 0,72
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Kolmogorov-Smirnov Smirnov, V. I. Kolmogorov, A., N.


1887 - †1974 1903 - †1987
Dados
Amostrais (X) Posição Dados Amostrais P(x<X)

O teste de aderência de 7.87


(i)
1
(X)
5.10
Observado Modelo
0.048 0.051
7.04
Kolmogorov-Smirnov (KS) é um 14.99
2
3
6.33
6.38
0.095
0.143
0.110
0.114
9.38
teste não paramétrico, cuja
4 6.95 0.190 0.155
9.87 5 7.04 0.238 0.162
Ordenar
9.87 6 7.54 0.286 0.206
estatística de teste tem como 11.11
14.40
7
8
7.87
9.38
0.333
0.381
0.239
0.418

base a diferença máxima entre as e Tratar


10.14 9 9.43 0.429 0.424
11.40 10 9.87 0.476 0.483

funções de probabilidades
6.38 11 9.87 0.524 0.483
9.43 12 10.14 0.571 0.518
5.10 13 10.94 0.619 0.623
acumuladas, empírica e teórica 12.65 14 11.11 0.667 0.644
6.95 15 11.40 0.714 0.680
(modelo), de variáveis aleatórias 6.33 Frequencia 16 11.77 0.762 0.723
7.54 17 12.34 0.810 0.782
i  0.3
contínuas. 12.34
11.77
Qi 
N  0.4
18
19
12.65
14.40
0.857
0.905
0.812
0.929
10.94 20 14.99 0.952 0.952
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Kolmogorov-Smirnov Smirnov, V. I. Kolmogorov, A., N.


1887 - †1974 1903 - †1987

O teste de aderência de
Kolmogorov-Smirnov (KS) é um 1.000

teste não paramétrico, cuja


0.900

Distribuição Acumulada
0.800

estatística de teste tem como 0.700


0.600

base a diferença máxima entre as 0.500


Observado
0.400
funções de probabilidades
Modelo
0.300
D
acumuladas, empírica e teórica
0.200
0.100

(modelo), de variáveis aleatórias 0.000


0.00 2.00 4.00 6.00 8.00 10.00 12.00 14.00 16.00

contínuas.
Variável Aleatória
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Kolmogorov-Smirnov Smirnov, V. I. Kolmogorov, A., N.


1887 - †1974 1903 - †1987

Considere que X represente uma variável aleatória contínua, de cuja


população extraiu-se a amostra {X1, X2, ... , XN}. A hipótese nula a ser
testada é H0: P(X < x) =FX(x), onde FX(x) é suposta conhecida, ou seja, seus
parâmetros não são estimados a partir da amostra. Para implementar o
teste KS, inicialmente, classifique os elementos da amostra {X1,X2, ... , XN}
em ordem crescente, de modo a constituir a seqüência {x(1), x(2), ... , x(m) , ...
x(N)}, na qual 1 ≤ m ≤ N denota a ordem de classificação. Para cada elemento
x(m), a distribuição empírica FN(x(m)) é calculada pela proporção de valores
amostrais que não excedam x(m), ou seja, FN = Quantil.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Kolmogorov-Smirnov

Em seguida, calcule as probabilidades teóricas, segundo FX(x), tendo como

argumento os valores x(m). A estatística do teste KS é dada por


DN  sup FX  xm   FN  xm   F xm  

N
m 1
N

  xm   FN  x m  
m
D  sup FX  xm   F

N

N N
Assim, DN corresponderá à maior diferença entre as probabilidades
empírica e teórica (central, a direita ou a esquerda).
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Kolmogorov-Smirnov

Se a hipótese de nulidade, H0, for verdadeira quando N , a estatística


DN irá tender a zero. Por outro lado, se N é um valor finito, a estatística DN
deverá ser da ordem de grandeza de 1
N
e, portanto, a quantidade DN N não
irá tender a zero, mesmo para valores muito elevados de N. Smirnov (1948)
determinou a distribuição limite da variável aleatória DN N, a qual, sob a
premissa de veracidade da hipótese H0, é expressa por:

  2k 12  2 
 
2  
lim P
x 
 
N  DN  z 
z
e
k 1
 8 z 2 
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Kolmogorov-Smirnov
Valores críticos da estatística DN,a do teste de aderência KS
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Kolmogorov-Smirnov
Importante:
A construção da estatística do teste KS parte da premissa que FX(x) é
completamente conhecida e, portanto, que seus parâmetros são
especificados e, portanto, não são estimados a partir da amostra.
Entretanto, quando as estimativas dos parâmetros são obtidas dos
elementos da amostra, simulações de Monte Carlo demonstram que o teste
KS é conservador quanto à magnitude do erro do tipo I, podendo ocorrer
rejeições indevidas da hipótese nula. Com o objetivo de corrigir tal
situação, Crutcher (1975) apresenta novas tabelas de valores críticos da
estatística DN,a para amostras de tamanhos variáveis, considerando, sob H0,
as distribuições exponencial, gama, normal e Gumbel.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-Graduação em Ciências Mecânicas
Programa de Pós-Graduação em Integridade Estrutural
Testes e Adequação de Dados à Distribuições de Probabilidade Específicas

Testes de Adequação ou de Aderência

Teste de Kolmogorov-Smirnov
Exemplo: Avaliar se os dados amostrais (A) são N(10,3), a = 95%

Dado P(x<X) DN
Posição
Amostra Amostral Amostral
(i) Modelo Esquerda Direita
10.32 (x) Esquerda Direita
8.84 1 4.96 0.046449 0.00 0.05 0.046 0.004
12.27 2 7.62 0.213965 0.05 0.10 0.164 0.114
7.95 3 7.95 0.246925 0.10 0.15 0.147 0.097
7.62 4 8.41 0.298105 0.15 0.20 0.148 0.098
5 8.84 0.34901 0.20 0.25 0.149 0.099
12.18
6 9.01 0.370372 0.25 0.30 0.120 0.070
9.67 7 9.04 0.374554 0.30 0.35 0.075 0.025
11.77 8 9.65 0.453505 0.35 0.40 0.104 0.054
8.41 9 9.67 0.45558 0.40 0.45 0.056 0.006
12.67 10 10.32 0.542588 0.45 0.50 0.093 0.043
14.42 11 11.77 0.722373 0.50 0.55 0.222 0.172
12 11.98 0.744957 0.55 0.60 0.195 0.145
14.43
13 12.18 0.766686 0.60 0.65 0.167 0.117
9.01 14 12.27 0.775598 0.65 0.70 0.126 0.076
11.98 15 12.67 0.813043 0.70 0.75 0.113 0.063
16.11 16 12.86 0.829951 0.75 0.80 0.080 0.030
9.04 17 13.53 0.880154 0.80 0.85 0.080 0.030 Conclusão: Considerando que D20 < D20, 95%, a decisão
13.53 18 14.42 0.929838 0.85 0.90 0.080 0.030
12.86 19 14.43 0.930235 0.90 0.95 0.030 0.020 é a de não se rejeitar a hipótese de nulidade, H0, ou
seja admitir que os dados observados podem ser
20 16.11 0.979125 0.95 1.00 0.029 0.021
9.65
Máximo 0.222 0.172
4.96 Máximo 0.222
descritos por uma distribuição de N(10,3).