ESTATÍSTICA

BÁSICA
 ESTATÍSTICA BÁSICA
 Na caldeiraria está ligada principalmente
ao controle de recebimento de material;
Ex: Defeito de parafusos;
Controle de espessura de chapas;

 POPULAÇÃO
 AMOSTRA (mais comum)
 Na estatística podemos trabalhar com:
 VARIÁVEL ALEATÓRIA DISCRETA
Contagens;
Ex: Na amostra de 50 parafusos 10
apresentaram defeitos na fenda;
 VARIÁVEL ALEATÓRIA CONTÍNUA
Medições;
Ex: As alturas dos 5 tanques medidos
foram: 6,0m, 6,2m, 5,9m, 6,1m e 5,8m.
1. MEDIDA DE TENDÊNCIA CENTRAL
2. MEDIDA DE DISPERÇÃO
 MEDIDA DE TENDÊNCIA
CENTRAL
 MEDIA ARITMÉTICA

X1  X 2  X 3    X N
média 
N
Exemplo. A média aritmética amostral dos números
8, 3, 5, 12, 10 é:

8  3  5  12  10 38
X    7,6
_ 5 5
X (x barra) para média amostral
µ (mi) para média populacional.
 MEDIANA

Exemplo 1. O conjunto de números

5, 4, 8, 10, 8, 3, 4, 8, 6 tem mediana de:
São 9 elementos (conjunto n=ímpar)

Rol: 3, 4, 4, 5, 6, 8, 8, 8, 10
(Rol = ordem crescente)

Rol: 5, 5, 7, 9, 11, 12, 15, 18

São 8 elementos (conjunto n=par)
 MODA
Valor que ocorre com maior frenquência.

Exemplo 1. O conjunto
2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18
tem moda 9
e é denominado unimodal.

Obs; A moda pode não existir e se existir pode não

ser única.
 MÉDIA GEOMÉTRICA (G)

G  N X1  X 2  X 3   X N

Exemplo. A média geométrica dos números

2, 4, 8 é:

3 3
G  2  4  8  64  4
 MÉDIA HARMÔNICA (H)

N
H
1 1 1 1
   
X1 X 2 X 3 XN

Exemplo. A média harmônica dos números 2, 4, 8 é:

3 3
H   3,43
1 1 1 7
 
2 4 8 8
• MEDIDA DE DISPERÇÃO
 MEDIDA DE DISPERÇÃO
 AMPLITUDE

Exemplo. O conjunto de medidas

3, 4, 4, 5, 6, 8, 8, 8, 10
tem amplitude de:
10 – 3 = 7.
  DESVIO MÉDIO

D.M . 
 X  média
N
Exemplo. O desvio médio D.M. dos números 2, 3, 6, 8, 11 é:
2  3  6  8  11
média  6
5
2  6  3  6  6  6  8  6  11  6
D.M . 
5

4  3  0  2  5 430 25
D.M .    2,8
5 5
  DESVIO PADRÃO

n
2
 Xi  X AMOSTRAL

s   i 1
n 1

Exemplo. O desvio padrão amostral “s” dos números 2, 3, 6, 8, 11 é:

2  3  6  8  11
X   6  média
5
2 2 2 2 2
2  6  3  6  6  6  8  6  11  6
s.  
5 1

2 2 2 2 2
4  3  0  2  5 16  9  0  4  25 54
s    3,674
4 4 4
  DESVIO PADRÃO

N
2
 Xi   POPULACIONAL

   i 1
N

Exemplo. O desvio padrão populacional “” dos números 2, 3, 6, 8, 11 é:

2  3  6  8  11  média
6
5
2 2 2 2 2
2  6  3  6  6  6  8  6  11  6
.  
5

2 2 2 2 2
4  3  0  2  5 16  9  0  4  25 54
     3,286
5 5 5
 VARIÂNCIA
A variância AMOSTRAL possui notação “s²”,
em minúsculo, (leia se “esse ao
quadrado”) e é definida como o quadrado
do desvio padrão amostral “s”.
A variância POPULACIONAL possui
notação “²”, em minúsculo, (leia se
“sigma ao quadrado”) e é definida como o
quadrado do desvio padrão populacional
“”.
 DISTRIBUIÇÕES DAS MEDIDAS
 Gráfico Seqüencial
* Mostra como os dados comportam-se ao longo do tempo;

100
90
80
70
60 Manutenção
50 Oficinas
40 Canteiro de Obras
30
20
10
0
1° Trim. 2° Trim. 3° Trim. 4° Trim.

Paquímetros com defeito em três setores de uma obra.

 Histograma
* Mostra um histórico da distribuição das freqüências;

Inspeção de Recebimento de Tubos: Avaliação do Diâmetro Interno

 Gráfico em Setores (Circular, Setorial
ou Pizza)
* Mostra os dados através de proporções;

4° Trim. 1° Trim.
13% 13%

1° Trim.
2° Trim.
17% 2° Trim.
3° Trim.
4° Trim.

3° Trim.
57%

Número de defeitos nos paquímetros de uma obra.

  Diagrama de Pareto
• Mostra qual problema que deve ser solucionado
primeiro (possibilita a priorização de soluções);

Item Origem do Defeito Número de Defeituosos

A Rotação imprópria 44

B Ruído 14

C Falhas 10

D falta de pressão 8

E Aquecimento 5

F Curto circuito 2

G Outras 3

A tabela mostra os defeitos de compressor de ar originados de diversas fontes.

 Gráfico de Correlação (ou Dispersão)
* Mostra a relação entre duas variáveis;

Processo de pintura de uma chapa com tinta.

  Distribuição Normal (em forma de Sino,
Gaussiana, de Gauss)
 * Mostra distribuição de probabilidade contínua, de uma variável
aleatória contínua;

QUANDO AMOSTRA MENOR DE 30 USA-SE DISTRIBUIÇÃO “t” DE STUDENT

X  t.s
 AMOSTRAL POPULACIONAL

X  s  68%     68%
X  2 s  95%   2  95%
X  3s  99%   3  99%
 DISTRIBUIÇÃO DAS MEDIDAS
 Gráfico SEQUENCIAL – Relação com o tempo
 HISTOGRAMA – Distribuição de Freqüência
 Gráfico de SETORES (PIZZA) – Proporções
 Diagrama de PARETO – Priorizar Soluções
 Gráfico de CORRELAÇÃO ou DISPERSÃO – Relacionamento entre
duas Variáveis
 Distribuição NORMAL – Probabilidade Contínua
 N<30 – Distribuição t de student.
 EXERCÍCIO
 1000 PEÇAS ............AMOSTRA DE 30 PEÇAS
7,3 - 7,4 - 7,2 - 7,9 - 7,5 - 7,8 - 7,1- 6,8 - 7,5 - 7,3
7,1 - 7,2 - 7,8 - 7,4 - 7,6 - 7,7 - 7,4 - 7,5 - 7,4 - 7,9
8,0 - 7,5 - 7,1 - 7,3 - 7,2 - 7,7 - 7,8 - 7,5 - 7,4 - 7,3
Analisar a Distribuição Normal com
probabilidade de 68%.
Calcular a MÉDIA ARITMÉTICA, DESVIO
PADRÃO, INTERVALO DE ACEITAÇÃO (LIC –
Limite Inferior de Controle e LSC – Limite
Superior de Controle) e quantas peças
poderiam ser descartadas por estarem fora
do limite.