Livro - Engenharia Da Qualidade II - EQII

Engenharia da Qualidade II
Engenharia da
1Edio
Qualidade II
Alrio Gomes da S. Jnior

DIREO SUPERIOR
Chanceler Joaquim de Oliveira
Reitora Marlene Salgado de Oliveira
Presidente da Mantenedora Wellington Salgado de Oliveira
Pr-Reitor de Planejamento e Finanas Wellington Salgado de Oliveira
Pr-Reitor de Organizao e Desenvolvimento Jefferson Salgado de Oliveira
Pr-Reitor Administrativo Wallace Salgado de Oliveira
Pr-Reitora Acadmica Jaina dos Santos Mello Ferreira
Pr-Reitor de Extenso Manuel de Souza Esteves
DEPARTAMENTO DE ENSINO A DISTNCIA

Gerncia Nacional do EAD Bruno Mello Ferreira
Gestor Acadmico Diogo Pereira da Silva
FICHA TCNICA
Texto: Alrio Gomes da S. Jnior
Reviso Ortogrfica: Rafael Dias de Carvalho Moraes
Projeto Grfico e Editorao: Antonia Machado, Eduardo Bordoni, Fabrcio Ramos e Victor Narciso
Superviso de Materiais Instrucionais: Antonia Machado
Ilustrao: Eduardo Bordoni e Fabrcio Ramos
Capa: Eduardo Bordoni e Fabrcio Ramos
COORDENAO GERAL:
Departamento de Ensino a Distncia
Rua Marechal Deodoro 217, Centro, Niteri, RJ, CEP 24020-420 www.universo.edu.br
Ficha Catalogrfica elaborada pela Biblioteca Rachel de Queiroz UNIVERSO
G633e Gomes, Alrio

Engenharia da qualidade,2 / Alrio Gomes.; reviso de
Rafael Dias de Carvalho Moraes. 1.ed. - Niteri, RJ:
EAD/UNIVERSO, 2015.
115p.:il.
1. Engenharia da qualidade. 2. Estatstica. 3. Variveis

aleatrias. 4. Probabilidades I. Gomes, Alrio. II. Carvalho,
Rafael Dias de. III. Ttulo.
CDD 658.562
Informamos que de nica e exclusiva responsabilidade do autor a originalidade desta obra, no se responsabilizando a ASOEC
pelo contedo do texto formulado.
Departamento de Ensi no a Dist ncia - Universidade Salgado de Oliveira
Todos os direitos reservados. Nenhuma parte desta publicao pode ser reproduzida, arquivada ou transmitida de nenhuma forma
ou por nenhum meio sem permisso expressa e por escrito da Associao Salgado de Oliveira de Educao e Cultura, mantenedora
da Universidade Salgado de Oliveira (UNIVERSO).
Palavra da Reitora
Acompanhando as necessidades de um mundo cada vez mais complexo,

exigente e necessitado de aprendizagem contnua, a Universidade Salgado de
Oliveira (UNIVERSO) apresenta a UNIVERSO EAD, que rene os diferentes
segmentos do ensino a distncia na universidade. Nosso programa foi
desenvolvido segundo as diretrizes do MEC e baseado em experincias do gnero
bem-sucedidas mundialmente.
So inmeras as vantagens de se estudar a distncia e somente por meio

dessa modalidade de ensino so sanadas as dificuldades de tempo e espao
presentes nos dias de hoje. O aluno tem a possibilidade de administrar seu prprio
tempo e gerenciar seu estudo de acordo com sua disponibilidade, tornando-se
responsvel pela prpria aprendizagem.
O ensino a distncia complementa os estudos presenciais medida que

permite que alunos e professores, fisicamente distanciados, possam estar a todo
momento ligados por ferramentas de interao presentes na Internet atravs de
nossa plataforma.
Alm disso, nosso material didtico foi desenvolvido por professores

especializados nessa modalidade de ensino, em que a clareza e objetividade so
fundamentais para a perfeita compreenso dos contedos.
A UNIVERSO tem uma histria de sucesso no que diz respeito educao a

distncia. Nossa experincia nos remete ao final da dcada de 80, com o bem-
sucedido projeto Novo Saber. Hoje, oferece uma estrutura em constante processo
de atualizao, ampliando as possibilidades de acesso a cursos de atualizao,
graduao ou ps-graduao.
Reafirmando seu compromisso com a excelncia no ensino e compartilhando

as novas tendncias em educao, a UNIVERSO convida seu alunado a conhecer o
programa e usufruir das vantagens que o estudar a distncia proporciona.
Seja bem-vindo UNIVERSO EAD!
Professora Marlene Salgado de Oliveira
Reitora.
4
Sumrio
Apresentao da disciplina ............................................................................................. 07
Plano da disciplina ............................................................................................................ 09
Unidade 1 Subsistemas de Recursos Humanos ...................................................... 11
Unidade 2 Subsistema de Proviso............................................................................ 25
Unidade 3 Subsistema de Aplicao ......................................................................... 45
Unidade 4 Subsistema de Manuteno .................................................................... 65
Unidade 5 Subsistema de Desenvolvimento........................................................... 81
Unidade 6 Subsistema de Monitoramento .............................................................. 93
Consideraes finais ......................................................................................................... 105
Conhecendo o autor......................................................................................................... 107
Referncias .......................................................................................................................... 109
Anexos.................................................................................................................................. 111
5
6
Apresentao da disciplina
Conforme vimos na disciplina de Engenharia da Qualidade I, notamos que o

conceito de qualidade antigamente era associado apenas ao produto. Relatos de
estudos sobre a qualidade dos produtos existem desde a revoluo industrial, que
ao utilizar as mquinas de forma mais acentuada, fez com que as indstrias
buscassem uma maior padronizao de seus produtos a partir da metrologia. Esses
estudos continuam at hoje, porm, com o aprimoramento dele, observou-se que
no basta somente que o produto seja de boa qualidade, outros fatores como o
atendimento ao cliente, a garantia do produto, a entrega, entre outros aspectos,
fizeram com que a preocupao com a qualidade dos servios agregados ao
produto ganhasse maior nfase, e, ao longo do tempo, tornou-se um elemento
fundamental.
Em face de isso, a utilizao da Estatstica no estudo de qualidade tornou-se

uma ferramenta primordial, a fim diagnosticar eventuais falhas no processo de
produo e possveis aprimoramento dos servios e produtos produzidos. Nesta
obra, denominada Engenharia de Qualidade II, faremos uma complementao do
estudo da qualidade I e em seguida abordaremos alguns conceitos de estatstica,
suas definies e aplicaes no desenvolvimento da qualidade.
Bons estudos!
7
8
Plano da disciplina
Caro Aluno,
Este material tem como objetivo dar continuidade aos estudos relacionados
Engenharia da Qualidade I, a fim de fornecer subsdios para um estudo de
disciplinas correlacionadas, que necessitem dos conceitos bsicos aqui
apresentados, e mais especificamente, para trabalhar com situaes problema que
envolva pesquisa operacional e sua utilizao nas diversas reas.
Neste volume, abordaremos o uso da Estatstica e suas aplicaes no estudo

da qualidade, utilizando de uma linguagem clara e direta, buscando atender a suas
necessidades e torn-la agradvel e interessante o estudo.
Busquei trabalhar a partir da teorizao dos contedos mais importantes, e ao

final do trabalho fao a referncia de obras mais especficas, para atender a quem
desejar se aprimorar e aprofundar mais no assunto.
Inicialmente dou sequncia Engenharia da Qualidade I, abordando um

pouco mais sobre metrologia e normas e em seguida, abordo a discusso do
assunto, a partir de estudos de Estatstica.
Ao final de cada unidade, apresento exerccios para testar a assimilao do

contedo proposto.
Espero que esta obra seja til em sua formao acadmica e que os contedos
aqui trabalhados sejam devidamente assimilados e possam auxili-lo a obter
sucesso em sua vida profissional.
Unidade 1: Aprimorando os conhecimentos de Metrologia da qualidade
Um breve resumo do volume anterior
A diviso da metrologia
Frederick Taylor e a Administrao Cientfica
9
Unidade 2: Conceitos fundamentais de Probabilidade
Noes bsicas de Probabilidade
Variveis aleatrias discretas e Distribuies de probabilidades

discretas
Exerccios Resolvidos
Unidade 3: Variveis aleatrias contnuas
Variveis aleatrias contnuas
Varivel aleatria bidimensional
Distribuies de probabilidades contnuas
Unidade 4: Inferncia Estatstica
Inferncia Estatstica (Teorema central do limite ou aproximao

normal)
Intervalo de Confiana
Unidade 5: Aplicaes na Qualidade
Por que e para que realizar testes estatsticos na qualidade?
Principais grficos e suas aplicaes na qualidade
Unidade 6 - Aplicaes na Qualidade
10
1
Aprimorando os
Conhecimentos de
Metrologia da Qualidade
11
Caro aluno,
Vimos, na disciplina de Engenharia da Qualidade I, que a utilizao da

metrologia no estudo da qualidade das empresas atualmente algo indispensvel.
Nesta unidade, buscamos aprimorar um pouco mais os conhecimentos sobre a
Metrologia da qualidade, para em seguida, aplicar os conceitos de Estatstica nesse
estudo.
Objetivo da unidade:
O objetivo dessa unidade possibilitar aos alunos aprimorar os

conhecimentos adquiridos de Metrologia estudados na disciplina de Engenharia
da Qualidade I.
Plano da unidade:
Um breve resumo do volume anterior.

O estudo da ergonomia do trabalho
A preocupao com a eficincia
O uso da meritocracia por Taylor
Bons estudos!
12
Um breve resumo do volume anterior

Vimos no volume anterior que o avano do processo de industrializao, a
necessidade da padronizao do processo produtivo e a grande competitividade
das indstrias fez da metrologia um estudo indispensvel para uma melhor
medio dos nveis de produtividade das empresas e para uma analise de decises
por parte dos gestores. Tambm estudamos que a metrologia deixou de ser apenas
uma forma de medir produtos e passou tambm a medir servios, objetivando
adquirir o que chamamos de qualidade total.
Dentre os principais fundamentos da metrologia, destacamos a reduo do

esforo produtivo, a otimizao do tempo, o aumento da produo e a melhoria da
qualidade dos produtos e servios. Vimos tambm que foi a partir da Revoluo
Industrial que a metrologia passou a ser mais relevante, em funo da necessidade
de padronizao da linha de produo.
A metrologia uma ferramenta essencial numa empresa ou indstria.

Possibilita o ajuste de parmetros, a correo de erros e a antecipao de
resultados, possibilitando quando utilizada de maneira contnua garantir um
grau de confiabilidade e segurana da produo. Ela no fica restrita
somente a verificar a conformidade, mas a partir de uma sistematizao,
permite organizar e assegurar na produo, as especificaes que so em
geral comercialmente aceitas pelo mercado.
EAD Engenharia de Qualidade I
Um dos grandes mestres da qualidade estudados no volume anterior, Ishikawa

foi certamente o maior estimulador do uso da estatstica para um melhor controle
da qualidade, atravs do aprimoramento das ferramentas da qualidade. Foi dele a
ferramenta denominada Diagrama de Ishikawa ou tambm grfico de Espinha de
peixe.
As sete ferramentas so: Fluxograma, Diagrama Ishikawa, Folhas de

verificao, Diagrama de Pareto, Histograma, Diagrama de Disperso e as Cartas de
Controle. O uso em conjunto dessas sete ferramentas foi denominado por Ishikawa
como Crculo de Qualidade.
13
Sendo uma cincia das medies que abrange os diversos aspectos tericos e
prticos que asseguram a preciso exigida no processo produtivo, visando garantir
a qualidade de produtos e servios atravs da calibrao de instrumento de
medio e da realizao de ensaios, a metrologia pode ser subdividida em trs
grandes grupos: Metrologia cientfica, Industrial e legal.

Fonte: http://despachantesargentinos.com/detalle_noticia.php?id=9639
A Metrologia Cientfica:
a metrologia que se utiliza de pesquisas e metodologias cientficas e do uso

de instrumentos laboratoriais.
14

Fonte: www.toledobrasil.com.br
A Metrologia Industrial
a metrologia cujos sistemas de medio controlam processos produtivos

industriais e so responsveis pela garantia da qualidade dos produtos acabados.
Fonte:http://www.tecnalia.com/en/technological-services/services-by-industry/customised-
in-situ-metrology.htm
15
A Metrologia Legal
a metrologia relacionada s atividades obrigatrias, referentes s medies,

unidades de medida, instrumentos e mtodos de medio. Est relacionada a
sistemas de medio usados nas reas de sade, segurana e meio ambiente.
Objetiva proteger o consumidor tratando das unidades de medidas, mtodos e
instrumentos de medio, de acordo com exigncias tcnicas e legais obrigatrias.

Fonte: http://www.inti.gob.ar/rafaela/campos3.htm
Em uma poca onde nas empresas costumava-se fazer o pagamento por

produo e os gestores buscavam lucrar o mximo na fixao das tarefas a serem
executadas pelos funcionrios, e o pensamento dos operrios na inteno de
garantir sua empregabilidade era de parecer que no
poderiam produzir quantidade superior a um
determinado nmero de peas por dia, um operrio
chamado Frederick Taylor descobriu e formulou a partir
de anlises feitas no ntimo das empresas uma das
grandes invenes sociais de todos os tempos, a
administrao cientfica.
Com um crescimento meterico, Taylor passou em

apenas seis anos de operrio a engenheiro chefe. Durante
sua meterica ascenso, se deparou com diversas
questes, entre elas, analisava qual deveria ser a
produo ideal de um empregado ao longo de um dia e
qual o tempo mdio (padro) para a realizao de cada
tarefa.
16
Por discordar desse sistema de remunerao, Taylor, logo que foi nomeado
chefe de oficina, dedicou grande empenho na modificao desse sistema
administrativo, de modo a criar um sistema que atendesse de maneira nica aos
interesses de gestores e operrios. Seu processo inovador se fundamentava em
uma anlise ampla do trabalho, incluindo o tempo e os movimentos necessrios.
Estabeleceu padres de execuo das atividades e treinamento de funcionrios.
Criou especializaes entre o grupo de operrios e instalou uma sala de
planejamento. Utilizou esse procedimento desde funcionrios mais simples at o
topo da empresa.
O estudo da ergonomia do trabalho
Taylor estudou de forma minuciosa o tempo e os movimentos e concluiu que

o trabalho mais bem executado quando h uma subdiviso de todos os
movimentos necessrios para a execuo de cada tarefa. Sua anlise consistia em
cinco processos: Prvia seleo dos funcionrios qualificados para exercer
determinada tarefa, estudo de todos os movimentos necessrios para a sua
execuo, cronometragem do tempo de execuo da tarefa, com a medio do
tempo mdio, eliminao de movimentos incorretos, lentos, inteis e
desnecessrios. Depois de feito este processo, reuniu todos os melhores e mais
rpidos movimentos e as melhores ferramentas, para assim definir o mtodo de
trabalho.
Alm desse estudo, juntamente com Frank B. Gilbreth, concluram que todo
trabalho manual pode ser reduzido a movimentos elementares. Eles subdividiram
esse estudo em trs etapas: Eliminao de movimentos inteis, execuo dos
movimentos teis com minimizao de esforo e tempo, e seriar de forma
apropriada e adequada os movimentos, de forma mais econmica. Os dois fizeram
um meticuloso estudo sobre a fadiga, que, segundo eles, um redutor de
eficincia. Idealizou e props uma srie de princpios de reduo de movimentos
referentes ao corpo humano e tambm em relao ao local apropriado para cada
tarefa e as ferramentas e equipamentos utilizados.
17
A preocupao com a eficincia
Como consequncia desses estudos, cada operrio passou a ser especializado

pela execuo de uma determinada tarefa, com isso a produtividade aumentou e
predominou a ideia de que a eficincia aumenta com a especializao. Assim,
houve uma simplificao dos cargos, com a inteno de obter o mximo de
especializao de cada operrio. As empresas passaram a formular um desenho
dos cargos e especificar suas atribuies, tarefas e mtodos de execuo. Essa
simplificao nos cargos propiciou diversas vantagens, entre elas: a seleo e
admisso de funcionrios com qualificaes mnimas e salrios menores,
reduzindo os custos da produo; o menor custo em treinamentos; a diminuio
significativa dos erros de execuo das tarefas; a maior facilidade na fiscalizao e
superviso e o aumento da eficincia de cada operrio, gerando com isso maior
produtividade.
O uso da meritocracia por Taylor

Taylor no estudou somente a questo ergonmica. Seus estudos tambm
foram voltados para a questo da motivao dos funcionrios e de melhores das
condies de trabalho.
Objetivando atender e conciliar interesses de funcionrios e gestores, o

modelo meritocrtico foi a frmula encontrada por Taylor para satisfazer e motivar
os empregados, que passaram a receber incentivos e premiaes quando
aumentavam a produtividade e reduziam custos de produo e agradar a gestores
com o consequente aumento do faturamento.
Alm disso, Taylor tinha uma grande preocupao com as condies de

trabalho, pois para alcanar a eficincia, segundo ele, trs elementos so essenciais:
Motivao dos funcionrios, Mtodo de trabalho bem definido e boas condies
de trabalho. Nesse sentido, para se obter boas condies de trabalho, faz-se
necessrio uma adequao dos instrumentos e das ferramentas de trabalho
utilizadas, um arranjo fsico dos equipamentos e das mquinas objetivando a
racionalizao do fluxo produtivo e tambm a melhoria do espao fsico, pois as
condies ambientais de trabalho so fundamentais.
18
No podemos deixar de lado a Superviso funcional e a padronizao. Esses

dois fatores tambm so vitais para a obteno da eficincia segundo Taylor. A
padronizao evita desperdcios, reduz a variabilidade e a diversidade no processo
de produo. A padronizao dos mtodos e dos processos de trabalho tambm
so importantes. Acompanhado disso, h uma grande necessidade de um
supervisor funcional, que deve ser especializado em sua atividade e tem como
principal funo ser o intermedirio entre o funcionrio e a chefia. Em seus estudos
ele recomenda trs tipos de superviso funcional: O supervisor da produo, o
supervisor de manuteno e o supervisor de qualidade.
Em sntese, fica clara a importncia da Administrao cientfica como um meio

de fazer com que o processo produtivo seja feito da melhor forma, com menos
custo e com maior eficcia e eficincia.
hora de se avaliar
Lembre-se de realizar as atividades desta unidade de estudo. Elas iro

ajud-lo a fixar o contedo, alm de proporcionar sua autonomia no processo de
ensino-aprendizagem.
19
Exerccios - unidade 1
1.A metrologia que se utiliza de pesquisas e metodologias cientficas e do uso

de instrumentos laboratoriais denominada de:
a) Metrologia Legal
b) Metrologia Experimental
c) Metrologia Cientfica
d) Metrologia Industrial
e) Metrologia dos servios
2.Em relao Metrologia Legal, incorreto dizer que:
a) Est relacionada a sistemas de medio usados nas reas de sade,

segurana e meio ambiente.
b) Tem como objetivo proteger o consumidor tratando das unidades de

medidas, mtodos e instrumentos de medio, de acordo com
exigncias tcnicas e legais obrigatrias.
c) Est relacionada s atividades obrigatrias, referentes s medies,

unidades de medida, instrumentos e mtodos de medio.
d) Seus sistemas de medio controlam processos produtivos industriais

e so responsveis pela garantia da qualidade dos produtos
acabados.
e) Nenhuma das opes anteriores
20
3.Ishikawa utilizou de diversas ferramentas no estudo da qualidade. Ao utiliz-

las em conjunto ele criou um processo denominado de Crculo de Qualidade. Esse
crculo composto de:
a) 4 ferramentas
b) 5 ferramentas
c) 6 ferramentas
d) 7 ferramentas
e) 8 ferramentas
4.Taylor dedicou grande empenho na criao e elaborao de seu sistema

administrativo. Sobre esse processo inovador, incorreto dizer que:
a) Preocupou-se em atender de maneira nica aos interesses de gestores e

operrios.
b) Fundamentava-se em uma anlise ampla do trabalho, incluindo o tempo

e os movimentos necessrios.
c) Estabeleceu padres de execuo das atividades e treinamento de

funcionrios.
d) Criou especializaes entre o grupo de operrios.
e) No buscava estabelecer um modelo de gesto que tornasse a empresa

lucrativa, mas sim que oferecesse melhores condies de trabalho aos
operrios.
5.A metrologia compreende todos os aspectos tericos e prticos da medio,

qualquer que seja a incerteza de medio e o domnio de aplicao. Sobre a
metrologia, podemos dizer que:
I - Permite a preciso do processo produtivo;
II - Contribui para a reduo do nmero de refugo nas empresas;
III - Auxilia na diminuio do ndice de incerteza.
21
Sobre as afirmaes acima, esto corretas:
a) I e II
b) I e III
c) II e III
d) I, II e III
6.Em seus estudos, Taylor concluiu que o trabalho mais bem executado
quando h uma subdiviso de todos os movimentos necessrios para a execuo
de cada tarefa. Qual das opes abaixo no um dos cinco processos destacados
por Taylor:
a) Seleo dos funcionrios para a execuo da tarefa.
b) Estudo de todos os movimentos necessrios para a execuo da tarefa.
c) Cronometragem do tempo de execuo da tarefa.
d) Eliminao de movimentos incorretos, lentos e inteis.
e) Anlise dos custos de execuo da tarefa.
7.Em conjunto Gilbreth, Taylor concluiu que todo trabalho manual pode ser
reduzido a movimentos elementares. Eles subdividiram esse estudo em trs etapas.
Cite cada uma delas.
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
22
8.Taylor tinha uma grande preocupao com as condies de trabalho, pois

para alcanar a eficincia, segundo ele, trs elementos so essenciais. Quais so
eles?
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
9.Objetivando atender e conciliar interesses de funcionrios e gestores, o

modelo meritocrtico foi a frmula encontrada por Taylor para solucionar essa
questo. Explique de que maneira o modelo meritocrtico atende aos interesses
de funcionrios e gestores.
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
23
10.Segundo Taylor h uma grande necessidade de um supervisor funcional,

que deve ser especializado em sua atividade e tem como principal funo ser o
intermedirio entre o funcionrio e a chefia.
Quais os tipos de superviso recomendados por Taylor?
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
24
2 A Estatstica
25
Caro aluno,
Neste captulo, estudaremos alguns elementos da estatstica descritiva e

algumas representaes grficas, dentro dos quais as definies de varivel,
populao e amostra. Estudaremos tambm o porqu e qual a melhor
representao grfica deve ser utilizada durante a fase de apresentao dos dados
de um estudo.
O objetivo dessa unidade oferecer ao aluno o melhor entendimento sobre

alguns elementos da estatstica descritiva e sobre representao grfica.
Plano da unidade:
Conceitos Bsicos
Mtodo
Varivel
Srie Estatstica
Grficos Estatsticos
Distribuio de Frequncia
Bons estudos!
26
Conceitos Bsicos
A estatstica uma parte da matemtica aplicada que fornece subsdios para o

analista na coleta, organizao, descrio, anlise e interpretao de dados para a
sua utilizao e tomada de decises. Trata-se de parmetros extrados da
populao.
Mtodo
um conjunto de meios dispostos convenientemente para se chegar a um

determinado fim. Dos mtodos cientficos destacam-se:
Mtodo Experimental
Mantm todas as causas constantes (variveis), menos uma, que sofre variao
para que assim possa observar seus efeitos. Ex.: Mantemos a presso constante de
determinada varivel e variamos apenas a temperatura, assim observamos os
efeitos.
Mtodo Estatstico
Utilizada quando no temos a possibilidade de manter as causas (variveis)

constantes, assim se admitem todas, variando-as e anotando tais possveis
variaes. Ex.: Causas que definem o preo de uma mercadoria quando a sua oferta
diminui. Neste caso, no se pode definir nem manter constantes, no momento da
pesquisa, a uniformidade dos salrios, o nvel geral de preos dos outros produtos,
o gosto dos consumidores, entre outros.
Fases do Mtodo Estatstico
1.Definio do problema
O que se pretende exatamente com a pesquisa. a definio da pergunta

sobre o problema. O que se pretende pesquisar?
27
2.Planejamento
a definio de todos os passos da pesquisa que devem envolver

questionamentos como: Como levantar as informaes necessrias? Que dados
devero ser obtidos? Qual levantamento a ser utilizado? Censo? Amostragem?
Qual o cronograma de atividades? Quais os custos?
3.Coleta de dados
o recebimento das informaes, o registro de dados, aps planejamento

prvio.
A coleta pode ser:
Coleta Direta:
Obtida diretamente da fonte atravs de registros permanentes ou obtida pelo

prprio pesquisador. Ex.: censo.
A coleta direta pode ser classificada quanto ao fator tempo em:
Coleta contnua: realizada continuamente.
Ex.: Registros de nascimento, bitos, casamentos;

Coleta peridica: realizada em intervalos de tempos. Ex.:
recenseamento demogrfico, censo industrial;
Coleta ocasional: realizada na necessidade de atender a uma

emergncia. Ex.: registro de casos de dengue.
Coleta Indireta:
feita por dedues a partir de elementos conhecidos que so coletados

atravs da coleta direta, por analogia, por avaliao, indcios ou
proporcionalizao.
28
4.Crtica dos dados
a etapa onde os dados devem ser criticados, a fim de detectar possveis

falhas, imperfeies ou erros. Ex.: Homem grvido, 895kg como peso de um
indivduo. Nestes casos, como houve erro na coleta de dados, estes devem ser
descartados.
Esta etapa pode ser dividida em:
Externa
Quando a causa do erro por parte do informante.
Interna
Quando se observa os elementos originais dos dados da coleta.
5. Apurao dos Dados
o processamento/organizao dos dados obtidos e a sua disposio

mediante critrios de classificao atravs de contagem e agrupamento.
6.Exposio (apresentao) dos Dados
H duas formas de apresentao, onde uma no exclui a outra.
Apresentao tabular
Apresentao numrica dos dados em linhas e colunas distribudas de modo

ordenado, segundo regras prticas fixadas pelo Conselho Nacional de Estatstica.
Apresentao grfica
Apresentao geomtrica permitindo uma viso rpida e clara do fenmeno.
29
7.Anlise dos Resultados
A ltima fase do mtodo estatstico, sendo a mais importante e delicada. Est

ligada ao clculo de medidas e coeficientes, sendo a finalidade principal a de
descrever o fenmeno (estatstica descritiva), retirando da concluses e previses
sobre a populao (todo), a partir de uma amostra (parte que representa o todo).
Varivel
o conjunto de resultados possveis de um fenmeno. Ex.: idade, sexo, altura

etc. Pode ser classificada em:
Varivel Qualitativa
Valores expressos por atributos/qualidades ou categorizados. Ex.: sexo, cor da

pele etc.
Varivel Quantitativa
Quando os dados so de carter numrico/quantitativo. Dividem-se em:
Varivel Discreta ou Descontnua: valores expressos em nmeros

inteiros no negativos, os quais podem contar o conjunto de
resultados possveis. Ex.: nmero de filhos.
Varivel Contnua: resulta normalmente de uma mensurao, e a

escala numrica de seus possveis valores corresponde ao conjunto R
dos nmeros Reais, ou seja, podem assumir, teoricamente, qualquer
valor entre dois limites. Ex.: temperatura.
30
Exemplos
- Cor dos olhos das alunas:...............................................qualitativa
- ndice de liquidez nas indstrias de Santos:...........quant. contnua
- Produo de caf no Brasil: ...................................quant. contnua
- Nmero de defeitos em aparelhos de TV: ..............quant. discreta
- Comprimento dos pregos produzidos: ...................quant. contnua
- O ponto obtido em cada jogada de um dado: .........quant. discreta
Populao
Conjunto total de elementos portadores de, pelo menos, uma caracterstica

comum. Tambm conhecida como Universo Estatstico.
Parmetros
Valores singulares existentes na populao e que servem para caracteriz-la.

Devemos examinar toda a populao para definirmos um parmetro.
Amostra
um subconjunto finito de uma populao, ou seja, uma parcela

representativa do todo que examinada com o propsito de tirarmos concluses
sobre a essa populao (todo).
Amostragem
Processo de recolhimento de amostra. Que podem ser divididas em:
Casual ou aleatria
equivalente a um sorteio lotrico. o processo mais elementar e

frequentemente utilizado.
31
Proporcional Estratificada
A proporcionalidade do tamanho de cada estrato da populao deve ser

mantida na amostra, ou seja, se um estrato abrange 30% da populao, ele
tambm deve abranger 30% da amostra.
Sistemtica
Quando os elementos da populao j se encontram ordenados no tendo,

portanto, necessidade de sorteio. Ex.: Pronturios mdicos de um hospital, os
prdios de uma rua etc. Nestes casos, a seleo dos elementos que constituiro a
amostra pode ser feita por um sistema imposto pelo pesquisador.
Srie Estatstica:
Consiste na apresentao das informaes (variveis estatsticas), em forma de

tabelas, que apresenta a distribuio de um conjunto de dados estatsticos em
funo da poca, do local ou da espcie, objetivando sintetizar os dados
observados e tornando-os mais compreensivos.
Nota: Uma tabela e mesmo um grfico, deve apresentar o cabealho, o corpo e

o rodap.
As sries estatsticas so classificadas em:
Srie Temporal
Identifica-se pelo carter varivel do fator cronolgico, ou seja, os dados so

observados segundo a poca de ocorrncia. O que est em estudo o fator tempo,
o local e a espcie (fenmeno) so elementos fixos. Esta srie tambm chamada
de histrica ou evolutiva.
Produo de Parafusos
2013 - 2014
Perodo Unidades
1/2013 432
2/2013 529
1/2014 735
2/2014 289
Fonte: Dados fictcios.
32
Srie Geogrfica
Apresenta como elemento varivel o fator geogrfico. A poca e o fato

(espcie) so elementos fixos. a srie em que os dados so observados segundo a
localidade de ocorrncia. Tambm chamada de espacial, territorial ou de
localizao.
Unidades Exportadas - 2014
Local Unidades
Recife 234
Rio de Janeiro 125
So Paulo 234
Vitria 245
Srie Especfica
O carter varivel apenas o fato ou espcie. Tambm chamada de srie

categrica.
Unidades Exportadas - 2014

Tipo Unidades
Camisas 14.532
Calas 12.234
Meias 7.350
Gravatas 2.899
Srie Conjugada
Tambm chamadas de tabelas de dupla entrada. So apropriadas

apresentao de duas ou mais sries de maneira conjugada, havendo duas ordens
de classificao: uma horizontal e outra vertical.
33
Unidades Exportadas
Local 2013 2014

Recife 123 234
Rio de Janeiro 231 125
So Paulo 421 234
Vitria 125 245
Grficos estatsticos
Linhas
Usados geralmente para representao de sries cronolgicas com um grande

nmero de perodos de tempo. As linhas so mais eficientes do que as colunas,
quando existem intensas flutuaes nas sries ou quando h necessidade de se
representarem vrias sries em um mesmo grfico.
Fonte:http://excelmax.blogspot.com.br/2011/01/o-que-da-mais-visao-da-situacao-
tabelas.html
34
Colunas
Quando as legendas no so breves usam-se de preferncia os grficos em

barras horizontais. Nesses grficos os retngulos tm a mesma base e as alturas so
proporcionais aos respectivos dados. Tem o intuito de analisar as projees no
perodo determinado.
Fonte: http://www.lugli.com.br/2008/02/grafico-de-colunas/
Setores
Construdo com base em um crculo, e empregado sempre que desejamos

ressaltar a participao do dado no total. O total representado pelo crculo, que
fica dividido em tantos setores quantas so as partes. Os setores so tais que suas
reas so respectivamente proporcionais aos dados da srie. O grfico em setores
s deve ser empregado quando h, no mximo, sete dados.

Fonte: http://hipermidia.unisc.br/jol/?p=2040
35
Barras Mltiplas
Eles diferem dos grficos em barras ou colunas convencionais apenas pelo fato
de apresentar cada barra ou coluna segmentada em partes componentes. Servem
para representar comparativamente dois ou mais atributos.
Fonte: http://www.efdeportes.com/efd82/teva.htm
Cartograma
a representao sobre uma carta geogrfica (mapas). Sendo empregado para
figurar os dados estatsticos diretamente relacionados com reas geogrficas ou
polticas.
Fonte: http://www.faculdadesagradafamilia.com.br/admin/app/webroot/anexos/GRAFICOS-
Aula3.pdf
36
Pictograma
Um tipo de grfico apresentado de forma atraente e sugestiva. Seus smbolos

devem ser autoexplicativos. No entanto, apresenta a desvantagem de apenas
mostrar uma viso geral do fenmeno, e no de detalhes minuciosos.
Fonte: http://crazymathestatistica.blogspot.com.br/2009_04_17_archive.html
ndices
So razes entre duas grandezas tais que uma no inclui a outra.
Ex: Densidade demogrfica = populao/superfcie
Coeficientes
So razes entre o nmero de ocorrncias e o nmero total.
Ex: Coeficiente de mortalidade = n de bitos/ populao total
Taxas
So os coeficientes multiplicados por uma potncia de 10.
Ex: Taxa de natalidade = coeficiente de natalidade X 100
37
Distribuio de Frequncia
um tipo de tabela que condensa uma coleo de dados conforme as

frequncias (repeties de seus valores).
Tabela primitiva ou dados brutos:
uma tabela ou relao de elementos que no foram numericamente

organizados. difcil formarmos uma ideia exata do comportamento do grupo
como um todo, a partir de dados no ordenados.
Ex : 45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
Rol
a tabela obtida aps a ordenao dos dados (crescente ou decrescente).
Ex :41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
hora de se avaliar

38
Exerccios Unidade 2
1.Certo estudante pretende iniciar seu trabalho de concluso de curso. Com

base no exposto, Qual a ordem correta que ele deve seguir para desenhar sua
pesquisa segundo as fases do mtodo estatstico?
1. A apurao
2. A coleta
3. A crtica
4. A definio do problema
5. O planejamento
6. A anlise
7. A apresentao dos dados
Assinale a opo que corresponda ordem correta dessas fases:
a) 1, 2, 3, 4, 5, 7, 6
b) 4, 5, 2, 3, 1, 7, 6
c) 5, 4, 3, 2, 1, 6, 7
d) 4, 3, 5, 2, 1, 6, 7
e) 4, 5, 3, 1, 2, 7, 6
2.Dentre a lista de variveis abaixo, classifique-as em qualitativa e quantitativa.
( ) Cor
( ) Peso de determinado material
( ) ndice de liquidez
39
a) qualitativa, qualitativa, quantitativa.
b) quantitativa, quantitativa, qualitativa.
c) quantitativa, qualitativa, quantitativa.
d) qualitativa, qualitativa, qualitativa.
e) qualitativa, quantitativa, quantitativa.
3.Dentre as variveis quantitativas do exerccio anterior, classifique-as,

respectivamente, em contnuas ou discretas.
a) contnua e contnua.
b) contnua e discreta.
c) discreta e contnua.
d) discreta e discreta.
e) todas as variveis so qualitativas.
4.Uma empresa dividida em 5 departamentos. No 1 produzida a matria-

prima para a produo do material, nesta rea, trabalham 120 pessoas, no 2
departamento, onde trabalham 100 pessoas, so separados os materiais
necessrios para produo, no 3, acontece o incio da montagem, e trabalham 150
pessoas, no 4 departamento, acontece o acabamento do material, neste processo
a empresa conta com 140 funcionrios e por ltimo no 5 departamento, acontece
a checagem e esto envolvidos neste processo 80 pessoas. Na necessidade de
analisar uma amostra desta populao correto:
a) A amostra deve conter todos os trabalhadores de todos os departamentos.
b) A amostra deve ser proporcional para todos os departamentos.
c) A amostra deve conter os trabalhadores do departamento 3, uma vez que o

que tem o maior nmero de pessoas.
d) A amostra deve conter os trabalhadores do 5 departamento, uma vez que

o que tem o menor nmero de pessoas.
e) Nenhuma das opes esto corretas.
40
5.Considere a srie abaixo, e classifique-a em:
Anlise 2007 - 2010

Ano Unidades
2007 1.423
2008 2.529
2009 1.832
2010 12.890
a) Geogrfica
b) Conjugada
c) Especfica
d) Temporal
e) Nenhuma das anteriores
6.Os dados apresentados abaixo se referem a qual srie?
Anlise
Programa/preferncia Entrevistados
Esporte 1.423
Filme 2.529
Telejornal 1.832
Desenho animado 529
Novela 12.890
a) Geogrfica
b) Conjugada
c) Especfica
d) Temporal
e) Nenhuma das anteriores
41
7.Um administrador precisa verificar o oramento de uma empresa e depois

apresentar estes dados para os diretores. Segundo os primeiros dados coletados,
ele concluiu que 50% do oramento vai para a compra de equipamentos, 30% para
a manuteno e 20% para pagamento de pessoal. O grfico que melhor representa
essa situao :
a) de linhas
b) de colunas
c) de setores
d) de barras mltiplas
e) nenhum dos anteriores
8.Observe a srie abaixo. O grfico que melhor a representa o:
Nmero de empregados de determinada cidade

Ano Empregados
2001 12.432
2002 13.529
2003 11.832
2004 15.329
2005 12.890
a) de linhas
b) de colunas
c) de setores
d) de barras mltiplas
e) nenhum dos anteriores
42
9.Quando, porque e quais as limitaes de se utilizar o grfico tipo

Pictograma?
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
10.Diferencie ndice, coeficiente e taxa.
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
43
44
3 Conceitos Fundamentais
de Probabilidade
45
Caro aluno,
Ao estudarmos a unidade anterior, vimos que o uso da metrologia no estudo

da qualidade fundamental. Uma das disciplinas indispensvel para o bom estudo
de metrologia a Estatstica. Assim, nesta unidade, buscamos rever um pouco mais
os conhecimentos de estatstica, em particular sobre o estudo de probabilidade,
para que nas unidades seguintes, passamos aplic-los no estudo da qualidade.
O objetivo dessa unidade possibilitar aos alunos rever conhecimentos de

Estatstica, em especial o estudo das probabilidades.
Plano da unidade:
Noes bsicas de Probabilidade
Variveis aleatrias discretas e Distribuies de probabilidades discretas
Exerccios Resolvidos
Bons estudos!
46
Noes bsicas de probabilidade
Experimento aleatrio.
Chama-se experimento aleatrio a qualquer experimento que, repetido em

condies idnticas, apresenta resultados imprevisveis. A variao dos resultados
devida ao que intitulamos de acaso.
Exemplos:
a) Lanar uma moeda e observar sua face superior.
b) Retirar uma bola de uma urna que contm duas bolas azuis e uma branca,
observando-lhe a cor.
Espao amostral
Espao amostral o conjunto U de todos os resultados de um experimento

aleatrio.
Evento.
Qualquer subconjunto de U denominado evento.
Tipos de eventos:
a) Evento certo o prprio U.
b) Evento impossvel o conjunto vazio ().
c) Evento elementar todo subconjunto unitrio de U.
Dois eventos A e B so denominados mutuamente exclusivos quando: A B = .
Dois eventos A e Ac so complementares quando:

A Ac = e A Ac = U.
47
Exemplos:
No lanamento de um dado, feita a observao do resultado da face superior,

temos:
U = 1, 2, 3, 4, 5, 6
O evento A, ocorrncia do nmero 6, um evento elementar:
A = 6.
Os eventos:
B, ocorrncia de um nmero divisor de 4: B = 1; 2; 4 e C, ocorrncia de um

mltiplo de 3: C = 3; 6, so mutuamente exclusivos.
Os eventos:
D, ocorrncia de um nmero par: D = 2, 4, 6 e
E, ocorrncia de um nmero mpar: E = {1, 3, 5, so complementares.
O evento I, ocorrncia do nmero 7, um evento impossvel neste

experimento aleatrio.
Distribuio de probabilidades
Seja U = a1, a2, ,an.
Definiremos uma distribuio de probabilidades sobre U se, a cada evento

elementar ai de U, atribuirmos um nmero real pi que satisfaa s seguintes
condies:
0 pi 1 iN*
1) , para todo
2)
p1 p2 p 3 pn 1
48
Probabilidade de um evento.
Seja U = a1, a2, a3, ,an e p1, p2, , pn uma distribuio de probabilidades
sobre U. Sendo A = a1, a2, , ak, com k n, um evento contido em U, dizemos
que a probabilidade de A :
1) P(A) = 0, se A =
2) P(A) = p1 + p2 + + pk, se A
Observaes:
P(U) = 1
P() = 0
0 P(A) 1
Probabilidade de um evento (U equiprovvel).
Seja U = a1, a2, , an e p1, p2, , pn uma distribuio de probabilidades

sobre U.
U um espao amostral equiprovvel se, e somente se p1 = p2 = = pn .
Sendo U equiprovvel, pode-se verificar que:
pi = 1/n n 1, 2, 3, , n
Se A = a1, a2, a3, , ak, com k , um subconjunto do espao amostral

equiprovvel U, ento:
k n( A)
P ( A)
n n(U )
49
Probabilidade do evento A B.
Seja U um espao amostral e A e B dois eventos tais que:
A UeB U.
O evento A B definido da seguinte maneira:
A B x U x A ou x B
A probabilidade do evento A B dada por:
P(A B) = P(A) + P(B) P(A B)
Observaes:
P(A B) = P(A) + P(B), quando A B=
P (Ac) = 1 P(A)
Probabilidade condicional.
Considere o experimento aleatrio de lanar um dado e observar sua face

superior.
No espao amostral U 1, 2, 3, 4, 5, 6, considere os seguintes eventos:
A = 2, 4, 6 e B = 1, 2, 3.
A priori, isto , antes da realizao do experimento, a probabilidade de que

ocorra o evento B 1/2.
Suponha que, uma vez realizado o experimento, algum anuncie que o

resultado um nmero par, isto , o evento A ocorreu. A probabilidade de B
ocorrer, agora, 1/3.
A probabilidade de B, tendo ocorrido A, ser indicada da seguinte forma:
50
P(B A).
A probabilidade de B, dado que A ocorreu, definida por:
n A B
P ( B / A) ; n( A ) 0
n( A )
ou
P( A B)
P(B / A) ; P( A ) 0
P( A )
Consequncias:
P(A B) = P(A) . P(B / A)

Se P(B) > 0 tem-se, ainda, que:
P( A B)
P( A / B) P ( A B ) P( B ) . P ( A / B)
P( B )
Eventos Independentes.
Sejam dados dois eventos A e B de um espao amostral U. Define-se que o

evento A independe de B quando:
P(A / B) = P(A)
Se A independe de B, P(A) 0, ento B independe de A. Isto pode ser

verificado da seguinte maneira:
P( A B) P( B) P( A / B) P( B) P( A)
P( B / A) P( B)
P( A) P( A) P( A)
Sendo A e B eventos independentes, a relao P(A B) = P(A) P(B/A)

permite que se conclua que:
P(A B) = P(A) P(B)
Exemplo:
51
Ao lanar uma moeda indica-se a ocorrncia de cara por k e a de coroa por c.
Seja o experimento aleatrio: lanar uma moeda equilibrada duas vezes

seguidas e observar a face superior.
O espao amostral dado por: U = (k, k), (k, c), (c, k), (c, c)
Dos eventos deste espao amostral analisemos os seguintes:
A: ocorre coroa no 1 lanamento.
A = (c, k), (c, c) P(A) = 12
B: ocorre coroa no 2 lanamento.
B = {(k, c), (c, c)} P(B) = 12
A B = (c, c) P(A B) = 1/4

Diremos que A e B so eventos independentes, pois:
P( A B ) 1 / 4 1
P( A / B) P( A )
P(B) 1/ 2 2
ou
1 1 1
P ( A B ) P ( A).P ( B ) .
4 2 2
Diremos que A e B so eventos dependentes, quando:
P ( A B ) P( A).P ( B)
52
Observaes:
a) Dois eventos mutuamente exclusivos no so independentes (a menos que

um deles seja o evento impossvel).
b) O evento certo (U) e o evento impossvel () so independentes de

qualquer outro evento.
Distribuio binomial.
Consideremos uma experincia aleatria na qual se pretende calcular a

probabilidade da ocorrncia de um evento A, nomeado sucesso, e do seu
complementar Ac, denominado fracasso. Repete-se esta experincia n vezes
consecutivas, de maneira que:
a) em todas as tentativas P(A) constante;
b) cada vez que realizada a experincia, ocorre A ou Ac.
Seja P(A) = p e P(Ac) = q = 1 p.
Obter exatamente 3 sucessos em 5 tentativas pode ser apreciado da seguinte

forma:
pppqq p 3 q 2

ppqpq p 3 q 2
5
ppqqp p 3 q 2 p 3 q 2
3

qqppp p 3 q 2

Se repetirmos a experincia n vezes, a probabilidade de obtermos r sucessos

dada por:
n r n r
. p . q
r
53
Variveis aleatrias discretas
A varivel aleatria discreta (VAD) uma funo que associa a todo evento de
uma partio do espao amostral um nico nmero real.
Podemos definir uma Funo Densidade Probabilidade (FDP) se:

P(x) 0 f(x) 0
e e
ou
1 1
Ao conjunto:
,
Damos o nome de distribuio de uma varivel aleatria x.
Varivel aleatria bidimensional discreta
A cada par (x,y) associaremos um nmero
p(xi , yj) = p(x = xi , y = yj ) que satisfazem as seguintes condies:
p(xi,yj) 0 e p(xi,yj) 0
54
Variveis aleatrias discretas independentes
Seja (x,y) uma varivel aleatria bidimensional discreta (VABD).
X e Y so independentes, se e somente se;
p(x = xi , y = yj) = p(x = xi) para qualquer i e j.
Valor Esperado esperana
A esperana ou valor esperado dado por:
Propriedades:
Propriedade 1:

Propriedade 2:
.
Propriedade 3:
Propriedade 4:
55
Propriedade 5:
Propriedade 6:
Propriedade 7:
Propriedade 8: Se x e y so independentes, ento:
Varincia de uma varivel aleatria discreta:
Propriedade 1:
0
Propriedade 2:
.
Propriedade 3:
Propriedade 4:
Propriedade 5: Se x e y so independentes, ento:
56
Distribuies de probabilidades discretas (Bernoulli)
Considere: p = sucesso e (1-p) = fracasso
p(x=k) = pk(1-p)1-k
Funo probabilidade
p(x=k) = Cn,k . pk . (1-p)n-k

onde Cn,k = (n!)/(n-k)!k!
Exerccios resolvidos
1.A probabilidade de um atirador acertar o alvo de 85%. Caso o atirador faa

10 tentativas, calcule a probabilidade de:
a.Ele acertar o alvo em exatamente 4 tentativas
b.Ele acertar o alvo em pelo menos nove tentativas
Resoluo:
a) P(x=4) =C10,4 . (0,85)4 . (1 0,85)10-4
= C10,4 . (0,85)4 . (0,15)

6
= 0,1248 aprox.
b) P(x9) = p(x=9) + p(x=10)
= C10,9 . (0,85)9 . (0,15)1 + C10,10 . (0,85)10 . (0,15)0
= 0,5442 aprox.
57
Considere que uma empresa grfica utilize uma copiadora durante a parte da
manh e da tarde. Sabe-se que T o nmero de vezes que a copiadora deixa de
funcionar com defeito tarde e M o numero de vezes que a copiadora deixa de
funcionar com defeito pela manh.
Veja a tabela:
T=0 T=1 T=2
M=0 10% 20% 20%
M=1 4% 8% 8%
M=2 6% 12% 12%
Sabendo que a mquina parou duas vezes pela manh, qual a probabilidade
dela no ter parado nenhuma vez tarde?
Resoluo:
P(x/y) = p(xy) / p(y)
Sendo: y o evento certo (a mquina parou duas vezes pela manh) e x o

evento esperado (a mquina no ter parado nenhuma vez tarde).
P(x/y) = 6% / 30%
P(x/y) = (6/100) / (30/100)
P(x/y) = 1/5
P(x/y) = 20%
58
Uma empresa possui um quadro de funcionrios menores aprendizes entre 14

e 17 anos (varivel x). A varivel aleatria y mede a instruo atravs dos anos
completos de estudo. Para fazer uma pesquisa institucional, a empresa selecionou
um desses funcionrios. Considere a tabela abaixo:
y=7 y=8 y=9

x = 14 12 10 03
x=1 5 05 30 06
x = 16 02 05 09
x = 17 01 05 12
Calcule a probabilidade de:
a) O selecionado ter 16 anos.
b) O selecionado ter 8 anos completos de estudos.
Resoluo:
P(x=16) = 16/100 = 16%
P(y=8) = 50/100 = 50%
Estamos encerrando a unidade. Sempre que tiver uma dvida entre em

contato com seu tutor virtual atravs do ambiente virtual de aprendizagem e
consulte a biblioteca do seu polo.
hora de se avaliar

59
1.Um agente de seguros vendeu a um casal, ambos de mesma idade e de boa

sade, um seguro de vida, sendo que a probabilidade do homem estar vivo daqui a
10 anos de 3/4 e de sua mulher tambm estar viva de 2/3. Determine as
seguintes probabilidades:
a) De ambos estarem vivos daqui a dez anos.
b) De ambos estarem mortos daqui a dez anos.
c) De somente a mulher estar viva daqui a dez anos.
2.Uma empresa possui 30 funcionrios, formada por 10 homens e 20

mulheres. Trs deles sero selecionados ao acaso. Calcule a probabilidade de todos
serem homens?
3.Uma empresa possui 50 empregados, 10 desses so mulheres e 40 so

homens, sendo que 30% das mulheres e 50% dos homens tm menos que 20 anos.
Calcule a probabilidade de que ao ser selecionado um empregado desta empresa
este seja mulher ou tenha mais de 20 anos.
60
4.Trs operrios de uma firma se candidataram a um determinado cargo. A

probabilidade da pessoa X passar 1/3/ da pessoa Y 3/5, e da pessoa Z 4/5.
Determinar a probabilidade de:
a) Todos passarem;
b) Nenhuma passar;
c) Somente a pessoa "Z" passar;
d) Pelo menos uma passar;
e) Pelo menos duas passarem.
5.Um lote formado por dez peas boas, quatro com pequenos defeitos, e
duas com defeitos graves. Retiram-se duas peas ao acaso, sem reposio, calcule a
probabilidade de que:
a) Ambas sejam perfeitas;
b) Pelo menos uma seja perfeita;
c) Nenhuma tenha defeito grave;
d) Nenhuma seja perfeita;
e) No mximo um com defeito grave.
6.Um produto deve ser lanado no mercado no prximo ano. A expectativa do

departamento de Marketing de que o projeto seja bem sucedido de 80%. Nesse
caso, o retorno esperado de 100.000 u.m. Se isto no acontecer, o prejuzo deve
chegar a 50 000 u.m. O lucro mdio esperado para este produto de:
a) E(X) = 70 000 u.m
b) E(X) = 65 000 u.m
c) E(X) = 60 000 u.m
d) E(X) = 55 000 u.m
e) E(X) = 50 000 u.m
61
7.Uma mquina fabrica placas de papelo que podem apresentar nem um,
um, dois, trs ou quatro defeitos, com probabilidade de 90%, 5%, 3%, 1% e 1%
respectivamente. O preo de venda de uma placa perfeita de 10 u.m. e medida
que apresenta defeitos, o preo cai 50% para cada defeito apresentado. O preo
mdio de venda destas placas aproximadamente igual a:
a) E(X) = 8 u.m
b) E(X) = 9 u.m
c) E(X) = 10 u.m
d) E(X) = 11 u.m
e) E(X) = 12 u.m
8.Certa empresa que executa pesquisas para um grupo de indstrias, verifica

que 40% dos questionrios preenchidos no campo e entregues na empresa,
necessitam retornar a campo para novos esclarecimentos. Se quatro questionrios
forem selecionados ao acaso, a probabilidade de que ao menos dois retornem a
campo de:
a) P (X 2) = 50%
b) P (X 2) = 51%
c) P (X 2) = 52%
d) P (X 2) = 53%
e) P (X 2) = 54%
62
9.Um levantamento efetuado na carteira de uma agncia bancria indicou que

20% dos ttulos eram pagos com atraso. Se em um determinado dia foram pagos
cinco ttulos da carteira, correto dizer que a probabilidade de trs ttulos sejam
pagos com atraso de:
a) 3%
b) 4%
c) 5%
d) 6%
e) 7%
10.Um levantamento efetuado em um prego da Bolsa de Valores mostrou

que naquele dia 40% das empresas tiveram aumento do valor de suas aes,
enquanto que as aes das empresas restantes ficaram estveis ou perderam valor.
Um fundo negocia com aes de 10 destas empresas. A probabilidade de que
neste dia todas as aes do fundo no tenham se valorizado ou ficaram estveis
de:
a) 0,2%
b) 0,3%
c) 0,4%
d) 0,5%
e) 0,6%
63
64
4 Variveis Aleatrias
Contnuas
65
Caro aluno,
Nesta unidade, veremos um pouco mais sobre os conhecimentos de

estatstica, em particular sobre as variveis aleatrias contnuas, para que,
posteriormente, possamos aplic-los no estudo da qualidade.
Objetivos da unidade:
O objetivo dessa unidade possibilitar aos alunos estudar o uso das variveis
aleatrias continuas no estudo da qualidade.
Plano da unidade:
Bons estudos!
66
Dizemos que uma varivel uma varivel aleatria contnua (VAC), quando ela
assume qualquer valor no campo dos reais.
Exemplo: peso, altura, renda, idade.
Funo Densidade Probabilidade (FDP)
Propriedade: Se x for uma varivel contnua para qualquer a e b

pertencentes aos reais positivos, temos:
Obs: A rea sob a curva entre a funo e os dois pontos fornecer a

probabilidade.
67
Exemplo 1:
Seja uma varivel aleatria contnua com funo densidade probabilidade

dada por:
24 , 0

0,
Calcule o valor de b para que a funo seja uma FDP.
Resoluo:
24 1
24 1
Resolvendo a integral, obtemos b=1/2
Exemplo 2:
Seja uma varivel aleatria contnua dada por:
1
2 , 0
2
1
2 2, 1
2
0,
68
Verifique se a funo uma FDP.
Resoluo:
/
2 2 2 1
/
Desenvolvendo as integrais, obtemos como resultado 1/2.
Como 1/2 1, a funo NO UMA FDP.
O par (x,y) ser uma varivel aleatria bidimensional, se (x,y) assumir valores
dentro do retngulo:
69
A FDP conjunta dada por:
, 0
, 1
Exemplo:
Seja a funo:
4 , 0 1 0 1
,
0,
a) f(x,y) uma FDP ?
b) Calcule f(x) e f(y)
c) f(x,y) so independentes?
Resoluo:
a)Desenvolvendo a integral 4 , obtemos como resposta 1.

Logo f(x,y) uma FDP
b)Integrando em relao a y, fazendo x constante, obtemos f(x)=2x
Integrando em relao a x, fazendo y constante, obtemos f(y)=2y
70
c)So independentes, pois:
f(x,y) = f(x) . f(y)
como f(x) = 2x e f(y)=2y
2x.2y = 4xy
Valor esperado
Seja x uma varivel aleatria contnua com funo densidade probabilidade. O

valor esperado definido como:
Exemplo:
A demanda diria de feijo em um supermercado, em quilos, uma varivel

aleatria x, com f(x) dada por:
2
, 0 1
3
1, 1 3
3
0, 0 3
a) f(x) uma FDP?
b) Qual a probabilidade de, em um dia escolhido ao acaso, se vender mais do

que 1,5kg?
c) Em 30 dias, quanto o gerente espera vender?
Resoluo:
Desenvolvendo
2
1
3 3
71
Obtemos 1 como resultado, logo f(x) uma FDP
b) Resolvendo
1,5 1
, 3
Encontramos como resposta 0,375
Logo a probabilidade de, em um dia escolhido ao acaso, se vender mais do

que 1,5kg de 37,5%
c)
Resolvendo a soma:
2
. . 1
3 3
Encontramos como resposta 1,33
Em trinta dias, teremos 1,33 x 30 = 40Kg aproximadamente.
Varincia de uma varivel aleatria

var x E
Obs: A raiz quadrada da varincia o desvio padro.
72
A distribuio NORMAL descreve populaes originais, que se referem a

fenmenos naturais como inteligncia, altura fsica de pessoas etc. Tambm so
distribuies normais dados como estoque, temperatura e demanda.
A normal uma distribuio simtrica, isto :
Normal padro: Z = 0
Transformao em uma normal reduzida:
Exemplo:
Determine:
P(54 < X < 71,5) onde X~N( 68 , var = 49)
Resoluo:
Utilizando a transformao acima, temos:
P(54 < X < 71,5) onde X~N( 68 , var = 49)
73
54 68 71,5 68
54 71,5
7 7
1
2
2
Distribuio Normal Padro

Valores Positivos
Distribuio Normal Padro - Valores Positivos de Z
74
Distribuio Normal Padro

Valores Negativos
Distribuio Normal Padro - Valores Negativos de Z
Encerramos mais uma unidade. Nesta unidade voc estou sobre os

conhecimentos de estatstica e possibilidade de estudar o uso das variveis
aleatrias continuas no estudo da qualidade.
hora de se avaliar

75
1.O dimetro de certo tipo de anel industrial, em cm, uma varivel aleatria X
com fdp
4 , 0 1/2
41 , 1/2 1
0,
O dimetro mdio para esse tipo de anel :
a) E(x) = 0,5 cm
b) E(x) = 0,6 cm
c) E(x) = 0,7 cm
d) E(x) = 0,8 cm
e) E(x) = 0,9 cm
2.Considerando o enunciado da questo anterior, se for escolhido um anel ao

acaso, qual a probabilidade de seu dimetro ser maior que 0,25 cm?
a) 0,750
b) 0,775
c) 0,800
d) 0,850
e) 0,875
76
3.Supondo que as notas de um exame so normalmente distribudas com a

mdia 76 e o desvio-padro de 15. E que 15% dos estudantes mais adiantados
recebem a nota A e 10% dos mais atrasados recebem a nota E. O mnimo grau para
receber um A de aproximadamente:
a) 90
b) 92
c) 94
d) 96
e) 98
4.Considerando o texto da questo anterior, correto dizer que o mximo

grau para receber um E de aproximadamente:
a) 57
b) 58
c) 59
d) 60
e) 61
5.A produo diria de certo produto, em Kg, uma v.a.c. X com funo:
, 150 250
0,
a) Qual o valor de a para essa funo ser uma f.d.p.?
b) Qual a probabilidade de, em um dia escolhido ao acaso, se produzir menos

de 200Kg?
77
6.Os depsitos efetuados em um certo banco so representados por uma v.a

continua X com fdp dada abaixo. Um depsito selecionado, ao acaso, dos
depsitos referentes de trs meses.
1
, 0 2
2
0,
a) Calcule a probabilidade de que o depsito seja de 1 s.m. ou menos.
b) Qual o valor mdio dos depsitos?
7.O peso mdio de 500 estudantes do sexo masculino de um certo colgio

151 Libras e o desvio padro 15 Libras. Supondo os pesos distribudos
normalmente, determine quantos estudantes pesaro entre 120 e 155 Libras.
8.Considerando o texto da questo anterior, determine quantos estudantes

pesaro mais de 185 Libras.
78
9.Uma mquina de empacotar um determinado produto apresenta variaes

de peso com desvio-padro de 20 gramas. Em quanto deve ser regulado o peso
mdio do pacote, para que apenas 10% tenham menos de 400 gramas?(considere
a distribuio normal)
10.Admite-se que 80% dos adultos de certa regio sejam alfabetizados. Nestas
condies qual a probabilidade de, entre cinco pessoas escolhidas ao acaso,
encontrar dois alfabetizados e trs analfabetos?
79
80
5 Inferncia Estatstica
81
Caro aluno,
Nesta unidade, buscamos rever um pouco mais os conhecimentos de

estatstica, em particular sobre o estudo de Inferncia e suas aplicaes.
O objetivo dessa unidade possibilitar aos alunos rever conhecimentos de

Estatstica, em especial o estudo de inferncia estatstica.
Plano da unidade:
Inferncia Estatstica (Teorema central do limite ou aproximao normal)
IIntervalo de Confiana
Bons estudos!
82
Inferncia estatstica
A inferncia consiste em fazer afirmaes sobre a populao com base na

amostra.
Vamos abordar a estimao de parmetros de uma populao e no captulo

seguinte o teste de hiptese.
Chamamos de amostragem o estudo das amostras. Uma amostra um

conjunto de n observaes (x1, x2, .....xn) independentes onde cada elemento
tem a mesma chance de ser escolhido.
Se retirssemos todas as amostras possveis de uma populao e fosse

calculada a mdia de cada uma, teramos a distribuio amostral das mdias.
Teorema central do limite ou aproximao normal
medida que aumentamos o tamanho da amostra, a distribuio amostral da

mdia se aproxima de uma normal. Na prtica sempre que 30 a distribuio
amostral da mdia pode ser considerada aproximadamente normal.
Propriedades da distribuio amostral
Para a populao

Para a amostra

83
Onde n o tamanho da amostra, a mdia e o desvio padro.
A mdia da distribuio amostral das mdias tende a mdia da populao e a

varincia tende para a varincia da populao dividida pelo tamanho da amostra.
Exemplo:
Suponha que as notas de uma grande turma de estudantes tenham mdia

igual a72 e desvio padro igual a 9.
Determine a probabilidade de uma amostra aleatria de 30 estudantes

acusarem mdia superior a 75.
Resoluo:
Considerando o desvio padro 9, a mdia 72 e n = 30, temos:

75 72
75

3
9
30
30
3
1,8257
1,83
1 1,83
1 1,83
1 0,9664
Resultando em 0,0336 ou 3,36%
84
Intervalo de confiana
O Intervalo de Confiana um intervalo de valores usado para estimar o

verdadeiro valor de um parmetro populacional.
Quando o desvio padro for desconhecido e n<30 ele dado por:
, 1 .

Onde S = desvio padro da amostra

.
Exemplos:
IC igual a 0,95 (Nvel de Confiana de 95%)
IC igual a 0,99 (Nvel de Confiana de 99%)
O IC tem como complemento, o valor de a (Alfa).
IC = 1 - a
Quando:
IC = 0,90 a = 0,10
IC = 0,95 a = 0,05
IC = 0,99 a = 0,01
85
Valores Crticos
um nmero na fronteira que separam estatsticas amostrais que tem chance

de ocorrer daqueles que no tm.
-a / 2 = o valor de Z que se encontra na cauda esquerda
+a / 2 = o valor de Z que se encontra na cauda direita da curva normal.
Exemplo:
Encontre o valor crtico para o IC no nvel de confiana de 95%
IC = 0,95 a = 0,05
IC / 2 = 0,475 a / 2 = 0,025
Z = 1,96
O valor crtico para IC = 0,95 1,96
Teste de Hiptese
O Teste de Hiptese uma regra de deciso para aceitar ou rejeitar uma

hiptese estatstica com base em elementos amostrais. Uma hiptese estatstica
uma suposio acerca da distribuio de uma varivel aleatria. aquilo que
queremos validar atravs de testes estatsticos.
86
Hipteses
Hiptese Nula (H0): a hiptese inicialmente aceita. aquela que vai ser
testada. Devem-se obter evidncias para rejeit-la.
Hiptese Alternativa (H1): a hiptese contrria a hiptese nula. Devem-se
obter evidncias para aceit-la.
Estamos encerrando a unidade. Sempre que tiver uma dvida entre em

contato com seu tutor virtual atravs do ambiente virtual de aprendizagem.
hora de se avaliar

87
1.Uma indstria produz certa quantidade diria de chapas de ao, cujo peso
das chapas se distribui normalmente com mdia de 100 kg e desvio padro de 20
Kg. Determine a probabilidade de que as chapas produzidas em um dia de trabalho
tenham pesos inferiores a 85 kg;
2.Uma empresa possui 500 empregados cujos salrios se distribuem

normalmente com mdia salarial de R$ 700,00 e varincia de R$ 22.500,00.
Determine a proporo de empregados que ganham at R$ 1.000,00.
3.O departamento de marketing da Empresa Z resolveu premiar 5% dos seus

vendedores mais eficientes. Um levantamento das vendas individuais por semana
mostrou que elas se distribuem normalmente com mdia de 240.000 u.m. e desvio
padro de 30.000. Qual o volume de vendas mnimo que um vendedor deve
realizar para ser premiado?
4.Certo escritrio de contabilidade que faz o balano de 200 empresas,

verificou-se que a distribuio dos lucros dessas empresas se comportava segundo
uma distribuio normal com mdia de R$ 38.000,00 e desvio padro de R$
18.400,00. Determine quantas empresas tm lucros Inferiores a R$ 38.000,00.
88
5.Para estimar o gasto mdio por cliente durante o horrio de almoo, o

gerente de um restaurante coletou dados referentes a 50 clientes, selecionados
durante um perodo de duas semanas. Se a mdia amostral encontrada foi de
$32.00, assumindo que o desvio padro (S) seja $ 3,50, qual o erro padro para as
mdias?
a) 0,85
b) 0,92
c) 0,95
d) 0,97
e) 0,99
6.As vendas de determinado produto tm apresentado distribuio normal

com mdia de 600 unidades/ms e desvio padro de 40 unidades/ms. Se a
empresa decide fabricar 700 unidades naquele mesmo ms, a probabilidade dela
no poder atender a todos os pedidos desse ms, por estar com produo
completa, de:
a) 0,65 %
b) 0,62 %
c) 0,59 %
d) 0,50 %
e) 0,46 %
89
7.Determinado produto tem peso mdio de 800 g e desvio padro de 10 g. A

embalagem vazia pesa em mdia 1.850 g com desvio padro de 12 g onde so
embaladas 24 unidades. Qual a probabilidade de que a caixa cheia pese mais de
21.200 g?
a) 0,0015
b) 0,0010
c) 0,0009
d) 0,0008
e) 0,0005
8.Determinada classe de operrios industriais tem seus salrios mensais em

torno de uma mdia de 2.000 u.m., com um desvio padro de 300 u.m., suponha
que os salrios sejam normalmente distribudos. Qual a probabilidade de um
operrio desta classe ter salrio mensal situado entre 1.800 u.m. e 2.500 u.m.;
a) 0,7011
b) 0,7008
c) 0,7006
d) 0,7003
e) 0,7001
90
9.Um fazendeiro tem 400 cabeas de gado e dever vend-las. A fim de poder
estimar o quanto ir receber, tomou uma amostra com 50 animais escolhidos
aleatoriamente e pesou-os, tendo encontrado uma mdia de 15 arrobas por
animal, e um desvio padro de 0,5 arrobas. Utilizando 99% de nvel de confiana,
monte o intervalo para o peso mdio das 400 cabeas.
10.Considerando os dados da questo anterior e sabendo que o preo por

arroba de $200, encontre o intervalo para o valor total da venda.
91
92
6 Aplicaes na Qualidade
93
Caro aluno,
Nesta unidade, iremos finalizar nosso curso, buscando mostrar a utilizao dos
fundamentos estatsticos aplicados na qualidade.
O objetivo dessa unidade mostrar a aplicabilidade da estatstica no estudo

da qualidade.
Plano da unidade:
Bons estudos!
94
Por que e para que realizar testes estatsticos na

qualidade?
Experimentos estatsticos em geral possuem custos altos, so demorados, nem
sempre 100% confiveis e em alguns casos difceis de serem realizados. Da temos
a seguinte questo: Por que e para que realiz-los?
Podemos dizer que os testes feitos a partir de uma coleta de dados confivel
produzem conhecimentos, aumenta a eficincia e a eficcia do processo produtivo
e garante a competitividade no mercado. Isso justifica o porqu de grandes
empresas utilizarem das ferramentas estatsticas no controle da qualidade de seus
produtos e servios.
Fatores que levam uma empresa a ter competitividade no mercado:
Qualidade do produto
Boa relao custo benefcio
Bom atendimento na venda, na pr-venda e na ps-venda.
Tais fatores agregados a um planejamento da conduo dos testes, que

devem buscar a partir de uma investigao apurada, analisar com o auxlio das
tcnicas de estatstica minimizar a subjetividade do processo decisrio.
Dentre as ferramentas estatsticas que utilizamos para essas anlises, destaco:
Diagrama de disperso (correlao)
Matriz de disperso
Histograma
Diagrama em caixa
Grfico em coluna
95
Grfico setorial (pizza)
Diagrama de srie de tempo
Diagrama de rea
Diagrama de disperso em 3 dimenses
O grfico de disperso mostra a relao entre duas variveis, que de forma

geral so: Efeito e Causa.
VISO DE ALGUMAS FERRAMENTAS DA QUALIDADE TOTAL - Prof. Mauri Guerra 2008
96
O grfico em colunas utilizado, de modo geral quando uma das variveis

qualitativa.
O grfico em setores utilizado em geral quando se quer dar a ideia de todo.
97
O diagrama de srie de tempo demonstra a evoluo de uma varivel ao longo

de um determinado perodo de tempo
O grfico de disperso em 3D comumente utilizado quando se desejam

correlacionar trs variveis.
98
O Diagrama de Pareto utilizado em geral quando se deseja fazer priorizaes
O conhecido grfico de Espinha de peixe ou tambm chamado de Grfico de

Ishikawa, que visa relacionar causa e efeito.
O Histograma, que mostra a variao da medio de uma caracterstica.
99
As cartas de Controle, que permitem analisar a estabilidade do processo.
Viso de algumas ferramentas da qualidade total - prof. Mauri guerra 2008
100
Ficamos por aqui. Estamos encerrando a unidade. Sempre que tiver uma
dvida entre em contato com seu tutor virtual atravs do ambiente virtual de
aprendizagem e consulte sempre a biblioteca do seu polo.
hora de se avaliar

101
1.Que benefcios os experimentos estatsticos propiciam ao estudo da

qualidade?
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
2.Quais os principais fatores que levam uma empresa a ter competitividade no

mercado?
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
3.Diversos fatores agregados a um planejamento da conduo dos testes

buscam a partir de uma investigao apurada, analisar com o auxlio das tcnicas
de estatstica a minimizar a subjetividade do processo decisrio. Cite algumas
dessas ferramentas:
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
102
4.O grfico de disperso como principal finalidade mostrar a relao entre

duas variveis, quais so elas:
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
5.Sobre o Histograma, correto dizer que:
a) mostra a variao da medio de uma caracterstica.
b) utilizado, de modo geral quando uma das variveis qualitativa.
c) tem como principal finalidade mostrar a relao entre duas variveis, causa
e efeito.
d) permite analisar a estabilidade do processo.
e) Nenhuma das opes anteriores.
6.O Diagrama de Pareto utilizado em geral quando:
a) Deseja-se fazer priorizaes.
b) Deseja-se mostrar a relao entre duas variveis
c) Deseja-se analisar trs ou mais variveis
d) Deseja-se analisar a estabilidade do processo
7.Qual dos grficos utilizado geralmente quando se quer dar a ideia de todo.
a) Grfico em barras
b) Grfico em linhas
c) Histograma
d) Grfico de Pizza
103
8.De modo geral quando uma das variveis qualitativa, comum utilizarmos o:
a) Grfico em barras
b) Grfico em linhas
c) Histograma
d) Grfico de Pizza
9.Sobre o diagrama de srie de tempo, correto dizer que:
a) utilizado, de modo geral quando uma das variveis qualitativa.
b) demonstra a evoluo de uma varivel ao longo de um determinado

perodo de tempo.
c) tem como principal finalidade mostrar a relao entre duas variveis,

causa e efeito.
d) permite analisar a estabilidade do processo.
e) Nenhuma das opes anteriores.
10.O grfico de Espinha de peixe creditado a que mestre da qualidade?
a) Juran
b) Deming
c) Ishikawa
d) Falconi
104
Consideraes finais
Chegamos ao final dos estudos da Disciplina de Engenharia de Qualidade II.
Ao longo das unidades de estudo, aprendemos diversos conceitos e aspectos

que certamente iro contribuir significativamente para a compreenso e aplicao
dos fundamentos da Estatstica no estudo da qualidade. Com isso, buscamos
capacit-lo a perceber e analisar situaes onde o emprego dos conceitos aqui
estudados ser relevante para a resoluo de problemas do dia a dia nas empresas.
Esperamos que essa obra seja uma importante fonte de consulta e sirva como
referncia, juntamente com outras obras mais especficas, para o seu sucesso em
sua vida profissional.
Parabenizo a todos os alunos que concluram esta disciplina com xito,

ampliando seu leque de conhecimentos e habilidades. Que vocs consigam muito
sucesso em sua vida profissional.
Um cordial abrao.
105
106
Conhecendo o autor
Prof. Alrio Gomes da S. Jnior
O professor Alrio Gomes jr. graduado em Matemtica pela Universidade do

Estado do Rio de Janeiro (UERJ), mestrando em Economia Empresarial, Ps-
graduado em Docncia do Ensino Superior e Especialista em Administrao e
Superviso escolar. Possui larga experincia no ensino superior, atuando como
docente em universidades e desenvolvendo palestras em congressos e seminrios.
professor da Universidade Salgado de Oliveira, tendo lecionado diversas
disciplinas, entre elas: Clculo Diferencial e Integral, lgebra Linear, Matemtica
Bsica, Estatstica, Economia, Engenharia da Qualidade e Geometria Analtica. Atua
tambm como consultor, prestando servios a empresas, escolas e universidades.
107
108
Referncias
_________. Avaliao da Qualidade de Medidas. Nova Lima: EDG Editora de

Desenvolvimento Gerencial Ltda, 1999
_________. Gerenciamento da Rotina do Trabalho do Dia-a-Dia. Nova Lima:

EDG Editora de Desenvolvimento Gerencial Ltda, 1999.
CAMPOS, Vicente Falconi. TQC Controle da Qualidade Total. Nova Lima: EDG
Editora de Desenvolvimento Gerencial Ltda, 1999.
CHAVES, Neusa Maria Dias. CCQ Crculos de Controle da Qualidade. Nova

Lima: EDG Editora de Desenvolvimento Gerencial Ltda, 1999.
GODOY, Maria Helena. Brainstorming: Como Atingir Metas. Nova Lima: EDG
LOURENO JR, Antnio. Promovendo Resultados com o 5S. Nova Lima: EDG
MONTGOMERY, Douglas. C. Introduo ao Controle Estatstico da

Qualidade, So Paulo: Editora LTC, 2004.
TAFNER, P. & CARVALHO, M. Curso de Estatstica Elementar. Rio de Janeiro:

Editora Papel Virtual, 2006.
TAYLOR, Frederick Winslow. Princpios da Administrao Cientfica. 8. ed.

So Paulo: Editora Atlas, 2006.
WERKEMA, Maria Cristina Catarino. As Ferramentas da Qualidade no

Gerenciamento de Processos. Nova Lima: EDG Editora de Desenvolvimento
Gerencial Ltda, 1999.
109
110
A
nexos
111
Gabaritos
Exerccios Unidade 1
1.C
2.D
3.D
4.E
5.D
6.E
7.Eliminao de movimentos inteis; execuo dos movimentos teis com
minimizao de esforo e tempo, e seriar de forma apropriada e adequada os
movimentos.
8.Motivao dos funcionrios; mtodo de trabalho bem definido e boas

condies de trabalho.
9.Os funcionrios ficam mais satisfeitos, pois ao aumentarem a produtividade,

recebem incentivos e premiaes financeiras e os gestores ficam mais
satisfeitos, uma vez que com o aumento da produtividade tem como
consequncia o aumento do faturamento
10.Taylor, em seus estudos, recomenda trs tipos de superviso funcional: O

supervisor da produo; o supervisor de manuteno e o supervisor de
qualidade.
Exerccios Unidade 2
1.B
2.E
3.A
4.B
112
5.D
6.C
7.C
8.A
9.Utilizado quando queremos apresentar os dados de forma atraente e

sugestiva, no entanto apresenta as desvantagens de mostrar apenas uma viso
geral dos dados.
10.ndice a razo entre duas grandezas; Coeficiente a razo entre o nmero

de ocorrncia e o nmero total; Taxa o coeficiente multiplicado por uma potncia
de 10.
Exerccios Unidade 3
1. a) 50% b) 8,3% c) 16,7%
2. P(E) = 2,95%
3. P(E) = 60%
4. a)16%. b) 5,33% c) 21,33%. d) 94,7% e) 62,7
5.a)37,5% b) 87,5% c) 75,8% d) 12,5% e) 99,2%
6. a) E(X) = 70 000 u.m
7. b) E(X) = 9 u.m
8. c) P (X 2) = 52%
9. c) 5%
10.e)0,6%
Exerccios Unidade 4
1. a)E(x) = 0,5 cm
2. e)0,875
3. b)92
113
4.a)57
5.a) a = 375 b)0,625 ou 62,50%
6.a)0,5 ou 50% b) E(X) = 1 s.m.
7.293
8.Aproximadamente 6
9.425,6 gramas
10.5,12%
Exerccios Unidade 5
1.P (x 85) = 0,2266.
2.P (x 1000) = 0,9772
3.289.200 u.m.
4.100 empresas
5d) 0,97
6.b) 0,62 %
7.a) 0,0015
8.a) 0,7011
9.IC = [14,82; 15,18]
10.IC = [2964; 3036]
114
Exerccios Unidade 6
1.Produo de conhecimentos, aumento da eficincia e da eficcia do

processo produtivo e maior garantia de competitividade no mercado.
2. Qualidade do produto, boa relao custo benefcio e bom atendimento na

venda, na pr-venda e na ps-venda.
3. Diagrama de disperso, Matriz de disperso, Histograma, Grfico em coluna,

Grfico setorial, Diagrama de srie de tempo, Diagrama de disperso em 3
dimenses.
4.De forma geral as variveis so causa e efeito.
5.a) mostra a variao da medio de uma caracterstica.
6.a)Deseja-se fazer priorizaes.
7.d)Grfico de Pizza
8.a)Grfico em barras
9.b) demonstra a evoluo de uma varivel ao longo de um determinado

perodo de tempo.
10.c)Ishikawa
115

Livro - Engenharia Da Qualidade II - EQII

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Livro - Engenharia Da Qualidade II - EQII

Încărcat de

Drepturi de autor:

Formate disponibile

Engenharia da Qualidade II

Alrio Gomes da S. Jnior

DEPARTAMENTO DE ENSINO A DISTNCIA

Ficha Catalogrfica elaborada pela Biblioteca Rachel de Queiroz UNIVERSO

G633e Gomes, Alrio

1. Engenharia da qualidade. 2. Estatstica. 3. Variveis

Acompanhando as necessidades de um mundo cada vez mais complexo,

So inmeras as vantagens de se estudar a distncia e somente por meio

O ensino a distncia complementa os estudos presenciais medida que

Alm disso, nosso material didtico foi desenvolvido por professores

A UNIVERSO tem uma histria de sucesso no que diz respeito educao a

Reafirmando seu compromisso com a excelncia no ensino e compartilhando

Seja bem-vindo UNIVERSO EAD!

Professora Marlene Salgado de Oliveira

Apresentao da disciplina ............................................................................................. 07

Plano da disciplina ............................................................................................................ 09

Unidade 1 Subsistemas de Recursos Humanos ...................................................... 11

Unidade 2 Subsistema de Proviso............................................................................ 25

Unidade 3 Subsistema de Aplicao ......................................................................... 45

Unidade 4 Subsistema de Manuteno .................................................................... 65

Unidade 5 Subsistema de Desenvolvimento........................................................... 81

Unidade 6 Subsistema de Monitoramento .............................................................. 93

Consideraes finais ......................................................................................................... 105

Conhecendo o autor......................................................................................................... 107

Referncias .......................................................................................................................... 109

Conforme vimos na disciplina de Engenharia da Qualidade I, notamos que o

Em face de isso, a utilizao da Estatstica no estudo de qualidade tornou-se

Neste volume, abordaremos o uso da Estatstica e suas aplicaes no estudo

Busquei trabalhar a partir da teorizao dos contedos mais importantes, e ao

Inicialmente dou sequncia Engenharia da Qualidade I, abordando um

Ao final de cada unidade, apresento exerccios para testar a assimilao do

Unidade 1: Aprimorando os conhecimentos de Metrologia da qualidade

Um breve resumo do volume anterior

Frederick Taylor e a Administrao Cientfica

Unidade 2: Conceitos fundamentais de Probabilidade

Noes bsicas de Probabilidade

Variveis aleatrias discretas e Distribuies de probabilidades

Unidade 3: Variveis aleatrias contnuas

Variveis aleatrias contnuas

Varivel aleatria bidimensional

Distribuies de probabilidades contnuas

Unidade 4: Inferncia Estatstica

Inferncia Estatstica (Teorema central do limite ou aproximao

Unidade 5: Aplicaes na Qualidade

Por que e para que realizar testes estatsticos na qualidade?

Principais grficos e suas aplicaes na qualidade

Unidade 6 - Aplicaes na Qualidade

Por que e para que realizar testes estatsticos na qualidade?

Principais grficos e suas aplicaes na qualidade

Vimos, na disciplina de Engenharia da Qualidade I, que a utilizao da

O objetivo dessa unidade possibilitar aos alunos aprimorar os

Um breve resumo do volume anterior.

Frederick Taylor e a Administrao Cientfica

Um breve resumo do volume anterior

Dentre os principais fundamentos da metrologia, destacamos a reduo do

A metrologia uma ferramenta essencial numa empresa ou indstria.

EAD Engenharia de Qualidade I

Um dos grandes mestres da qualidade estudados no volume anterior, Ishikawa

As sete ferramentas so: Fluxograma, Diagrama Ishikawa, Folhas de

a metrologia que se utiliza de pesquisas e metodologias cientficas e do uso

a metrologia cujos sistemas de medio controlam processos produtivos

a metrologia relacionada s atividades obrigatrias, referentes s medies,

Frederick Taylor e a Administrao Cientfica

Em uma poca onde nas empresas costumava-se fazer o pagamento por