Estatística e Fiabilidade

Técnico Superior de Segurançano Trabalho

Pedro Vieira
 FUNCIONAMENTO DO MÓDULO

Na plataforma têm acesso à seguinte informação:

Apresentação do formador;

Regras de avaliação do módulo;

Fórum;

Manual;

Propostas de Trabalho;

Teste de avaliação.
 PROGRAMA

• Definição de Estatística: descritiva e indutiva.

• Sondagem e amostragem.
• Critérios e métodos da amostragem.
• Tratamento estatístico de amostras.
• Conceito de fiabilidade.

• Probabilidade de falhas associadas a equipamentos e sistemas (em série e em

paralelo).
 OBJETIVOS

• Conhecer o processo de análise de dados estatísticos, obtendo, analisando e

classificando amostras de dados;
• Estimar medidas de tendência central e de dispersão;
• Conhecer noções básicas de fiabilidade;
• Estimar probabilidades de falhas associadas a equipamentos e sistemas.
 VAMOS VERIFICAR DE FORMA BREVE,

A IMPORTÂNCIA DA ESTATÍSITCA LABORAL

 A ESTATÍSTICA NA ÁREA LABORAL

Descrever e analisar a dimensão e a estrutura dos mercados de trabalho e

assinalar as mudanças ao longo do tempo.

segurança e saúde no
emprego
trabalho

condições de trabalho relações laborais

 A ESTATÍSTICA NA ÁREA LABORAL

As estatísticas do trabalho inscrevem-se num conjunto mais amplo de

estatísticas oficiais e cruzam-se com:

saúde educação e formação

produção

demografia rendimentos
 A ESTATÍSTICA NA ÁREA LABORAL

Fornece informações muito valiosas sobre questões como a segurança e saúde

no trabalho, as condições de trabalho, a proteção social, trabalho não declarado,
os direitos fundamentais no trabalho, as greves, a negociação coletiva e as
violações à lei.
 A ESTATÍSTICA EM SST

Se conseguirmos registar e consignar os dados necessários de SST em

conformidade com as diretrizes, esses dados podem ser convertidos em
produtos estatísticos potencialmente muito úteis, e que podem ajudar no
diagnóstico de problemas e a elaborar respostas a problemas prioritários.
 A ESTATÍSTICA EM SST

•Monitorizar e avaliar o sistema de inspeção do trabalho, a sua produtividade,

eficácia e eficiência;

•Dar informações sobre (idealmente) onde alocar os recursos disponíveis;

•Preparação, acompanhamento e avaliação dos planos de ação, estruturas e

resultados com base em informações precisas e atualizadas;

•Comparar o impacto das medidas e ações de controlo implementadas ao longo

do tempo;

•Contribuir para desenhar os cenários que ajudem a antecipar as mudanças,

preparar abordagens para fazer face às tendências observadas e definir opções
estratégicas;
 A ESTATÍSTICA EM SST

•Apoiar na análise do grau de aplicação dos requisitos legais;

•Determinação de índices de sinistralidade;

•Valoração de riscos profissionais – avaliação de riscos;

•Eficácia das medidas de controlo de riscos profissionais;

•…
Vamos agora para a
componente matemática!
 ESTATÍSTICA DESCRITIVA VS ESTATÍSTICA INDUTIVA

 A estatística refere-se a uma disciplina cujo objeto fundamental é a recolha,

a compilação, a análise e a interpretação de dados.

 No que se refere à análise e interpretação de dados, é importante fazer a

distinção entre estatística descritiva e estatística indutiva.

 ESTATÍSTICA DESCRITIVA VS ESTATÍSTICA INDUTIVA

 A estatística descritiva procura sintetizar e representar de uma forma

compreensível a informação contida num conjunto de dados através de

tabelas, gráficos ou no cálculo de medidas que representem convenientemente
a informação contida nos dados.

 A estatística indutiva é mais ambiciosa do que a estatística descritiva, pois

pretende caracterizar o todo (a população) a partir da análise de um

conjunto limitado de dados (a amostra). Os métodos e técnicas requeridos
são mais sofisticados.
 SONADAGEM E AMOSTRAGEM

 Existem dois tipos diferentes de estudos estatísticos, são eles: o censo (ou

recenseamento) e a sondagem.

 A diferença entre estes dois tipos diferentes de estudos estatísticos está ligada à

definição de população e amostra.

E QUAL É A DIFERENÇA ENTRE CENSO E SONDAGEM E A

DIFERENÇA ENTRE POPULAÇÃO E AMOSTRA? Vamos ver…
 POPULAÇÃO E AMOSTRA

 População é uma coleção de unidades individuais, que podem ser

objetos, pessoas, animais, resultados experimentais ou quaisquer outros

elementos acerca do qual se pretende estudar alguma ou algumas
características comuns.

 Amostra é uma parte da população que é observada para obter

informações para estudar a característica ou características pretendidas,

com o objetivo de tirar conclusões para a população de onde foi retirada.
 POPULAÇÃO E AMOSTRA

 Cada elemento da população é uma unidade estatística.

 Dimensão da amostra é o número de elementos da amostra e, normalmente

representa-se por n.

 O processo de seleção de uma amostra a partir de uma população designa-se por

amostragem.
 CENSO VS SONDAGEM

 Censo ou recenseamento é um estudo estatístico de um universo de

pessoas, instituição ou objetos físicos com o propósito de adquirir
conhecimentos, observando todos os seus elementos, e fazer juízos
quantitativos acerca de características importantes desse universo.

 Sondagem é um estudo científico de uma parte da população com o objetivo

de melhor conhecer atitudes, hábitos e preferências da população

relativamente a acontecimentos, circunstâncias e assuntos de interesse
comum.
 A maior parte dos estudos estatísticos é baseada em amostras e isso
deve-se fundamentalmente a pelo menos uma das seguintes razões:

 A população ser infinita;

 O estudo da população poder conduzir à sua destruição;

 O estudo da população ter custos muito elevados.

 Tempo excessivo do processo de recolha e tratamento dos dados, podendo

conduzir à obtenção de informação desatualizada ou obsoleta;

 Inacessibilidade a alguns elementos da população, por exemplo por razões de

ordem legal.
 CRITÉRIOS E MÉTODOS DA AMOSTRAGEM

A construção da amostra propriamente dita envolve várias etapas

importantes e que são:

 A identificação da população alvo/população inquirida;

 O método de seleção da amostra;

 A dimensão da amostra.
 AMOSTRAGEM PROBABILÍSTICA

 Para se poderem fazer inferências a partir de uma amostra e medir o rigor de

tais inferências, esta deve ser selecionada de acordo com um processo de

amostragem probabilística. Para este tipo de amostragem, cada um dos
elementos da população tem hipóteses de ser incluído na amostra, sendo
possível medir com rigor qual a possibilidade de tal suceder, através do cálculo
da respetiva probabilidade.
 AMOSTRAGEM PROBABILÍSTICA

 De todos os processos de amostragem probabilística, o mais importante é o

de amostragem aleatória. Este processo garante que todos os elementos

da população têm as mesmas hipóteses de ser integrados na amostra. Através
dele, consegue evitar-se qualquer enviesamento de seleção, isto é, afasta-
se de qualquer tendência sistemática para sub-representar ou
sobrerrepresentar na amostra alguns elementos da população.
 AMOSTRAGEM PROBABILÍSTICA - ENVIASAMENTO

Exemplo de enviesamento de seleção de amostras:

 População: intenções de voto dos eleitores de uma cidade.

 Amostra: intenções de voto de um grupo de eleitores selecionados ao acaso a

partir da lista telefónica correspondente.

 Enviesamento de seleção: sub-representação das intenções de voto dos eleitores

pertencentes aos estratos económicos mais baixos.

 AMOSTRAGEM PROBABILÍSTICA

 Amostragem aleatória simples – Dada uma população de dimensão N, uma

amostra aleatória simples de n elementos da população ser selecionada é a

mesma.

 Amostragem aleatória sistemática – Dada uma população de dimensão N,

ordenada por algum critério, se se pretende uma amostra de dimensão n,

escolhe-se aleatoriamente um elemento x de entre os k primeiros, onde k é a
parte inteira do quociente N/n. A partir de x escolhem-se sucessivamente os
elementos x+k, x+2k,
…
 AMOSTRAGEM PROBABILÍSTICA

 Amostragem estratificada ou proporcional – Neste tipo de

amostragem a população é dividida em classes homogéneas, chamadas estratos.
Os estratos podem ser feitos por idade, por sexo, por estrato social… Feitos os
estratos, a amostra escolhe-se aleatoriamente em número proporcional ao
número de elementos de cada estrato. Atenção que, devido ao facto de
eventualmente ser necessário proceder a arredondamentos nem sempre se
obtém a dimensão da amostra inicialmente pretendida. A maior parte das
sondagens faz-se usando este método.
 AMOSTRAGEM PROBABILÍSTICA

 Amostragem por grupos (clusters) – A população é dividida em clusters,

onde cada cluster é representativo da população. Seleciona-se aleatoriamente

um conjunto de clusters e a amostra é constituída por todos os elementos dos
clusters selecionados (exemplo: Suponhamos que pretendíamos estudar
o grau de satisfação dos gestores do Grande Porto. Não dispondo de uma lista
de todos os gestores, considera-se uma lista de todas as empresas – clusters – e
a partir dela selecionam-se aleatoriamente algumas empresas, considerando-
se a amostra constituída pelos gestores das empresas selecionadas).
 AMOSTRAGEM PROBABILÍSTICA

 Amostragem multietapas – Considera-se a população dividida em vários

grupos e selecionam-se aleatoriamente alguns dos grupos. Por sua vez, estes
grupos ainda estão divididos em grupos dos quais se selecionam alguns
aleatoriamente. Este processo repete-se até ser possível continuar a constituir
grupos (exemplo: Para uma sondagem eleitoral considera-se o país dividido
em regiões, dentro de cada região estimam-se os grupos de centros
populacionais com dimensão semelhante, selecionam-se aleatoriamente
algumas destas cidades, as cidades divididas em freguesias e algumas das
freguesias são selecionadas aleatoriamente. Finalmente, em cada freguesia
são escolhidos alguns elementos da população para inquirir).
 AMOSTRAGEM PROBABILÍSTICA

Amostra Amostra
aleatória aleatória
simples sistemática

Amostra por Amostra por

estratos grupos
 AMOSTRAGEM NÃO PROBABILÍSTICA

Quando não houver preocupações de rigor na representatividade da amostra,

podem utilizar-se processos de amostragem não - probabilística, que não
permitem definir com rigor as probabilidades de inclusão dos diferentes
elementos da população na amostra. Entre estes processos que são mais expeditos
e mais económicos do que os anteriores, figuram os seguintes:

• Amostragem por conveniência, que como o nome sugere, a conveniência

para o analista é o critério que essencialmente preside à escolha dos
elementos da amostra (exemplo: Teste de aceitabilidade de uma nova cerveja
pelos consumidores, efetuado com base nas opiniões recolhidas entre um
conjunto de empregados da empresa cervejeira, selecionados ao acaso.)
 AMOSTRAGEM NÃO PROBABILÍSTICA

 Amostragem subjetiva onde os elementos da amostra são selecionados pelo

analista, com base num critério pessoal, logo subjetivo, de representatividade

(exemplo: Análise da clareza de um texto didático, com base na opinião de um
conjunto de alunos que o autor julga serem típicos da população estudantil à
qual se dirige).
 Ao clicar na imagem, poderá assistir a
um vídeo sobre tipos de amostragem.
Está em inglês, mas se tiver dificuldade
pode colocar legendas em portugês.
O vídeo é simples e um bom exemplo!

AMOSTRAGEM
TRATAMENTO ESTATÍSTICO
DE DADOS:

VARIÁVEIS E ORGANIZAÇÃO
EM TABELAS DE FREQUÊNCIA
 TRATAMENTO ESTATÍSTICO DE AMOSTRAS

1. Introdução

O objetivo da estatística descritiva é, como já vimos, o de representar de uma

forma compreensível a informação contida em dados. A estatística descritiva
dá-nos os métodos capazes de resumir a informação.

A necessidade de um esforço de classificação destes e de síntese da informação

neles contida resulta da incapacidade que, normalmente, a mente humana tem
de assimilar e interpretar conjuntos significativos de dados que lhe sejam
apresentados de uma forma desorganizada.
 TRATAMENTO ESTATÍSTICO DE AMOSTRAS

O conjunto de dados que interessa analisar raramente corresponde a uma

população. Normalmente, não se dispõe senão de uma amostra, na maioria
dos casos muito limitada. A análise descritiva de uma amostra não permite
fazer qualquer tipo de inferência sobre a população.
 TRATAMENTO ESTATÍSTICO DE AMOSTRAS

2. Variável estatística
Fixemo-nos na população – Habitantes do Porto com idade ≥ 18:
Unidade estatística – cada habitante com idade ≥ 18
Atributos:
Qualitativos Quantitativos

Estado matrimonial Salário

Ter ou não emprego Idade

Conclusão 1
Os Atributos podem ser de dois tipos: Quantitativos ou Qualitativos
 EXEMPLO – VARIÁVEL QUALITATIVA VS QUANTITATIVA

ESTADO MATRIMONIAL CASADO, SOLTEIRO, SEPARADO, VIÚVO

SALÁRIO [0; 400[, [400; 800[, [800;1200 [, …

Conclusão 2

As Modalidades devem ser incompatíveis (uma unidade estatística não pode “estar”
em duas modalidades ao mesmo tempo) e exaustivas (toda a unidade estatística
deve poder ser classificada).
 VARIÁVEL ESTATÍSTICA

• Interessamo-nos pelo estudo descritivo de uma amostra de N indivíduos,

extraída de uma certa população cujo atributo em estudo é de natureza
quantitativa.

• Chamamos Variável Estatística a uma aplicação, definida sobre o subconjunto da

população que foi observada e com valores no conjunto das modalidades do
atributo, M. Normalmente é representada por X.

DISCRETA – nº finito ou infinito de valores

VARIÁVEL
CONTÍNUA – se pode assumir qualquer valor de um
intervalo real
 VARIÁVEL ESTATÍSTICA

Observação: A distinção entre variáveis estatísticas discretas e contínuas é

baseada sobretudo na natureza intrínseca dos dados.

Por exemplo: altura é contínua, nº de filhos é discreta;

No entanto, um atributo que possa tomar um grande número de valores –

mesmo que sempre isolados – podem ser tratados como variáveis estatísticas
contínuas.
 VARIÁVEL ESTATÍSTICA

VARIÁVEL
Se o estudo estatístico for de apenas um atributo
UNIDIMENSIONAL para cada indivíduo da amostra

VARIÁVEL Se o estudo estatístico for de dois atributos para

BIDIMENSIONAL
cada indivíduo da amostra
 TRATAMENTO ESTATÍSTICO DE AMOSTRAS

3. Tabelas de frequências para dados qualitativos ou quantitativos

discretos

Comecemos por definir o conceito de frequência relativa e frequência absoluta e

frequências acumuladas:

Frequência absoluta de um valor da variável é o

FREQUÊNCIA ABSOLUTA número de vezes que esse valor foi observado e
pode representar-se por ni
 TRATAMENTO ESTATÍSTICO DE AMOSTRAS

3. Tabelas de frequências para dados qualitativos ou quantitativos

discretos

Comecemos por definir o conceito de frequência relativa e frequência absoluta e

frequências acumuladas:

Frequência relativa de um valor da variável é o

FREQUÊNCIA RELATIVA quociente entre a frequência absoluta do valor
da variável e o número total de observações, N,
pode representar-se por fi

𝒏𝒊
Deste modo, temos que: 𝒇𝒊 =
𝑵
 TRATAMENTO ESTATÍSTICO DE AMOSTRAS

3. Tabelas de frequências para dados qualitativos ou quantitativos

discretos

Comecemos por definir o conceito de frequência relativa e frequência absoluta e

frequências acumuladas:

A frequência absoluta acumulada, que se pode

FREQUÊNCIA representar por Ni, e a frequência relativa
ACUMULADA
acumulada, que se pode representar por Fi,

obtêm-se adicionando as frequências absolutas e

relativas, respetivamente, até ao valor
considerado da variável estatística.
 TRATAMENTO ESTATÍSTICO DE AMOSTRAS

4.Tabelas de frequências
Com base nas definições acima descritas, para dados discretos, basta organizar a
tabela como a seguir se representa.

Exemplo:
Numa empresa foi realizada uma pesquisa a fim de saber a quantidade de filhos
de cada funcionário. O número total de funcionários é 100. O resultado do
estudo revelou que 20 funcionários não têm filhos, 35 têm 1 filho, 40
funcionários têm 2 filhos, 3 funcionários têm 3 filhos e 2 funcionários têm 4
filhos.
 TABELA DE FREQUÊNCIAS – DADOS DISCRETOS

Vamos então organizar os dados através da construção de uma tabela

de frequências relativas e absolutas.

N.º de Frequência Frequência absoluta Frequência relativa Frequência relativa

filhos absoluta acumulada acumulada

0 20 20 20/100 = 0,2 = 20% 20%

1 35 55 35/100 = 0,35 = 35% 55%

2 40 95 40/100 = 0,4 = 40% 95%

3 3 98 3/100 = 0,03 = 3% 98%

4 2 100 2/100 = 0,02 = 2% 100%

Total 100 100%

 REPRESENTAÇÃO GRÁFICA

Se gostarmos, podemos ainda elaborar gráficos com a informação.

Número de filhos dos funcionários

45

40

35

30 Gráfico
25 de
20 colunas
15

10

0
0 filhos 1 filho 2 filhos 3 filhos 4 filhos
Número de funcionários
 REPRESENTAÇÃO GRÁFICA

Se gostarmos, podemos ainda elaborar gráficos com a informação.

Número de filhos dos funcionários

3%2%
20%

Gráfico
40% circular

35%

0 filhos 1 filho 2 filhos 3 filhos 4 filhos

 TABELA DE FREQUÊNCIAS – DADOS CONTÍNUOS

Tabelas de frequências para dados contínuos

No caso dos dados serem de natureza contínua, a tabela de frequências não é
tão simples como no caso dos dados discretos, pois é necessário definir
previamente o número de classes.

Normalmente, para determinar o número de classes de um conjunto de dados

usa-se a Regra de Sturges – Para organizar uma amostra, de dados contínuos,
de dimensão N, pode considerar-se para número de classes o valor k, onde k é
k
o menor número inteiro tal que 2  n
 TABELA DE FREQUÊNCIAS – DADOS CONTÍNUOS

Exemplo:
Na empresa XYZ, registaram-se os salários dos 10 trabalhadores do setor
produtivo.

Trabalhadores Salário Média

3 ]550;600] 575
4 ]600;650] 625
2 ]650;700] 675
1 ]700;750] 725
 TABELA DE FREQUÊNCIAS – DADOS CONTÍNUOS

Exemplo:
Como ficará esta tabela?

Classes Ponto Frequêcia F. Absoluta Frequência F. Relativa

médio absoluta acumulada relativa acumulada

]550;600] 575 3 3 3/10 =0,3 = 30% 30%

]600;650] 625 4 7 4/10 = 0,4 = 40% 70%

]650;700] 675 2 9 2/10 = 0,2 = 20% 90%

]700;750] 725 1 10 1/10 = 0,1 = 10% 100%

Que tal uma breve leitura sobre as
frequências?

Clique na imagem e será encaminhado

para uma das edições da revista de ciência
elementar!
TRATAMENTO
ESTATÍSTICO DE
DADOS:

MEDIDAS DE
LOCALIZAÇÃO E
DISPERSÃO
 MEDIDAS DE LOCALIZAÇÃO - MÉDIA

1. Medidas de localização
1.1. Média para dados simples e dados agrupados

A média de um conjunto de dados obtém-se calculando a soma de todos

os dados e dividindo a soma obtida pelo número desses dados.

Representando por x1, x2,...,xn as n observações, a média é:

x1 + x2 + ... + xn
Média= N
 MEDIDAS DE LOCALIZAÇÃO - MÉDIA

• Se os dados estiverem agrupados em tabelas de frequências em que o dado xi

tem frequência ni , aplica-se a fórmula:

k
n x i i

média = i=1
N

Onde:
k é o número de valores diferentes que surgem na amostra
ni é a frequência absoluta do valor x i

N é o somatório de todas as frequências absolutas

 MÉDIA - EXEMPLO

Na empresa XYZ, foram registados o número de acidente ligeiros ocorridos

nos 5 primeiros meses do ano.
A tabela seguinte contém os registos referidos.

Mês Número de acidentes ligeiros

Janeiro 12

Fevereiro 7

Março 5

Abril 13

Maio 2
 MÉDIA - EXEMPLO

Para calcular a média, procedemos da seguinte forma:

Soma do número de acidentes de cada mês

12+7+5+13+2
Média = = 7,8
5
Número de meses

Conclusão: A média de acidentes ligeiros na empresa XYZ nos primeiros 5

meses é de 7,8.
 MEDIDAS DE LOCALIZAÇÃO - MÉDIA

1.2. Média aproximada para dados agrupados em intervalos

Ao calcular a média a partir de dados agrupados, em que as classes são intervalos,
não se obtém o valor exato da média, mas sim um valor aproximado. O valor exato
poderia ser obtido considerando todos os dados originais, antes de serem
agrupados, e nesse caso a média calculava-se da forma já referida em exemplos
anteriores. Se os dados já são apresentados em classes e não temos acesso aos dados
originais, não podemos calcular o valor exato da média.

Assim, se os dados estão agrupados em classes, o valor aproximado da média

calcula-se usando as fórmulas anteriores, mas considerando xi o ponto médio da
classe i.
 MÉDIA - EXEMPLO

Considere a variável “descontos para a Segurança Social” dos trabalhadores de

uma empresa. Esses valores apresentam-se na tabela que se segue:

Classe dos descontos (€) Nº de empregados

[180;185[ 2
[185;190[ 4
[190;195[ 1
[195;200[ 2
[200;205[ 3
[205;210[ 2
 MÉDIA - EXEMPLO

Como temos uma distribuição por intervalos, deve-se achar o ponto médio de
cada intervalo e aplicar essa valor no cálculo.

Ou seja:

Valor médio da cada intervalo a multiplicar pelo número de trabalhadores correspondente

182,5×2+187,5×4+192,5×1+197,5×2+202,5×3+207,5×2
Média = =194,643
14
Número total de trabalhadores

Conclusão: A média da classe dos descontos é de €194,653

 MEDIDAS DE LOCALIZAÇÃO - MEDIANA

1.3. Mediana para dados simples e agrupados

Se x1, x2,...,xn representam n valores ordenados (por ordem crescente ou

decrescente) de uma variável quantitativa, chama-se mediana e pode
representar-se por M d:
● ao valor da variável que ocupa a posição central, se n é ímpar:

n +1
M d = xk com k =
2

● à média aritmética dos dois valores centrais, se n é par:

xk + xk +1 n
Md = , com k =
2 2
 MEDIANA - EXEMPLO

Na empresa XYZ de transportes públicos, foram registados o número de

pessoas transportadas no autocarro n.º1. Vamos calcular a mediana dos valores
registados na seguinte tabela.

Autocarro n.º1
45 50 47 49 37 46 51 39 40

Para procedermos ao cálculo da mediana, importa colocar os valores por

ordem crescente. Assim, o valor que se encontra no meio corresponde à
mediana.
 MEDIANA - EXEMPLO

Autocarro n.º1
45 50 47 49 37 46 51 39 40

37 39 40 45 46 47 49 50 51

Logo, a mediana é 46.

 MEDIDAS DE LOCALIZAÇÃO - MEDIANA

1.4. Classe mediana. Mediana aproximada para dados agrupados em

intervalos

Para o cálculo de um valor aproximado da mediana admite-se que os valores se

distribuem uniformemente em cada classe.
Assim, aplica-se uma regra de três simples para o cálculo da mediana.
Exemplificando:
 MEDIDAS DE LOCALIZAÇÃO - MEDIANA

1.4. Classe mediana. Mediana aproximada para dados agrupados em

intervalos

Na maioria das vezes recorre-se à seguinte fórmula para calcular a mediana:

li – limite inferior da classe mediana;

fa[i-1]- frequência absoluta acumulada da classe anterior à mediana;
fc – frequência absoluta da classe mediana;
h – amplitude da classe mediana.
 MEDIANA - EXEMPLO

Considere a variável “descontos para a Segurança Social” dos trabalhadores de

uma empresa. Esses valores apresentam-se na tabela que se segue:

Classe dos descontos (€) Nº de empregados

[180;185[ 2
[185;190[ 4
[190;195[ 1
[195;200[ 2
[200;205[ 3
[205;210[ 2
 MEDIANA - EXEMPLO

Recorrendo à fórmula:

Limite mínimo da classe onde se encontra a mediana do número de trabalhadores. Ou seja, em 14 a mediana tem
de superar o valor 7 (7,5), logo a classe mediana é [195;200[

Número total de dados (trabalhadores) a dividir por 2

Frequência acumulada da classe anterior à que

classe mediana

7−7
𝑀𝑒𝑑 = 195 + × 5 = 195
2 Amplitude das classes, ou seja, limite
superior menos o limite inferior das
classes

Frequência (número de trabalhadores) da classe mediana

 MEDIANA - EXEMPLO

Assim, a mediana é de 195

 MEDIDAS DE LOCALIZAÇÃO - MODA

1.5. Moda

Sendo x1, x2 , ... , xn os n valores de uma variável estatística, chama-se moda e

pode representar-se por M o , ao valor que ocorre com maior frequência.

Para um conjunto de dados, pode existir mais do que uma moda ou até nem existir.
 Se o conjunto de dados tiver uma única moda, esse conjunto diz-se unimodal.
 Se o conjunto de dados tiver duas modas, diz-se bimodal; no caso de ter mais que
duas modas, diz-se multimodal.
 Se o conjunto de dados não tiver moda, diz-se amodal.

Quando os dados são apresentados em classes com intervalos de igual amplitude

chama-se classe modal à classe com maior frequência.
 MEDIDAS DE LOCALIZAÇÃO - QUARTIS

1.6. Quartis
Para obter quartis:
1º Ordenar os dados por ordem crescente e determinar a mediana.
2º O 1º quartil é a mediana dos dados que ficam para a esquerda da mediana.

3º O 3º quartil é a mediana dos dados que ficam para a direita da mediana.

Exemplo:
 MEDIDAS DE LOCALIZAÇÃO - QUARTIS

Observação: Tal como acontece para a mediana, também existem formas para
localizar os quartis. Essas fórmulas são diferentes para n par ou n ímpar.

(*) Quando estas fórmulas não conduzem a números inteiros, calcula-se a média
aritmética dos valores que ocupam as posições dadas pelos números inteiros
mais próximos do valor obtido.
 MEDIDAS DE LOCALIZAÇÃO - QUARTIS

1.7. Diagrama de extremos e quartis

Uma vez calculados os quartis e considerando os valores extremos, isto é, o
valor máximo e o valor mínimo de um conjunto de dados, podemos construir o
diagrama de extremos e quartis.

Considerem-se as temperaturas mínimas, em graus celsius, observadas em 15

capitais europeias no dia 5 de Agosto de 2009 e determinem-se os respectivos
quartis.
 MEDIDAS DE LOCALIZAÇÃO - QUARTIS

 Para construir o diagrama de extremos e quartis marca-se sobre um eixo

graduado os pontos correspondentes aos extremos do conjunto de dados bem
como aos quartis.

A partir destes pontos constrói-se um diagrama como o

seguinte a que se chama diagrama de extremos e quartis.
 MEDIDAS DE LOCALIZAÇÃO - SIMETRIA

1.8. Simetria e enviesamento de dados

Como vimos, o diagrama de extremos e quartis é uma representação gráfica

que realça informação importante sobre a localização dos dados na amostra.
 MEDIDAS DE LOCALIZAÇÃO - SIMETRIA

 Os diagramas de extremos e quartis são muito úteis para comparar conjuntos

de dados no que respeita à simetria e enviesamento, bem como da sua maior

ou menor concentração.
 MEDIDAS DE LOCALIZAÇÃO - SIMETRIA

1.9. Simetria

O conhecimento da média, da mediana e da moda pode dar uma ideia acerca da

forma como se distribuem os valores da variável em estudo em toda a população.
 MEDIDAS DE DISPERSÃO

2. Medidas de dispersão

As medidas de localização estudadas não caracterizam todos os aspectos de um

conjunto de dados ou de uma distribuição de frequências.

Observemos os dois histogramas seguintes:

 MEDIDAS DE DISPERSÃO

Observamos que a média, a mediana e a moda dos dois conjuntos de dados, a

que dizem respeito, são iguais. Contudo, os dados do histograma da esquerda
apresentam uma frequência relativa com variação reduzida, enquanto os dados do
histograma da direita apresentam uma frequência relativa com variações
significativas.

Assim, verifica-se que necessitamos de estudar outras medidas para além das
medidas de localização, pois estas não são suficientes para caracterizarem um
conjunto de dados, já que não dão qualquer indicação sobre outro importante aspeto
dos dados, que é a variabilidade ou dispersão.
 MEDIDAS DE DISPERSÃO

Observemos os seguintes diagramas de pontos:

A média é 3,5 para os três conjuntos de dados, no entanto, verifica-se uma

maior dispersão na figura 3 do que na figura 4 e na figura 4 a dispersão é maior
do que na figura 5.
 MEDIDAS DE DISPERSÃO

Podemos comparar as dispersões dos dados representando-os no

mesmo referencial ou em referenciais diferentes:

Temos assim que, as medidas de localização não caracterizam a dispersão ou

variabilidade, sendo as mais comuns:
 A amplitude;
 A amplitude inter-quartis;
 O desvio-padrão.
 MEDIDAS DE DISPERSÃO - AMPLITUDES

2.1. Amplitude de um conjunto de dados

Chama-se amplitude, e representa-se por R (Range) de um conjunto de

dados, x1, x2, ... , xi , ... , xn , à diferença desse conjunto de dados.
Se os dados estão agrupados em classes, faz-se uma aproximação para a
amplitude calculando a diferença entre o limite superior da última classe e o
limite inferior da primeira classe.

2.2. Amplitudeinterquartis

Amplitude interquartis é a diferença entre o 3º quartil e o 1º quartil. A

amplitude interquartis será tanto maior quanto maior variabilidade se
verificar entre os dados.
 MEDIDAS DE DISPERSÃO -VARIÂNCIA

2.3.Variância
A variância não é geralmente utilizada como medida de dispersão mas é o
suporte para o cálculo do desvio-padrão.

Existem duas expressões para representar a variância. Ambas são obtidas a

partir da soma dos quadrados dos desvios relativamente à média.
São elas:
n n

 (x −x)
i
2
 (x − x) 2

s2 = i=1 ou  2= i=1

n −1 n

A primeira utiliza-se quando os dados representam uma amostra e a segunda

quando os dados representam uma população.
 MEDIDAS DE DISPERSÃO – DESVIO PADRÃO

2.3. Desvio-padrão

A interpretação do significado da variância, em situações concretas, levanta

problemas. Por exemplo, se estivermos a estudar a altura de um grupo de pessoas
em centímetros, a média das alturas ainda se exprime em centímetros, mas a
variância exprime-se em centímetros quadrados.

Por isso, seria vantajoso ter uma medida de dispersão que se exprimisse na mesma
unidade de medida em que se exprimem os dados. O desvio-padrão é uma das
medidas de dispersão que responde a essa exigência.

O desvio-padrão representa-se por s ou  e é igual à raiz quadrada positiva da

variância.
 MEDIDAS DE DISPERSÃO – DESVIO PADRÃO

2.3.1. Propriedades dos desvio-padrão

 O desvio-padrão é sempre não-negativo;

 Quanto maior é o desvio-padrão maior é a dispersão dos dados em relação à

média;

 Se o desvio-padrão é igual a zero é porque não existe variabilidade, isto é, os

dados são todos iguais.

 DESVIO PADRÃO - EXEMPLO

Voltando ao exemplo do número de acidentes ligeiros na empresa XYZ,

vamos calcular o desvio padrão.

Mês Número de acidentes ligeiros

Janeiro 12

Fevereiro 7

Março 5

Abril 13

Maio 2
 DESVIO PADRÃO - EXEMPLO

Aplicando as fórmulas mostradas anteriormente, obtemos:

(12−7,8)2 +(7−7,8)2 +(5−7,8)2 +(13−7,8)2 +(2−7,8)2

Variância = = 2,226
39

Para obtermos o desvio padrão, faz-se a raiz quadrada da variância, logo:

Desvio padrão = 2,226 = 1,49

Vamos agora estudar
o capítulo da
FIABILIDADE
 FIABILIDADE

Ramo da estatística que se ocupa da Segurança de Funcionamento de

Produtos e Equipamentos Industriais.
 FIABILIDADE

Designações a Utilizar

• Componente: peça simples

• Órgão: vários componentes formando um dispositivo de complexidade

média.

• Equipamento: vários órgãos formando um conjunto complexo.

• Sistema: vários equipamentos formando um conjunto complexo.

 FIABILIDADE

Definição de Falhas

• Falha da função requerida é a alteração ou cessação da capacidade de um

equipamento realizar uma função requisitada.
Ou seja,
• Degradação de um parâmetro de funcionamento até um nível considerado
satisfatório.
 FIABILIDADE

Falha
Termo utilizado para equipamentos não – reparáveis.

Avaria
Termo utilizado para equipamentos reparáveis.
 FIABILIDADE

Classificação da Falha

A falha pode ser de dois tipos:

• Falha Catastrófica
• Falha por Degradação
 FALHA

Falha Catastrófica
Acontece súbita e brutalmente, devido a uma variação súbita de uma ou mais
características de um equipamento inutilizando-o.

Exemplos:

- Viatura: um furo devido a um prego ou uma pedra.

- Bomba: um motor gripar devido a uma fuga de óleo.

 FALHA

Falha por Degradação

Acontece lenta e progressivamente devido a uma variação progressiva de uma ou
mais características de um equipamento, para além dos seus limites.

Este tipo de falhas podem ser evitadas através da aplicação de uma manutenção
preventiva.

Exemplos
- Viatura: desregulação do carburador.
- Bomba: débito do caudal inferior ao minimo exigido.
 MANUTENÇÃO

Breves Considerações sobre Manutenção

O termo manutenção tem origem no vocabulário militar, cujo sentido era manter,
nas unidades de combate, o efectivo e o material a um nível constante.
Na indústria, as unidades que nos interessam são as unidades de produção, e o
combate é antes de mais (e acima) de tudo económico.
Segundo a Association Française de Normalisation (AFNOR), a manutenção é definida
como o conjunto de acções que permitem manter ou restabelecer um bem dentro de
um estado especifico, ou na medida para assegurar um serviço determinado.
Boa manutenção é, assim, assegurar essas operações a custo global mínimo.
 MANUTENÇÃO

As intervenções de manutenção são, essencialmente de duas

naturezas:

Manutenção Preventiva: manutenção efetuada com intenção de reduzir a

probabilidade de falha de um bem ou a degradação de um serviço prestado.

Ou seja, é uma intervenção prevista, preparada e programada antes da data provável do

aparecimento de uma falha.

Manutenção para casos de degradação progressiva.

 MANUTENÇÃO

Manutenção Corretiva: manutenção realizada após uma falha.

Ou seja, é uma intervenção para repor em funcionamento o bem ou serviço

prestado.

Manutenção para casos de falhas súbitas e imprescindíveis.

 EFICÁCIA

Um sistema, um equipamento, um órgão, ou um simples componente é

concebido para cumprir uma determinada missão com eficácia, dentro
de certas restrições técnicas, ergonómicas e económicas.
 EFICÁCIA

ERGONOMIA PRODUTIVIDADE PERFORMANCES

TÉCNICA

CONFIABILIDADE
 EFICÁCIA - CONCEITOS

Ergonomia: aptidão para a utilização em condições seguras de conforto.

Produtividade: aptidão para o valor máximo e o custo mínimo

PerformancesTécnicas: aptidão para o desempenho das funções.

Confiabilidade: é a garantia ou o grau de confiança de um determinado

equipamento permanecerá disponível em serviço durante um certo período de
tempo (vida útil).
 EFICÁCIA

ERGONOMIA PRODUTIVIDADE PERFORMANCES

TÉCNICA

CONFIABILIDADE

DURABILIDADE DISPONIBILIDADE
 EFICÁCIA - CONCEITOS

Durabilidade: tempo de vida útil do equipamento.

Disponibilidade: probabilidade de o equipamento estar em bom

funcionamento no instante t.

• A disponibilidade e a durabilidade são características dependentes da concepção

e dos materiais usados, e são fixadas durante a fase de projeto.

• Aumentar a disponibilidade de um equipamento consiste em reduzir o

seu número de paragens (confiabilidade) e o tempo gasto para resolver o
problema( manutibilidade).
 EFICÁCIA

ERGONOMIA PRODUTIVIDADE PERFORMANCES

TÉCNICA

CONFIABILIDADE

DURABILIDADE DISPONIBILIDADE

FIABILIDADE MANUTIBILIDADE MANUTENÇÃO

 EFICÁCIA - CONCEITOS

Fiabilidade
A probabilidade de um equipamento funcionar satisfatoriamente (isto é,
cumprindo a função requerida) durante um certo intervalo de tempo e sob
condições especificadas.

Ou seja, a FIABILIDADE, é a probabilidade de operação sem falha.

 EFICÁCIA - CONCEITOS

Manutibilidade: é a probabilidade de restabelecer num equipamento as suas

condições de funcionamento especificas, em limites de tempo desejados, quando a
manutenção é conseguida nas condições e com meios previstos.

A manutibilidade representa tudo o que poderá influenciar a aptidão de um

equipamento para receber manutenção, tal como: facilidade de acesso,
simplicidade de meios necessários, condições de segurança, precisão e economia.
 EFICÁCIA - CONCEITOS

Manutibilidade é a característica de um projecto relativa à capacidade de um

equipamento ser recolocado nas condições originais, a cada vez que haja
necessidade de manutenção.

Manutenção é a acção física executada pelos técnicos para que a re-colocação nos
níveis originais seja conseguida.
Vamos explorar melhor o tema da
FIABILIDADE
 FIABILIDADE

FIABILIDADE é a probabilidade de um equipamento (sistema, órgão ou

componente) cumprir uma função requerida, em condições de utilização e por
um período de tempo determinado (definição segundo AFNOR).
 FIABILIDADE – CONCEITOS RELACIONADOS

Probabilidade é a razão entre o número de casos favoráveis e o número de casos

possíveis; 0≤Pr≤1

Cumprir uma função requerida (missão) implica um patamar de

admissibilidade, abaixo do qual a função não é satisfeita

Condições de utilização é a definição das condições de uso, ou seja, meio

ambiente e suas variações, restrições a nível mecânico, químico, físico, etc. (o
mesmo equipamento colocado em dois contextos diferentes não terá a mesma
fiabilidade)

Período de tempo é a definição da duração da missão em unidades de medida do

serviço.
 UNIDADES DE MEDIDA

As unidades de medida do serviço depende da natureza de funcionamento do

equipamento considerado.

Podem ser:
→ número de horas de funcionamento
→ número de atuações
→ número de rotações
→ número de quilómetros
→ outras
 FIABILIDADE

A FIABILIDADE exprime o grau de confiança que podemos depositar na ação

de objetos falíveis.

Um equipamento fiável é um equipamento “ em que se pode confiar”.

 FIABILIDADE

Se afirmarmos que a probabilidade de um equipamento operar sem falhar é de

75% em 1000 horas, estamos a prever que esse equipamento possa funcionar:

Sem falhas 75 vezes em cada 100 horas ( ou durante 750horas),

OU
Falhar 25 vezes em cada 100 horas (ou durante 250 horas).

O mesmo é dizer, que durante 1000 horas:

- A fiabilidade (R) é igual a 0.75(ou 75%), e que
- A infiabilidade (F) é igual a 0.25 (ou 25%).
 FIABILIDADE

Conceção e da qualidade de Condições de serviço em que

fabricação do equipamento A FIABILIDADE decorre a sua operação
RESULTA DE
(características (características
intrínsecas) extrínsecas).

Condições de serviço é o conjunto de “condições” sob a quais um equipamento é

previsto funcionar. Divide-se em “condições de carga” e “condições ambientais”.

A fiabilidade é calculada para condições de serviço muito precisas, pelo que

quaisquer desvios das condições especificadas resultarão também em desvios da
fiabilidade esperada.
 FIABILIDADE INTRÍNSECA E EXTRÍNSECA

O conhecimento da fiabilidade não nos garante que um determinado equipamento

funcionará sem falhar durante um determinado intervalo de tempo, mas unicamente
a probabilidade do equipamento não falhar nesse intervalo de tempo (ou que, em
média, um certo número de avarias ocorrerá, durante esse intervalo).

Ou seja, o conhecimento da fiabilidade dá-nos o número de avarias que em média

ocorrerá, durante um intervalo de tempo.

A informação necessária ao cálculo da fiabilidade pode obter-se a partir de duas

fontes:
- os fabricantes Fiabilidade intrínseca
- os utilizadores Fiabilidade extrínseca
 FIABILIDADE INTRÍNSECA

Os fabricantes podem determinar a fiabilidade de um equipamento a partir de

ensaios normalizados. O resultado obtido é independente da aplicação real.
Esta fiabilidade denomina-se:
- Fiabilidade inerente OU
- Fiabilidade intrínseca OU
- Fiabilidade à saída de fábrica.
Esta fiabilidade resulta da qualidade intrínseca do projeto (determinante para o
nível de desempenho da função objetivada).
 FIABILIDADE EXTRÍNSECA

Os utilizadores podem determinar a fiabilidade de um equipamento a partir da

experiência da sua aplicação (ou for necer os dados ao fabr icante, que os
tratará estatisticamente). O resultado assim obtido depende inteiramente da
aplicação real.
Esta fiabilidade denomina-se :
- Fiabilidade demonstrada OU
- Fiabilidade extrínseca
Reveste-se de grande importância prática, pois constitui uma média obtida a partir
de grande número de aplicações diferentes e durante um longo período.
 REQUISITOS DA FIABILIDADE

A competitividade obriga a que se concebam e produzam equipamentos com

perfomances crescentes.

Tal facto, conduz frequentemente à exigência de que:

Os equipamentos suportem Comportem maior número de funções

cargas maiores (aumentando assim a complexidade)

Força os sistemas a funcionarem Implica maior número de

componentes
perto dos limites de resistência
 REQUISITOS DA FIABILIDADE

Qualquer uma destas exigências resulta fatalmente em maior número provável de

avarias, a menos que se possam adoptar medidas de prevenção adequadas.
A melhoria da performance e da fiabilidade têm, assim, de ser conciliadas por
compromisso.
Adicionalmente, e por considerações semelhantes:
- A redução de custos e a melhoria da fiabilidade têm que ser igualmente conciliadas
por compromisso.
Quanto maior for a fiabilidade desejada, maiores serão os custos para a obter.
 REQUISITOS DA FIABILIDADE

A forma de conseguir os compromissos necessários depende da aplicação em causa, e

dos requisitos da fiabilidade apropriados.
Exemplos:
• Um carro de competição – os requisitos de fiabilidade são naturalmente
secundários face aos requisitos de desempenho.

• Um avião comercial – os requisitos de fiabilidade são naturalmente

predominantes sobre quaisquer outros.

Em situações intermédias, os requisitos de fiabilidade colocam-se mais em termos

económicos – interessa encontrar o melhor compromisso entre o custo de obtenção de
uma fiabilidade elevada e o custo resultante de paragens por avarias.
Isto é, custos de fiabilidade versus custos de não fiabilidade.
 FIABILIDADE - ETAPAS

Se admitirmos o principio de que qualquer equipamento deve funcionar em

condições que proporcionem a maior eficácia, segurança e economia de meios,
então torna-se necessário percorrer três etapas:

MEDIR MELHORAR OTIMIZAR

 MEDIR

Deduzir a expressão de fiabilidade adequada a cada tipologia de equipamento, e

investigar o seu resultado.
O cálculo inicia-se com cada componente elementar, prosseguindo, depois, tendo
em consideração as inter-relações dos vários componentes, através dos diversos
níveis superiores de integração, até ao nível de todo o conjunto. Este pode ser tão
extenso e complexo como um equipamento, ou mesmo todo um sistema
(ou organização).
Quando todas as inter-dependências da fiabilidade do equipamento forem
compreendidas, pode passar-se para a 2ª etapa.
 MELHORAR

Procurar as formas mais adequadas conducentes à melhoria da fiabilidade global, limitadas por
compromissos de custo e de segurança.
A melhoria da fiabilidade global pode ser obtida por:
- Reduzir ao mínimo possível a complexidade;
- Aumentar a fiabilidade dos componentes;
- Introduzir componentes redundantes;
- Estabelecer rotinas de inspecção e de manutenção preventiva.

As duas primeiras medidas encontram-se naturalmente limitadas pela evolução tecnológica.

As duas últimas permitem que a fiabilidade do sistema tenda para 100% - meta apenas
contrariada por restrições de pesos, volume ou disponibilidade.
 OTIMIZAR

Maximizar a fiabilidade do equipamento, considerando-se como adquiridos

um determinado peso, volume, custo e disponibilidade ou, inversamente, para
uma fiabilidade fixada como objetivo, otimizar aquelas restrições.
E COMO É REALIZADA A MEDIÇÃO DA
FIABILIDADE?
 MEDIÇÃO DA FIABILIDADE - CONCEITOS

Considere-se:

No - número de equipamento todos iguais, nas mesmas condições, no momento t=0;

Ns - número de equipamentos sobreviventes no momento t;
Nf - número de equipamentos falhados no momento t;
R(t) - probabilidade de sobrevivência;
F(t) – probabilidade de falhar.
No momento t, a probabilidade de sobrevivência, R(t) é dada por:

𝑁𝑠 (𝑡)
𝑅 𝑡 =
𝑁0

No momento t, a probabilidade falhar, F (t)é dada por:

𝑁𝑓 (𝑡)
𝐹 𝑡 =
𝑁0
 MEDIÇÃO DA FIABILIDADE

Como as situações de sobrevivência e de falha são mutuamente exclusivas (i.e., a

intersecção dos elementos de sobrevivência com os elementos de falha é um
conjunto vazio), as duas probabilidades são efectivamente complementares. Logo:

R(t) + F(t) = 1

Se realizarmos um ensaio com os No equipamento:

No instante t=0, todos eles apresentam igual probabilidade de sobreviverem R(t),
e igual probabilidade de falharem F(t);
Com o tempo, os primeiros vão progressivamente diminuindo (1→0) e os
segundos aumentando (0 →1).
SISTEMA EM SÉRIE
 SISTEMA EM SÉRIE

Num sistema composto por elementos em série os seus componentes

interrelacionam-se de tal modo, que o sistema falhará se qualquer um dos
componentes falhar.

Diagrama Lógico de um sistema em série, composto por três elementos:

Entrada Saída

Nota: a disposição lógica pode não coincidir com a disposição física do sistema
 SISTEMA EM SÉRIE

Assim, numa rede em série, todos os componentes devem funcionar bem para que
o sistema funcione.

Logo, é de esperar que a fiabilidade de um sistema em série seja baixa.

Por isso, durante a conceção de um sistema em série deve-se aumentar a fiabilidade

até valores próximos dos 100%.
 SISTEMA EM SÉRIE - FIABILIDADE

Se o sistema for composto por n componentes, a fiabilidade do sistema, para uma

missão de duração t, é igual ao produto das fiabilidades dos diversos componentes
(supostos independentes entre si):

Se um sistema estiver a funcionar no seu período de vida útil, vem que:

 SISTEMA EM SÉRIE - EXEMPLO

Um sistema eletrónico é composto por um transmissor, um recetor e uma fonte de

alimentação. As fiabilidades destes componentes, para uma determinada missão,
são as seguintes:
R (transmissor)= 0.8521
R (recetor)= 0.9712
R (fonte de alimentação)= 0.9357

Qual a fiabilidade do sistema assim constituído?

 SISTEMA EM SÉRIE - EXEMPLO

Como se trata de um sistema em série, basta multiplicar as fiabilidades de cada um

dos componentes.

Logo:
𝑅 𝑡 = 0,8521 × 0,9712 × 0,9357 = 𝟎, 𝟕𝟕𝟒𝟑
SISTEMA EM PARALELO
 SISTEMA EM PARALELO

Num sistema composto por elementos em paralelo (sistema em paralelo ou

sistema redundante), os seus componentes interrelacionam-se de tal modo, que
a falha de um elemento não implica a falha do sistema.
Diagrama Lógico de um sistema em paralelo, composto por três elementos:

Entrada Saída

Nota: a disposição lógica pode não coincidir com a disposição física do sistema
 SISTEMA EM PARALELO

Assim, numa rede em paralelo, o sistema funciona se A ou B ou C funcionar.

Pode-se, então, dizer que todos os componentes do paralelo, para além de um, são
redundantes. Isto é, basta um componente para que o sistema funcione.

A adição de componentes em paralelo apenas contribui para o aumento da

fiabilidade. Estes componentes dizem-se redundantes ativos.

Num sistema em paralelo para calcular a fiabilidade aplicamos a seguinte fórmula:

1- R(t) = (1- R1(t)) x (1- R2(t)) ... x (1-Rn(t))
 SISTEMA EM PARALELO - EXEMPLO

Um sistema eletrónico é composto por 2 componentes (A e B). As fiabilidades

destes componentes, para uma determinada missão, são as seguintes:
R (A)= 0.75
R(B)= 0.82

Qual a fiabilidade do sistema assim constituído?

 SISTEMA EM PARALELO - EXEMPLO

Para efetuarmos o cálculo vamos utilizar a fórmula anteriormente mencionada:

1- R(t) = (1- R1(t)) x (1- R2(t)) ... x (1-Rn(t))

Logo:
1 − 𝑅 𝑡 = 1 − 0,75 × 1 − 0,82 = 0,045
𝑅 𝑡 = 1 − 0,045 = 𝟎, 𝟗𝟓𝟓
 B

SISTEMA COMPOSTO
 SISTEMA COMPOSTO

Um sistema composto (sistema em série e paralelo) resulta da combinação de

diferentes componentes em série e em paralelo, formando uma rede complexa.
 SISTEMA COMPOSTO

Diagrama Lógico de um sistema- composto, formado por três elementos com a

seguinte disposição:

Entrada A Saída

A fiabilidade deste sistema, composto por 3 componentes, para uma missão de

duração t, é a seguinte:

Rs (t) = RA .[1-(1- RB ). (1- RC )]

 SISTEMA COMPOSTO

Diagrama Lógico de um sistema- composto, formado por quatro elementos com a

seguinte disposição:

A C

B D

A fiabilidade deste sistema, composto por 4 componentes , para uma missão de

duração t, é a seguinte:

Rs (t) = [1-(1-RA ).(1-RB )].[1-(1- RC ). (1- RD )]

 SISTEMA COMPOSTO

Diagrama Lógico de um sistema- composto, formado por seis elementos com a

seguinte disposição:

A
E
Saída
Entrada B D
F

A fiabilidade deste sistema, composto por 6 componentes, para

uma missão de duração t, é a seguinte:

Rs (t) = [1-(1-RA ).(1-RB ).(1- RC )]. RD .[1-(1- RE ). (1- RF )]

 SISTEMA COMPOSTO - EXEMPLO

Um sistema eletrónico composto tem 3 componentes (A, B e C). As fiabilidades

destes componentes, para uma determinada missão, são as seguintes:

B
0,83
A Saída
Entrada
0,74
C
0,79

Qual a fiabilidade do sistema assim constituído?

 SISTEMA COMPOSTO - EXEMPLO

Para efetuarmos o cálculo vamos utilizar a fórmula anteriormente mencionada:

Rs (t) = RA .[1-(1- RB ). (1- RC )]

Logo:
𝑅𝑠 𝑡 = 0,74 × 1 − 1 − 0,83 × 1 − 0,79 = 𝟎, 𝟕𝟏𝟒
POR FAVOR, COLOQUE AS
SUAS DÚVIDAS NO FÓRUM
JÁ ESTUDOU TUDO?

AGORA SÓ FALTA
REALIZAR AS PROPOSTAS
DE TRABALHO E O TESTE
DE AVALIAÇÃO
DISPONÍVEL NA
PLATAFORMA.

BOM TRABALHO A TODOS!

OBRIGADO