Dados Gerais do Componente Curricular
| Tipo do Componente Curricular: |
MÓDULO |
| Unidade Responsável: |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA (14.28) |
| Código: |
EMEC509 |
| Nome: |
ESTATÍSTICA APLICADA À ENGENHARIA |
| Carga Horária Teórica: |
60 h. |
| Carga Horária Prática: |
0 h. |
| Carga Horária de Ead: |
0 h. |
| Carga Horária Total: |
60 h. |
| Pré-Requisitos: |
|
| Co-Requisitos: |
|
| Equivalências: |
( PPGET003 )
|
| Excluir da Avaliação Institucional: |
Não |
| Matriculável On-Line: |
Sim |
| Método de Avaliação: |
CONCEITO |
| Horário Flexível da Turma: |
Não |
| Horário Flexível do Docente: |
Sim |
| Obrigatoriedade de Nota Final: |
Sim |
| Pode Criar Turma Sem Solicitação: |
Não |
| Necessita de Orientador: |
Não |
| Exige Horário: |
Sim |
| Permite CH Compartilhada: |
Não |
| Permite Múltiplas Aprovações: |
Não |
| Quantidade de Avaliações: |
1 |
| Ementa/Descrição: |
Introdução: importância da estatística na engenharia. Aplicações práticas. Estatística-engenhariacontrole
de qualidade. Tratamento estatístico de dados: tipos de diagrama. Distribuição de
frequências, média, variância. Probabilidade: Conceitos fundamentais. Teoremas e axiomas
elementares da probabilidade. Esperança. Distribuição e Densidade de Probabilidade: variáveis
aleatórias. Distribuições binomial, hipergeométrica, geométrica e multinomial. Variáveis aleatórias
contínuas. Distribuição normal, uniforme, Log normal, gama, beta, Weibull, testes de normalidade.
Testes de Hipóteses: Hipótese nula, significância, intervalos de confiabilidade. Análise de
Variância: Comparações múltiplas. Projeto experimental. Análise de covariância. Ajustes de
curvas. Experimentos fatoriais: Experimentos 2n, apresentação gráfica, réplicas, experimentos
fatoriais confundidos, experimentos fracionados, resolução, tamanho de amostras. Técnica
Taguchi: princípio, aplicação. Seminários. |
| Referências: |
1. BOX, G. E. P; HUNTER, W.G.; HUNTER, J. S. Statistics for experimenters: design, innovation and discovery. New York: J. Wiley inter science, 2005. 672p.
2. MONTGOMERY, D. C.; RUNGER, G. C. Applied statistics and probability for engineers. 7a ed. NJ: Wiley, 2018. 720p.
3. HAIR, J.F.; TATHAM, R.L.; ANDERSON, R.E.; BLACK, W. Análise multivariada de dados. Bookman: 6ª ed.; 2009. 688p
4. NETO, Benício de; SCARMINIO, Ieda Spacino; BRUNS, Roy Edward. Como Fazer Experimentos. 4.ed. Bookman, 2010. 414 p.
5. KROESE, D.P.; BOTEV, Z.; TAIMRE, T.; VASIMAN, R. Data Science and Machine Learning: Mathematical and Statistical Methods. 1a ed. Chapman and Hall/CRC, 2019, 538p.
6. MAXWELL, S.E.; DELANEY, H.D.; KELLEY, K. Designing Experiments and Analyzing Data: A Model Comparison Perspective, Routledge: 3a Edition, 2017. 1980p.
7. Artigos recentes publicados em periódicos |
|
|
|
|
