Questões de Estatística do ano 2010

As ocorrências diárias de situações de emergência em uma instalação industrial são aleatórias e usualmente consideradas independentes umas das outras. Dessa forma, o modelo mais adequado para a simulação dos instantes de ocorrências é a Distribuição de Poisson e, consequentemente, os intervalos entre as ocorrências obedecem à Distribuição Exponencial. Na prática, observa-se que o tempo dedicado por um engenheiro à solução de cada emergência é bem modelado também pela Distribuição Exponencial. Esses são alguns dos motivos para que, em simulação desses processos de atendimento, o tempo (T) entre ocorrências e o tempo (T) de tratamento das mesmas sejam modelados por Distribuições Exponenciais que, entre outros aspectos, têm a propriedade denominada “ausência de memória” que (para quaisquer t > 0 e a > 0) é traduzida por:

A) P(T > t + a | T > a) = P(T > t)

B)

C)

D) P(0 < T < a) > P(t < T < t + a)

E) P(0 < T < a) = P(t < T < t + a)

As técnicas de simulação são muito importantes em uma grande variedade de projetos quando estes apresentam cálculos muito complexos ou experimentos reais muito dispendiosos. Na base da simulação, tem-se a necessidade de geração de números pseudoaleatórios, quando as duas principais preocupações são: (1) um possível número deve ter a mesma probabilidade de ocorrer que qualquer outro dentre os demais possíveis números e (2) deve existir independência entre as ocorrências, isto é, a probabilidade de ocorrência de um número não deve ser afetada pelas eventuais ocorrências dos demais possíveis números. Os métodos de geração mais adotados na prática são: congruência mista (mixed congruential method), congruência multiplicativa (multiplicative congruential method) e congruência aditiva (additive congruential method). Considere os números inteiros K, L, M e N, tais que: 0 < K < M; 0 < L < M e N = 1, 2, 3... Para serem gerados números pseudoaleatórios entre 0 e M-1, iniciase com uma semente X₀ aleatoriamente escolhida e adota- se a relação de recorrência XN+1 = f(X_N, X_N-1, K, L)(módulo M), isto é, X_N+1 é o resto da divisão de f(X_N, X_N-1, K, L) por M. Nessas condições, quando

Na simulação da operação de uma planta industrial, supõe- se que ela pode apresentar dois estados: ou operou normalmente ou operou com alguma anomalia. Se um dia operou normalmente, a probabilidade de apresentar alguma anomalia no dia seguinte é 70%. Quando um dia operou com alguma anomalia, a probabilidade de operar normalmente no dia seguinte é 60%. Independente de como esteja operando atualmente, após muitos dias de operação, a probabilidade de concluir um dia operando normalmente é de, aproximadamente,

Com base em dados históricos, verifica-se que, se uma linha de produção apresenta um índice de falhas inferior a 5% em determinado dia, a probabilidade de operar com mesmo nível de qualidade no dia seguinte é de 80%. Por outro lado, se opera com índice de falhas igual ou superior a 5% em algum dia, a probabilidade de voltar a operar com índice inferior a 5% no dia seguinte é de, apenas, 30%. Se, na simulação desse processo, verifica-se que a probabilidade de estar operando com índice de falhas inferior a 5% em algum dia é de 70%, a probabilidade de assim estar operando dois dias depois é de