Questões sobre Definição e Conceito Sobre Estatística

Tipicamente, um gráfico (ou carta) de controle apresenta determinada medida de qualidade ao longo do tempo. Ele contém uma linha horizontal central (:) que representa o valor médio dessa medida de qualidade quando o processo está sob controle. Duas outras linhas horizontais, chamadas de limite superior de controle (LSC) e limite inferior de controle (LIC), também são características marcantes desse gráfico. Determinada empresa estabelece que um alarme deve ser acionado quando uma medição produzir um valor fora desses limites. Um alarme é considerado como falso quando a ocorrência da medição além dos limites de controle é decorrente de um erro estatístico. Com base nessas informações, julgue os itens seguintes.

O gráfico de controle foi proposto, em 1943, por Kaoru Ishikawa, para o gerenciamento e o controle de qualidade em processos de produção.

A simulação numérica como otimização de processos é um problema matemático e computacionalmente complexo, pois, em geral, as funções de custo ou objetivo são dependentes de uma grande quantidade de parâmetros, em cujo espaço de busca elas representam hipersuperfícies com um mínimo global e vários mínimos locais. Para esse tipo de problema, os métodos gradientes ou derivativos não são os mais convenientes, visto que fornecem informações apenas de mínimos locais. Nesse caso, é necessária a utilização de métodos de otimização globais, os quais permitem mapear-se a hipersuperfície da função objetivo, visando-se à busca do mínimo global ou absoluto. Hoje, existe uma variedade de métodos com tais características, entre os quais estão os métodos heurísticos e meta-heurísticos, tais como a busca tabu, o algoritmo genético e o simulated annealing (SA).

 O método de otimização SA foi proposto, inicialmente, por Kirkpatrick e colaboradores. Alguns anos depois, o desempenho desse procedimento foi melhorado pelos pesquisadores H. Szu e R. Hartley, cujo método ficou conhecido como fast simulated annealing (FSA). Em 1996, Tsallis, Stariolo e Mundim propuseram a generalização do SA e a aplicaram a diferentes problemas. Esse método ficou conhecido como GSA, do inglês generalized simulated annealing e tem como caso particular os métodos propostos por Kirkpatrick e Szu. No método GSA, diferentes distribuições de probabilidades podem ser obtidas, variando-se o parâmetro q de Tsallis.

 Considerando as informações do texto acima, julgue os itens a seguir.

A diferença básica entre os métodos de otimização de sistemas físicos denominados Monte Carlo e GSA é que, neste, a temperatura varia com o tempo.

A simulação numérica como otimização de processos é um problema matemático e computacionalmente complexo, pois, em geral, as funções de custo ou objetivo são dependentes de uma grande quantidade de parâmetros, em cujo espaço de busca elas representam hipersuperfícies com um mínimo global e vários mínimos locais. Para esse tipo de problema, os métodos gradientes ou derivativos não são os mais convenientes, visto que fornecem informações apenas de mínimos locais. Nesse caso, é necessária a utilização de métodos de otimização globais, os quais permitem mapear-se a hipersuperfície da função objetivo, visando-se à busca do mínimo global ou absoluto. Hoje, existe uma variedade de métodos com tais características, entre os quais estão os métodos heurísticos e meta-heurísticos, tais como a busca tabu, o algoritmo genético e o simulated annealing (SA).

 O método de otimização SA foi proposto, inicialmente, por Kirkpatrick e colaboradores. Alguns anos depois, o desempenho desse procedimento foi melhorado pelos pesquisadores H. Szu e R. Hartley, cujo método ficou conhecido como fast simulated annealing (FSA). Em 1996, Tsallis, Stariolo e Mundim propuseram a generalização do SA e a aplicaram a diferentes problemas. Esse método ficou conhecido como GSA, do inglês generalized simulated annealing e tem como caso particular os métodos propostos por Kirkpatrick e Szu. No método GSA, diferentes distribuições de probabilidades podem ser obtidas, variando-se o parâmetro q de Tsallis.

 Considerando as informações do texto acima, julgue os itens a seguir.

Para o caso particular em que o parâmetro q da distribuição de probabilidade usada no método GSA seja igual 1, tem-se que essa distribuição torna-se exatamente a própria distribuição de Cauchy-Lorentz, a qual é utilizada no método FSA.

Com base nas informações apresentadas no texto, é correto afirmar que a capabilidade (ou capacidade) do processo é igual a

Considerando os testes não paramétricos, é INCORRETO afirmar: