Universidade Federal de Uberlndia

Faculdade de Engenharia Mecnica e Mecatrnica FEMEC

Simulao de Sistemas Automatizados FEMEC 42083
Prof. Dr. Jean-Paul Z. De Souza Tavares

RELATRIO DE SIMULAO DE SISTEMAS AUTOMATIZADOS

Mdulo 1: Modelagem de Dados de Entrada

Brian de Lima Curtt

Caio Eduardo Okimoto Ladislau

98770
11011EMT023

Uberlndia, 6 de maio de 2014

Sumrio
1.

Objetivos....................................................................................................................3

2.

Introduo..................................................................................................................4

3.

Fundamentos Tericos................................................................................................5

4.

Materiais Utilizados...................................................................................................6

5.

Procedimento Experimental.......................................................................................6
5.1.

Coleta..................................................................................................................6

5.2.

Tratamento..........................................................................................................6

5.3.

Inferncia............................................................................................................9

5.3.1.
5.3.1.1.

Teste Qui-Quadrado...................................................................................10

5.3.1.2.

Teste de Kolmogorov-Smirnov.................................................................12

5.3.2.

6.

Distribuio normal.......................................................................................10

Distribuio lognormal..................................................................................14

5.3.2.1.

Teste Qui-Quadrado...................................................................................14

5.3.2.2.

Teste de Kolmogorov-Smirnov.................................................................16

Concluso.................................................................................................................17

1. Objetivos
Este trabalho tem por objetivo familiarizar o aluno com o tratamento dos dados
coletados em projetos de simulao de sistemas. Assim, realizou-se um experimento em
laboratrio atravs de um sistema pneumtico automatizado. A partir desse sistema,
houve a coleta de dados empricos, os quais foram, ento, utilizados para estimar o
melhor modelo estatstico para a representao do comportamento do mesmo em
relao ao tempo de durao de um ciclo de trabalho.

2. Introduo
Atualmente, a simulao de sistemas se tornou uma ferramenta bastante til para
o meio industrial e acadmico. Simular uma forma de se reproduzir o comportamento
de um sistema real por meio de experimentos hipotticos. A partir dos dados obtidos,
realiza-se o estudo e cria-se um modelo que o represente. Geralmente, utilizam-se
simulaes computacionais para obter resultados mais precisos e de maneiras mais
rpidas e eficientes.
Com essas informaes, podem-se listar algumas das vantagens no processo de
simulao de sistemas. Dentre elas: a reduo de custos, uma vez que no necessrio
construir vrios prottipos para se chegar ao projeto desejado; a acelerao do processo,
pois as anlises computacionais so extremamente rpidas; e, por fim, possuir um
conhecimento prvio a respeito da realidade.
Entretanto, ressalta-se que em simulao de sistemas, o trabalho realizado possui
um fundamento estocstico, ou seja, todos os resultados so estatsticos, confrontando
os resultados reais com o modelo terico.

3. Fundamentos Tericos
A tcnica de simulao surgiu na dcada de 50 com fins militares. Com o passar
dos anos, essa tcnica evoluiu cada vez mais e surgiram simuladores que deram maior
velocidade e confiabilidade aos processos. Hoje, a simulao de sistemas largamente
utilizada nos meios acadmicos e na indstria.
A tcnica de simulao pode ser computacional ou no computacional.
Geralmente, ela dividida em trs etapas. A primeira a concepo, onde o objetivo
coletar e analisar os dados e, tambm, entender o processo como um todo (variveis
envolvidas, objetivos e etapas do trabalho). A segunda a implementao, onde atravs
de estudos e modelos tericos, cria-se o modelo computacional (para o primeiro caso)
por meio de algoritmos, visando ganhar tempo e confiabilidade. Com os resultados
advindos das duas primeiras etapas, cria-se o modelo operacional (fenmeno hipottico
tratado) na etapa de anlise. Durante esse processo, realizam-se vrias simulaes e
comparaes com os resultados do modelo terico at se chegar ao projeto desejado.
O termo modelo utilizado largamente neste trabalho pode ser entendido como
uma representao de algo, de um sistema, que reproduz o seu comportamento atravs
de grficos, mapas, entre outras formas. Segundo Chwif e Medina (2006), existem trs
tipos de modelos: simblicos, analticos e de simulao.
Os modelos simblicos so representados por mapas, fluxogramas, grficos e
outros tipos de representaes. Suas principais vantagens esto relacionadas rpida
construo e fcil anlise; sendo suas principais limitaes a falta de detalhes do
sistema, serem estticos e no fornecerem elementos quantitativos.
Os analticos se baseiam nos conceitos matemticos e na programao linear.
Sua principal vantagem a soluo exata e rpida. Entretanto, assim como o modelo
simblico, o modelo analtico esttico e s eficaz para modelos menos complexos.
Por fim, os modelos de simulao utilizam simuladores que visam capturar o
comportamento real de um sistema. Sua principal vantagem representar sistemas
complexos de natureza dinmica e aleatria.

4. Materiais Utilizados
Para a realizao deste experimento, utilizaram-se os seguintes equipamentos:

Bancada Pneumtica do Laboratrio de Ensino em Mecatrnica da

Universidade Federal de Uberlndia;

Cronmetro para medir o tempo de execuo de um ciclo do sistema;
Notebook para anotao dos dados coletados;
Software Excel para realizar os clculos estatsticos.

5. Procedimento Experimental
Para a determinao de um modelo que represente o comportamento do sistema
proposto, foram utilizados dados de entrada e sada, utilizados e obtidos,
respectivamente, via experimento. Esta modelagem consiste de trs etapas: coleta,
tratamento dos dados e inferncia.

5.1. Coleta
Para a coleta de dados foi necessria a realizao do trabalho em dupla.
Enquanto um dos alunos acionava o sistema pneumtico no boto de iniciar, se
preocupando em manter ciclos de funcionamento contnuos, o segundo aluno era
responsvel por observar o funcionamento do mesmo e marcar o tempo em um
cronmetro.
Para realizar as etapas subsequentes de modelagem do sistema, como o
tratamento de dados, com os grficos de correlao e histogramas, coletaram-se 200
observaes do tempo de ciclo de trabalho do sistema pneumtica estudado, a fim de
obter dados representativos da populao de interesse. Esses dados foram introduzidos
em softwares computacionais, Excel para esse trabalho, que auxiliaram nos clculos
estatsticos que esto apresentados neste trabalho.

5.2. Tratamento
Com os dados em mos, o tratamento dos mesmos foi realizado. O primeiro
passo dessa etapa foi a diviso do conjunto de amostras em quartis para o clculo de
valores limites para os outliers. Esses valores, que aparecem devido a erros durante a
6

coleta ou devido a eventos atpicos, podem afetar o resultado e distorcer as estimativas,

sendo, portanto, necessria a sua eliminao.
Assim, ordenando o conjunto de observaes de forma crescente, os valores que
deixam 25%, 50% e 75% da amostra s suas esquerdas foram determinados. Esses
valores, Q1, Q2 e Q3, respectivamente, so apresentados na tabela 1. A partir dessas
informaes, a amplitude interquartil A foi calculada atravs da equao
A=Q 3Q1

(1)

E em seguida, esse valor foi utilizado para os clculos dos valores limites
inferiores e superiores, permitindo a separao de outliers moderados e extremos pelas
equaes
FM Inf =Q 11,5 A

(2)

FM =Q 11,5 A

(3)

FE Inf =Q13,0 A

(4)

FE=Q 13,0 A

(5)

Os valores dessas fronteiras esto presentes na tabela 1. A partir deles, houve

triagens nos dados experimentais, formando trs grupos de amostras que foram
trabalhados separadamente: as amostras originais, amostras sem outliers moderados e
amostras sem outliers extremos. Isso foi feito para a determinao de qual grupo o
mais representativo da populao de tempos de ciclo de trabalho do sistema estudado.
Tabela 1: Dados para o tratamento inicial das amostras.

Parmetros
Q1
Q2
Q3
A
Outlier moderado inferior
Outlier moderado superior
Outlier extremo inferior
Outlier extremo superior

Valores calculados
1,85
1,89
1,97
0,12
1,67
2,15
1,49
2,33

Feita essa separao de grupos, foram elaborados grficos de disperso das

amostras. Eles so obtidos representando os pontos (x 1, x2);(x2, x3); (xn-1, xn), onde xk
um dado da amostra que possui n elementos ordenado de forma crescente. Com tais
grficos, verificou-se o nvel de correlao dos dados obtidos, j que, caso os dados
levassem a algum tipo de curva, haveria indcios de relao entre os dados coletados, o
que no desejado.
Os grficos de disperso para os trs grupos formados so mostrados na figura 1.
Nota-se que os pontos se encontram bem dispersos, indicando que a amostra colhida
apropriada para a continuao do estudo.

12

2.50

10

2.30

8
X(n+1)

2.10

X(n+1)

1.90
1.70

2
0
0

10

15

20

1.50
1.50

25

2.00

X(n)

2.50

X(n)

(a)

(b)
2.50
2.30
2.10
X(n+1)

1.90
1.70
1.50
1.50

2.00

2.50

X(n)

(c)
Figura 1: Diagramas de disperso sem correlao das amostras para (a) amostras originais, (b)
amostras sem outliers moderados e (c) amostras sem outliers extremos.

Tabela 2: Resumo das informaes de cada grupo retirado da amostra original.

Amostra
original
Sem
outliers
moderado
s
Sem
outliers
extremos

Mdi
a

Desviopadro

Varinci
a

Mximo

Mnimo

Nmero
de
amostra
s

2,231
9

1,9984

3,9936

20,1600

1,5500

200

1,896
5

0,0960

0,0092

2,1500

1,5500

184

1,899
6

0,1111

0,0123

2,2100

1,5500

191

5.3. Inferncia
Finalizada a parte inicial do tratamento dos dados, iniciou-se o processo de
inferncia, em que h a elaborao de histogramas para identificar qual distribuio
terica de probabilidade melhor se ajusta aos dados coletados e, assim, obter o melhor
modelo que descreve o seu comportamento. Esses histogramas de amostras tiveram as
divises de classes determinadas pela regra de Sturges,
K=1+3,3log 10 N

(6)

Onde K nmero de classes a serem utilizadas e N nmero de observaes da

amostra. Definido o nmero classes, as amplitudes de cada uma so calculadas baseadas
nas amplitudes totais das amostras. Por fim, os histogramas so feitos contando a
quantidade de observaes que fazem parte de cada classe. A tabela 3 apresenta os
valores encontrados para a definio de cada classe, enquanto que as figuras 2 a 4
mostram os histogramas para cada grupo de amostra avaliado.
Tabela 3: Dados para definio das classes de valores necessrios.

Definio das classes

K1
K2
K3
8,593398986
8,466088596
8,52741
h1
h2
h3
2,165615728
0,055515601
0,077397

A anlise desses histogramas mostra que os dados sem a eliminao dos outliers
no apropriada, pois sua distribuio concentra praticamente todos os dados em uma
nica classe e no h correspondncia com nenhuma distribuio terica, sendo
9

descartada. J as amostras sem outliers moderados e se outliers extremos possuem

distribuies significativas.
As distribuies normal e lognormal parecem se adequar aos histogramas
obtidos e, assim, testes de aderncia foram aplicados para determinar os melhores
modelos para cada grupo de amostra.

Figura 2: Histograma da amostra original (classes foram omitidas por no possurem

elementos).

Figura 3: Histograma da amostra sem outliers moderados.

10

Figura 4: Histograma da amostra sem outliers extremos.

5.3.1.

Distribuio normal

A primeira hiptese avaliada a de que uma distribuio normal com as mdias

e desvios-padres das amostras obtidas seria uma boa representao da populao dos
tempos do ciclo de trabalho do sistema pneumtico estudado. Dois testes de aderncia
clssicos foram aplicados nesse trabalho: o teste Qui-quadrado ( X

) e o teste de

Kolmogorov-Smirnov.

5.3.1.1.

Teste Qui-Quadrado

Baseado no clculo dos desvios entre as frequncias acumuladas observadas em

cada classe e as frequncias tericas do modelo escolhido, esse teste avalia a
distribuio como um todo uma vez que os desvios de cada classe contribuem para a
avaliao da aderncia do modelo. Esses desvios so estimados atravs de

Ek =

( Ok T k )

(7)

Tk
Onde

Ok

o nmero observado de elementos na classe k e

Tk

o valor

terico da frequncia de elementos para a classe observada. Em seguida, realiza-se a

somatria dos valores

Ek

para todas as classes K envolvidas. A tabela 4 apresenta os

dados e resultados necessrios para essa avaliao para a amostra sem outliers
moderados e a tabela 5 apresenta para a amostra sem outliers extremos.

11

Para essas tabelas foram utilizadas a integral da funo de distribuio normal de

probabilidade avaliada de

at os valores das fronteiras de cada classe. Assim, a

diferena entre as integrais at cada extremo multiplicada pelo tamanho da amostra

obtida no experimento representa a frequncia terica da classe T k .
A distribuio normal foi padronizada usando a mdia e o desvio-padro
estimados a partir da amostra, os quais so
=1,8965

=0,0960
Para a amostra sem outliers moderados, e
=1,8996
=0,1110

Para a amostra sem outliers extremos.

Tabela 4: Dados e resultados necessrios para o teste Qui-Quadrado para a amostra sem
outliers moderados e distribuio normal.

Classes de
tempo
1,681,735516
1,7355161,791032
1,7910321,846548
1,8465481,902064
1,9020641,95758
1,957582,013096
2,0130962,068612
2,0686122,124128
2,1241282,179644
Total Geral

Frequn
cia
11
12
23
56
35
25
12
5
4
183

Funo de
distribuio
cumulativa
Fronteira
Fronteira
inferior
superior
0,012083
0,046832
98
513
0,046832
0,136037
513
044
0,136037
0,301453
044
832
0,301453
0,523066
832
448
0,523066
0,737587
448
749
0,737587
0,887626
749
369
0,887626
0,963439
369
618
0,963439
0,991109
618
593
0,991109
0,998401
593
984
-

Frequnc
ia terica
6,358981
673
16,32442
917
30,27127
212
40,55510
882
39,25739
807
27,45706
731
13,87382
465
5,063605
376
1,334507
605
-

Desvi
o

Ek

3,3871
86
1,1455
65
1,7465
87
5,8819
88
0,4617
08
0,2198
77
0,2530
82
0,0007
99
5,3239
48
18,420
74

Tabela 5: Dados e resultados necessrios para o teste Qui-Quadrado para a amostra sem
outliers extremos e distribuio normal.

12

Classes de
tempo

Frequn
cia

1,551,627397
1,6273971,704794
1,7047941,782191
1,7821911,859588
1,8595881,936985
1,9369852,014382
2,0143822,091779
2,0917792,169176
2,1691762,246573

1
6
18
38
65
37
14
7
5

Total Geral

Funo de
distribuio
cumulativa
Fronteira
Fronteira
inferior
superior
0,000822
452
0,039697
936
0,039697
0,145166
936
579
0,145166
0,359206
579
753
0,359206
0,631651
753
741
0,631651
0,849207
741
957
0,849207
0,958171
957
77
0,958171
0,992380
77
832
0,992380
0,999106
832
357

191

Frequnc
ia terica

7,425217
376
20,14451
087
40,88167
322
52,03699
267
41,55323
728
20,81208
833
6,533930
728
1,284575
311
-

Desvi
o

Ek

0,0243
51
0,2282
97
0,2031
24
3,2292
33
0,4989
26
2,2296
92
0,0332
45
10,746
26
17,193
13

Deve-se mencionar que para a tabela 5, a primeira e segunda classes foram

unificadas para que nenhuma das duas possusse menos de 5 observaes. Esse cuidado
deve ser tomado para um bom resultado do teste Qui-Quadrado.
A somatria de

Ek

foi, ento, comparada o valor

Ecritico

proveniente de

uma distribuio Qui-Quadrado com K-1-n graus de liberdade, onde n o nmero de

parmetros estimados. Para esse caso, h dois parmetros calculados a partir da amostra,
havendo grau de liberdade igual a 6.
Com esses dados e considerando nveis de confiana de 99%, 95%, 90% e 75%,
os valores

Ecritico

foram retirados da tabela de distribuio Qui-Quadrado presente na

apostila deste mdulo prtico. Assim, se E >

Ecritico , rejeita-se a hiptese de que a

amostra observada provm de uma populao com a distribuio terica adotada. As

comparaes e os resultados dos testes de aderncia so apresentados na tabela 6.

5.3.1.2.

Teste de Kolmogorov-Smirnov

13

O teste KS compara uma funo acumulada terica com uma dada funo
acumulada observada, avaliando-se a distncia absoluta mxima entre elas. O teste
representado pela seguinte equao
D=max F ( x ) S ( x )

(8)

Onde, D a distncia absoluta mxima, S(x) a funo acumulada observada e

F(x) a funo acumulada de cada modelo terico. Para o clculo de S(x), as amostras
so organizadas em ordem crescente e para cada valor de tempo x desejado, a seguinte
equao utilizada

S (x )=

nmero de eventos x
total de valores observados

(9)

O valor D obtido , ento, comparado com um valor terico ( D critico )

proveniente de uma tabela de valores crticos do teste KS, tambm presente na apostila
deste mdulo. Se o valor obtido for maior que o valor crtico, rejeita-se a hiptese de
aderncia. A figura 5 mostra a curva de probabilidade acumulativa para o caso da
distribuio normal e da amostra sem outliers moderados e a figura 6 para a amostra
sem outliers extremos.
A distncia mxima para a amostra sem outliers moderados 0,0700, enquanto
que para a amostra sem outliers extremos, ela 0,0817. Os resultados do teste de
aderncia tambm esto na tabela 6.

14

1.2
1
0.8
0.6
0.4
0.2
0
1.5 1.6 1.7 1.8 1.9

Amostras

2.1 2.2 2.3 2.4 2.5

Terico

Figura 5: Comparao entre as curvas de probabilidade terica (distribuio normal) e

experimental para a amostra sem outliers moderados.
1.2
1
0.8
0.6
0.4
0.2
0
1.5 1.6 1.7 1.8 1.9

Amostras

2.1 2.2 2.3 2.4 2.5

Terico

Figura 6: Comparao entre as curvas de probabilidade terica (distribuio normal) e

experimental para a amostra sem outliers extremos.
Tabela 6: Dados e resultados necessrios para o teste Qui-Quadrado para a amostra sem
outliers extremos.
Nveis de
confiana

0,75
0,9
0,95
0,99

Teste de aderncia QuiQuadrado

Sem
Sem
Ecritico outliers
outliers
moderad
extremos
os
7,8410
10,645
0
12,592
0
16,812
0

Teste de aderncia KS

D critico

Falso

Falso

0,0754

Falso

Falso

0,0905

Falso

Falso

0,1004

Falso

Falso

0,1203

Sem
outliers
moderad
os
Verdadeir
o
Verdadeir
o
Verdadeir
o
Verdadeir
o

D critico
0,073
8
0,088
6
0,098
3
0,117
8

Sem
outliers
extremo
s
Falso
Verdadei
ro
Verdadei
ro
Verdadei
ro

15

16

5.3.2.

Distribuio lognormal

A segunda hiptese avaliada a de que uma distribuio lognormal com as

mdias e desvios-padres das amostras obtidas corresponde populao de onde as
amostras foram retiradas. Mais uma vez os testes Qui-quadrado e o teste de
Kolmogorov-Smirnov foram aplicados para a avaliao da aderncia dos modelos. Para
esse modelo os dados das amostras tiveram que ser tratados mais uma vez para a
obteno dos valores de ln x k , devido caracterstica logartmica dessa distribuio.

5.3.2.1.

Teste Qui-Quadrado

Em um procedimento anlogo ao utilizado para a distribuio normal, os valores

das tabelas 7 e 8 foram obtidos para o clculo dos valores de desvios entre os elementos
observados e os tericos. A diferena est no fato de que a distribuio terica a
lognormal, cuja escala definida pelos valores de mdia e desvio-padro dos valores
ln x k . Para a amostra sem outliers moderados esses valores so
=0,6387

=0,0505
E para a amostra sem outliers extremos
=0,6400
=0,0584

Assim, foram determinados os valores das integrais das distribuies lognormais

e valores probabilidades de elementos estarem em cada classe (as mesmas da anlise
anterior).
Tabela 7: Dados e resultados necessrios para o teste Qui-Quadrado para a amostra sem
outliers moderados e distribuio lognormal.

Classes de
tempo
1,681,735516
1,7355161,791032
1,7910321,846548

Frequn
cia
11
12
23

Funo de
distribuio
cumulativa
Fronteira
Fronteira
inferior
superior

Frequnc
ia terica

0,008781

0,041717

6,027342

0,041717

0,13399

16,88602

0,13399

0,307348

31,72456

Desvi
o

Ek

4,1025
27
1,4137
82
2,3993
36

17

1,8465481,902064
1,9020641,95758
1,957582,013096
2,0130962,068612
2,0686122,124128
2,1241282,179644
Total Geral

56
35
25
12
5
4
183

0,307348

0,533099

41,31231

0,533099

0,743003

38,41246

0,743003

0,886144

26,19474

0,886144

0,959494

13,42322

0,959494

0,988371

5,28437

0,988371

0,997282

1,630681

5,2218
84
0,3031
55
0,0544
92
0,1508
99
0,0153
03
3,4425
34
17,103
91

Tabela 8: Dados e resultados necessrios para o teste Qui-Quadrado para a amostra sem
outliers extremos e distribuio lognormal.

Classes de
tempo
1,551,627397
1,6273971,704794
1,7047941,782191
1,7821911,859588
1,8595881,936985
1,9369852,014382
2,0143822,091779
2,0917792,169176
2,1691762,246573
Total Geral

Frequn
cia

Funo de
distribuio
cumulativa
Fronteira
Fronteira
inferior
superior

Frequnc
ia terica

Ek

0,000274

0,033982

6,438276

18

0,033982

0,143554

20,92828

38

0,143554

0,368407

42,94696

65

0,368407

0,64156

52,17204

37

0,64156

0,849422

39,70168

14

0,849422

0,953518

19,88244

0,953518

0,989347

6,843229

0,989347

0,998153

1,682052

191

5.3.2.2.

Desvi

0,0490
09
0,4097
25
0,5698
28
3,1541
12
0,1838
48
1,7403
87
0,0035
91
6,5448
48
12,655
35

Teste de Kolmogorov-Smirnov

Com o mesmo procedimento descrito anteriormente, o teste KS foi aplicado

considerando a funo acumulada de probabilidade da distribuio lognormal. Com os
dados apresentados nos grficos das figuras 7 e 8, foram encontradas as distncias

18

mximas entre as curvas experimentais e tericas. Esses valores so 0,06068 para a

amostra sem outliers moderados e 0,070613 para a amostra sem outliers extremos.

1.2
1
0.8
0.6
0.4
0.2
0
1.5 1.6 1.7 1.8 1.9

Amostras

2.1 2.2 2.3 2.4 2.5

Terico

Figura 7: Comparao entre as curvas de probabilidade terica (distribuio lognormal) e

experimental para a amostra sem outliers moderados.

1.2
1
0.8
0.6
0.4
0.2
0
1.5 1.6 1.7 1.8 1.9

Amostras

2.1 2.2 2.3 2.4 2.5

Terico

Figura 8: Comparao entre as curvas de probabilidade terica (distribuio lognormal) e

experimental para a amostra sem outliers extremos.

Tabela 9: Dados e resultados necessrios para o teste Qui-Quadrado para a amostra sem outliers
extremos.
Nveis de
confiana

0,75

Teste de aderncia Qui

Sem
Sem
Ecritico outliers
outliers
moderad
extremos
os
7,8410

Falso

Falso

Teste KS
Sem
Sem
D critico outliers
D critico outliers
moderad
extremo
os
s
Verdadeir
0,073 Verdadei
0,0754 o
8 ro

19

0,9
0,95
0,99

10,645
0
12,592
0
16,812
0

Falso

Falso

0,0905

Falso

Falso

0,1004

Falso

Verdadeiro

0,1203

Verdadeir
o
Verdadeir
o
Verdadeir
o

0,088
6
0,098
3
0,117
8

Verdadei
ro
Verdadei
ro
Verdadei
ro

20

6. Concluses
Aps a realizao do experimento descrito e das anlises necessrias para
aquisio de dados, tratamento e inferncia, concluses puderam ser tomadas sobre essa
parte do processo de modelagem de sistemas. A primeira referente importncia de
um bom planejamento e execuo da atividade de coleta de dados a fim de garantir que
as amostras tomadas sejam representativas da populao que forma as possveis
respostas do sistema estudado.
No caso desse experimento, acredita-se que a falta de tempo para a coleta possa
ter levado a resultados menos representativos do que poderiam ser. O segundo ponto a
ser abordado sobre a natureza distinta dos testes de aderncia aplicados. O teste QuiQuadrado considera a contribuio dos desvios de cada classe, enquanto que o teste KS
pontual ao verificar a maior distncia entre valores tericos e empricos para cada
classe.
Essas caractersticas podem levar ao descarte indevido de hipteses nos testes de
aderncia caso cada teste seja analisado individualmente. Assim, o resultado dos testes
levou escolha da distribuio lognormal para a representao do sistema pneumtico
usando a amostra sem outliers extremos, pois a outra possibilidade aparentemente
exclua dados significativos da amostra.

21