def inicio():
mp.limpar_terminal()
print(' By: will.i.am -> github.com/williampilger\n\n\n ')
print(" > Índices de Capacidade <")
n = int(input("Informe o número de unidades por amostra: "))
LSE = float(
input("Informe o limite superior de especificação (LSE): ").replace(
',', '.'))
LIE = float(
input("Informe o limite inferior de especificação (LIE): ").replace(
',', '.'))
Xl = float(input("Informe a média das médias (Xl): ").replace(',', '.'))
Rl = float(input("Informe a amplitude média (Rl): ").replace(',', '.'))
o = Rl / d2[n] #estimativa de desvio
Cp = (LSE - LIE) / (6 * o)
Cps = (LSE - Xl) / (3 * o)
Cpi = (Xl - LIE) / (3 * o)
Cpk = min(Cps, Cpi)
print(
"############################################ Resultados ############################################"
)
print(f"\n Cp = {Cp}")
print(f"\n Cpk = {Cpk}")
def inicio():
mp.limpar_terminal()
print(' By: will.i.am -> github.com/williampilger\n\n\n ')
#print('1 - MÉDIA ARITMÉTICA')
#print('2 - MÉDIA ARITMÉTICA PONDERADA')
#print('3 - MEDIANA')
#print('4 - MODA')
#print('5 - VARIÂNCIA')
#print('6 - DESVIO PADRÃO')
#print('7 - COEFICIENTE DE VARIAÇÃO')
#print('8 - COEFICIENTE DE ASSIMETRIA DE PEARSON')
#print('9 - ESPERANÇA (OU EXPECTÂNCIA)')
#print('10 - DESVIO PADRÃO')
#print('11 - DISTRIBUIÇÃO BINOMIAL')
#print('12 - DISTRIBUIÇÃO DE POISSON')
#print('13 - DISTRIBUIÇÃO HIPERGEOMÉTRICA')
#print('14 - DISTRIBUIÇÃO EXPONENCIAL')
#print('15 - DISTRIBUIÇÃO NORMAL')
#print('16 - INTERVALO DE CONFIANÇA PARA A MÉDIA')
#print('17 - INTERVALO DE CONFIANÇA PARA A PROPORÇÃO')
#print('18 - DIMENSIONAMENTO DA AMOSTRA PARA ESTIMAÇÃO DA MÉDIA')
#print('19 - DIMENSIONAMENTO DA AMOSTRA PARA ESTIMAÇÃO DA PROPORÇÃO')
print('20 - TESTE DE HIPÓTESES PARA UMA MÉDIA')
#print('21 - TESTE DE HIPÓTESES PARA UMA PROPORÇÃO')
print('22 - TESTE DE HIPÓTESES PARA DIFERENÇA DE PROPORÇÕES')
print('23 - TESTE DE HIPÓTESES PARA COMPARAÇÃO DE VARIÂNCIAS (ANOVA)')
print('24 - TESTE DE HIPÓTESES PARA DIFERENÇA DE MÉDIAS')
print('25 - TESTE DE HIPÓTESES PARA COMPARAÇÃO DE VARIÂNCIAS COM DOIS FATORES')
print('26 - GRÁFICO CONTROLE DE PROCESSO - POR MÉDIA E AMPLITUDE')
print('27 - GRÁFICO CONTROLE DE PROCESSO - POR ATRIBUTOS')
print('28 - ÍNDICES DE CAPACIDADE (CP E CPK)')
opcao = int(input('Informe sua opcao: '))
if(opcao == 0):
quit()
elif(opcao == 20):
import testeHipoteseMedia as st
st.inicio()
elif(opcao == 22):
import testeHipoteseDiferencaProporcoes as st
st.inicio()
elif(opcao == 23):
import testeHipoteseVariancia as st
st.inicio()
elif(opcao == 24):
import testeHipoteseDiferencaMedias as st
st.inicio()
elif(opcao == 25):
import testeHipoteseVarianciaDoisFatores as st
st.inicio()
elif(opcao == 26):
import graficoControleEstatisticoDoProcessoMediaEAmplitude as st
st.inicio()
elif(opcao == 27):
import graficoControleEstatisticoDoProcessoAtributos as st
st.inicio()
elif(opcao == 28):
import indicesDeCapacidade as st
st.inicio()
def inicio():
pesquisa = ''
dic = carrega_chaves('autotype.data')#dicionário com todas as chaves cadastradas.
p = []#array com as opções condizentes com a pesquisa
sel = -1#indice do ítem selecionado. -1 quando nenhum selecionado
repesquisa = True
while True:
mp.limpar_terminal()
print(f"\n Faça sua pesquisa: {pesquisa}\n")
if(repesquisa):
sel = -1
p = pesquisa_dict(dic, pesquisa)
repesquisa = False
if(len(p) > 0):#reprinta a lista de itens coerentes
index = 0
for item in p:
if(sel == index):
carac = '♦'
else:
carac = ' '
print(f" {carac} {item:20} - {dic[item]}")
index += 1
dig = readchar.readkey()
if(dig == '\x1b'):#esc
be.sair(1)
elif(dig == '\t' or dig == '\r'):#tab ou enter
if(sel != -1):#existe um ítem selecionado
preenche(dic[p[sel]])
be.sair(10)
else:#Nenhum ítem selecionado
if(pesquisa in dic):#se existe uma ocorrência Idêntica no dicionário
preenche(dic[p[sel]])
be.sair(10)
else:#cadastrar nova chave
mp.limpar_terminal()
print(f"Cadastrando novo valor para a chave {pesquisa}\n")
dic[pesquisa] = input("Digite o conteúdo da chave: ")
preenche(dic[pesquisa])
salva_chaves(dic, 'autotype.data')
be.sair(10)
elif(dig == '\x1b[A'):#seta pra CIMA
if(sel > 0):
sel -= 1
elif(dig == '\x1b[B'):#seta pra BAIXO
if(sel < len(p)):
sel += 1
elif(dig == '\x08'):#back space
pesquisa = pesquisa[:-1]
repesquisa = True
else:
pesquisa += dig
repesquisa = True
def detalha(dic):
mp.limpar_terminal()
print("\n DETALHES DO ITEM:")
print(f"\n Código: {dic['Codigo']}")
print(f" Data Início: {dic['Data_Inicio']}")
print(f" Data Fim: ", end='')
if (dic['Data_Fim'] == '31/12/9999'):
print("-- / -- / ----")
else:
print(f"{dic['Data_Fim']}")
print(f" Tipo (ato): {dic['Tipo_Ato']}")
print(f" Número (ato): {dic['Numero_Ato']}")
print(f" Ano (ato): {dic['Ano_Ato']}")
print(f" Descrição: {dic['Descricao']}\n\n")
os.system("pause")
def sair(code):
multiplat.limpar_terminal()
if (code == 0):
print(
"OOOps! Esta função ainda está em desenvolvimento.\n\nEstamos finalizando."
)
time.sleep(5)
elif (code == 1):
print("Você escolheu sair.")
time.sleep(1)
elif (code == 2):
print("Não encontramos o arquivo de configuração necessário.")
time.sleep(5)
elif (code == 10):
print('Finalizado normalmente.')
quit()
def sair(code):
multiplat.limpar_terminal()
if(code == 0):
print("OOOps! Esta função ainda está em desenvolvimento.\n\nEstamos finalizando.")
time.sleep(5)
elif(code == 1):
print("Você escolheu sair.")
time.sleep(1)
elif(code == 2):
print("Não encontramos o arquivo de configuração necessário.")
time.sleep(5)
elif(code == 3):
print("Alguma biblioteca necessária não está disponível.")
time.sleep(5)
elif(code == 4):
print("Algum arquivo parece estar faltando. Contate o desenvolvedor.")
time.sleep(5)
elif(code == 10):
print('Finalizado normalmente.')
quit()
def inicio():
mp.limpar_terminal()
print(' By: will.i.am -> github.com/williampilger\n\n\n ')
print(" > Gráfico de Controle Estatístico do Processo para Atributos <")
print(" > Gráfico para FRAÇÃO NÃO-CONFORME <")
n = int(input("Informe a quantidade de elementos por amostra: "))
print(
f"\n\n Digite abaixo a quantidade de itens NÃO-CONFORME de cada amostra de {n} elementos.\nDigite -1 para parar a coleta de amostras.\n"
)
amostras = [] #quantidades de não-conforme por amostra
pls = [] #proporções de não-conformidade (0 a 1)
cont = 0
while True:
val = int(input(f"Não-conformidades da amostra {cont + 1}: "))
if (val < 0):
break
amostras.append(val)
pls.append(val / n)
cont += 1
pl = sum(pls) / cont #proporção média
LSC = min(1, pl + 3 * sqrt((pl * (1 - pl)) / n)
) #pode ser no maximo 1, pois não tem como ser além de 100%
LC = pl
LIC = max(0, pl - 3 * sqrt(
(pl *
(1 - pl)) / n)) #nínimo zero, pois é impossível que seja menos de 0%
print(
"############################################ Resultados ############################################"
)
print(f"\n pl: {pl}")
print(f"\nLimites de controle para gráfico da gração de não-conforme")
print(f" LSC = {LSC}")
print(f" LC = {LC}")
print(f" LIC = {LIC}")
vet = [] #vetor com número dos grupos (identificação apenas)
vet_LSC = [] #Vetor de limites superiores
vet_LC = [] #vetor com médias
vet_LIC = [] #vetor com limites máximos
for i in range(cont):
vet.append(i + 1)
vet_LSC.append(LSC) #só repete os valores
vet_LC.append(LC)
vet_LIC.append(LIC)
falha = False
#Verificando valores
for i in range(cont): #pra cada valor do gráfico
if (pls[i] > vet_LSC[i] or pls[i] < vet_LIC[i]):
falha = True
print(
"\n############################################ Conclusões ############################################\n"
)
if (falha):
print(f"No mínimo um dos valores ultrapassou os limites calculados.")
else:
print(f"Todas as proporções estão dentro dos limites calculados.")
#PLOT Gráfico
fig, axs = pyplot.subplots() #(2, sharex=True, sharey=True)
fig.suptitle('Gráficos de X e R, respectivamente')
#print(vet, medias)
axs.plot(vet, pls)
axs.plot(vet, vet_LSC, color='k', linestyle='dashed')
axs.plot(vet, vet_LC, color='k')
axs.plot(vet, vet_LIC, color='k', linestyle='dashed')
pyplot.show() #exibe o gráfico
def inicio():
mp.limpar_terminal()
print(' By: will.i.am -> github.com/williampilger\n\n\n ')
print(
" > Gráfico baseado nas média e amplitude para Controle Estatístico do Processo <"
)
print(
"Facilitando a entrada de dados para esta aplicação, os dados das amostras devem ser preenchidos em um arquivo."
)
print(
"E para tal, cada LINHA corresponderá à uma amostra, e os valores deverão ser separados por TABS."
)
print("""Como no exemplo abaixo:
2 6 9 9 6
6 5 8 6 8
2 3 6.6 58 95.658
""")
fileName = input("Informe o nome do aquiro com os dados: ")
if (not os.path.isfile(fileName)):
print("O arquivo informado não existe!")
be.sair(2)
medias, amplitudes, ns = le_dados(fileName)
n = ns[
0] #estou adotando o número de amostras do primeiro grupo como padrão
if (n > 25):
print("Não está preparado para amostras maiores que 25")
be.sair(0)
cont = 0
sum = 0
for media in medias:
sum += media
cont += 1
X = sum / cont
cont = 0
sum = 0
for amplitude in amplitudes:
sum += amplitude
cont += 1
R = sum / cont
# Limites de controle para gráfico X
LSC_X = X + A2[n] * R
LC_X = X
LIC_X = X - A2[n] * R
# Limites de controle para gráfico R
LSC_R = D4[n] * R
LC_R = R
LIC_R = D3[n] * R
print(
"############################################ Resultados ############################################"
)
print(f"\n Médias: {medias}")
print(f" Amplitudes: {amplitudes}")
print(f" X = {X}")
print(f" R = {R}")
print(f"\nLimites de controle para gráfico das médias (X)")
print(f" A2 para n={n} : {A2[n]}")
print(f" LSC = {LSC_X}")
print(f" LC = {LC_X}")
print(f" LIC = {LIC_X}")
print(f"\nLimites de controle para gráfico das amplitudes (R)")
print(f" D4 para n={n} : {D4[n]}")
print(f" D3 para n={n} : {D3[n]}")
print(f" LSC = {LSC_R}")
print(f" LC = {LC_R}")
print(f" LIC = {LIC_R}")
vet = [] #vetor com número dos grupos (identificação apenas)
vet_LSC_X = [] #Vetor de limites superiores
vet_LC_X = [] #vetor com médias
vet_LIC_X = [] #vetor com limites máximos
for i in range(1, len(medias) + 1):
vet.append(i)
if (ns[i - 1] == n
): #se o número de amostras for igual ao padrão (quase sempre)
vet_LSC_X.append(LSC_X) #só repete os valores
vet_LC_X.append(LC_X)
vet_LIC_X.append(LIC_X)
else: #só chega aqui se o número de amostras é diferente do padrão
vet_LSC_X.append(X + A2[ns[i - 1]] * (D2[ns[i - 1]] / D2[n]) * R)
vet_LC_X.append(X) #não muda
vet_LIC_X.append(X - A2[ns[i - 1]] * (D2[ns[i - 1]] / D2[n]) * R)
vet_LSC_R = []
vet_LC_R = []
vet_LIC_R = []
for i in range(1, len(amplitudes) + 1):
if (ns[i - 1] == n
): #se o número de amostras for igual ao padrão (quase sempre)
vet_LSC_R.append(LSC_R) #só repete os valores
vet_LC_R.append(LC_R)
vet_LIC_R.append(LIC_R)
else: #só chega aqui se o número de amostras é diferente do padrão
vet_LSC_R.append(D4[ns[i - 1]] * (D2[ns[i - 1]] / D2[n]) * R)
vet_LC_R.append((D2[ns[i - 1]] / D2[n]) * R)
vet_LIC_R.append(D3[ns[i - 1]] * (D2[ns[i - 1]] / D2[n]) *
R) #Aqui falta algo
falha_media = False
falha_amplitude = False
#Verificando valores
for i in range(len(vet)): #pra cada valor do gráfico
if (medias[i] > vet_LSC_X[i] or medias[i] < vet_LIC_X[i]):
falha_media = True
if (amplitudes[i] > vet_LSC_R[i] or amplitudes[i] < vet_LIC_R[i]):
falha_amplitude = True
print(
"\n############################################ Conclusões ############################################\n"
)
if (falha_media):
print(f"Os valores das médias ultrapassaram os limites calculados.")
else:
print(f"As médias estão dentro dos limites.")
if (falha_amplitude):
print(
f"Os valores das amplitudes ultrapassaram os limites calculados.")
else:
print(f"As amplitudes estão dentro dos limites.")
if (falha_media or falha_amplitude):
print(
"portanto, precisa-se remover a(s) amostra(s) que ultrapassa(m) o padrão, e refazer o cálculo."
)
#PLOT Gráfico
fig, axs = pl.subplots(2) #(2, sharex=True, sharey=True)
fig.suptitle('Gráficos de X e R, respectivamente')
#print(vet, medias)
axs[0].plot(vet, medias)
axs[0].plot(vet, vet_LSC_X, color='k', linestyle='dashed')
axs[0].plot(vet, vet_LC_X, color='k')
axs[0].plot(vet, vet_LIC_X, color='k', linestyle='dashed')
axs[1].plot(vet, amplitudes)
axs[1].plot(vet, vet_LSC_R, color='k', linestyle='dashed')
axs[1].plot(vet, vet_LC_R, color='k')
axs[1].plot(vet, vet_LIC_R, color='k', linestyle='dashed')
pl.show() #exibe o gráfico
def inicio():
mp.limpar_terminal()
print(' By: will.i.am -> github.com/williampilger\n\n\n ')
print(" > TESTE DE HIPÓTESES PARA COMPARACAO DE VARIÂNCIAS <")
print(
"\n Para testar hipóteses relacionadas à comparação entre duas variâncias.\n"
)
print("\n DADOS AMOSTRAIS (AMOSTRA 1)")
n1 = int(input(" Tamanho da amostra (n1): "))
n1H = int(input(" Desvio Padrão (s1): "))
#PAREI AQUI
p1 = n1H / n1
print(" Proporção para amostra (p1) =", p1, " <- CALCULADO")
print("\n DADOS AMOSTRAIS (AMOSTRA 2)")
n2 = int(input(" Tamanho da amostra (n2): "))
n2H = int(
input(
" Número de elementos da amostra com a característica (n2*): "))
p2 = n2H / n2
print(" Proporção para amostra (p2) =", p2, " <- CALCULADO")
pc = (n1 * p1 + n2 * p2) / (n1 + n2)
print("\n Proporção conjunta =", pc, " <- CALCULADO")
ddp = sqrt(pc * (1 - pc) * (1 / n1 + 1 / n2))
print("\n Desvio das diferenças de proporções =", pc, " <- CALCULADO")
s = float(
input("\n Nível de significância [percentual 0.05 - 10.00] (a): "))
l = input("\n Teste Unilateral ou Bilateral? (U/B): ")
print("\n\n ## RESULTADOS ##")
print("\n ESTATÍSTICA DO TESTE")
Zc = (p1 - p2) / ddp
print(" Zc =", Zc, " <- CALCULADO")
print(
f"\n Z - Da tabela de distribuição normal, para {s}% de significancia e INFINITOS graus de liberdade:"
)
tb_t = []
with open("datatabs/distribuicao_t", "rt") as arquivo:
for linha in arquivo:
tb_t.append(linha.replace("\n", "").split("\t"))
sin = "+"
if (l == "U" or l == "u"):
l = len(tb_t) - 1
if (Zc < 0):
sin = "-"
elif (l == "B" or l == "b"):
l = 0
sin = "+-"
else:
print("ALGO DEU ERRADO. LATERALIDADE INFORMADA NÃO É VÁLIDA.")
quit()
Z = 0
i = 0
for item in tb_t[l]: #pega ultima linha da tabela
try:
item = float(item)
if (item == s):
Z = float(tb_t[len(tb_t) - 2][i])
break
except:
pass
i += 1
if (Z == 0):
print("ALGO DEU ERRADO. A SIGNIFICÂNCIA INFORMADA NÃO FOI ENCONTRADA.")
quit()
print(" Z =", sin, Z)
if (abs(Zc) < Z):
print("\n\n NÃO REJEIITA H0")
print(f"Não há evidências a {s}% de significância...")
else:
print("\n\n REJEIITA H0")
print(f"Há evidências a {s}% de significância...")
def inicio():
mp.limpar_terminal()
print(' By: will.i.am -> github.com/williampilger\n\n\n ')
print(" > TESTE DE HIPÓTESES PARA UMA MÉDIA <")
print("\n Para testar hipóteses para rejeitar uma média.\n")
N = int(
input(" Tamanho da população ( 0 se infinito ou desconhecido): "))
n = int(input(" Tamanho da amostra (n): "))
gl = n - 1 #graus de liberdade
xl = float(input(" Média Amostral (xl): ").replace(",", "."))
s = float(input(" Desvio Padrão (s): ").replace(",", "."))
u0 = float(
input(" Valor da média a ser testado (u0): ").replace(",", "."))
a = float(
input(" Nível de significância [percentual 0.05 - 10.00] (a): ").
replace(",", "."))
l = input("\n Teste Unilateral ou Bilateral? (U/B): ")
sin = "+"
if (xl < u0):
sin = "-"
if (l == "U" or l == "u"):
l = 32 #indice da última linha da tabela de distribuição t
elif (l == "B" or l == "b"):
l = 0 # indice da primeira linha da tabela de distribuição t
sin = "+-"
else:
print("ALGO DEU ERRADO. LATERALIDADE INFORMADA NÃO É VÁLIDA.")
quit()
print("\n\n ## RESULTADOS ##")
print(
f"\n t - Da tabela de distribuição t, para {a}% de significancia e {gl} graus de liberdade:"
)
tb_t = []
with open("datatabs/distribuicao_t",
"rt") as arquivo: #carregando tabela de distribuição t
for linha in arquivo:
tb_t.append(linha.replace("\n", "").split("\t"))
if (gl > 30):
gl = 30
i = 0 # ao final do loop, i contém o indice da COLUNA que conterá o valor
for item in tb_t[
l]: #pega linha certa da tabela, para procurar o percentual
try:
item = float(item)
if (item == a):
break
except:
pass
i += 1
t = 0
j = 0 #ao final do loop, j conterá o índica da LINHA que conterá o valor
for item in tb_t:
try:
item = int(item[0])
if (item == gl):
t = float(tb_t[j][i])
except:
pass
j += 1
if (t == 0):
print("ALGO DEU ERRADO. O VALOR DE T NÃO FOI ENCONTRADO NA TABELA.")
quit()
print(" t =", sin, t)
print("\n Estaística do teste:")
if (N > 0): # N conhecido e finito
ox = (s / sqrt(n)) * sqrt((N - n) / (N - 1))
else:
ox = s / sqrt(n)
tc = (xl - u0) / ox
print(" tc = ", tc)
if (abs(tc) < t):
print("\n\n NÃO REJEIITA H0")
print(f"Não há evidências a {a}% de significância de que ", end="")
else:
print("\n\n REJEIITA H0")
print(f"Há evidências a {a}% de significância de que ", end="")
if (l == 0): #bilateral
print(f"seja diferente de {u0}.")
else:
print("a média seja ", end="")
if (xl > u0):
print("maior", end="")
else:
print("menor", end="")
print(f" que {u0}.")
def inicio():
mp.limpar_terminal()
print(' By: will.i.am -> github.com/williampilger\n\n\n ')
print(" > TESTE DE HIPÓTESES PARA DIFERENÇA DE MÉDIAS <")
print(
"\n Para testar hipóteses relacionadas à comparação entre duas médias populacionais.\n"
)
print("\n DADOS AMOSTRAIS (AMOSTRA 1)")
n1 = int(input(" Tamanho da amostra (n1): "))
x1 = float(input(" Média (x1): ").replace(",", "."))
s1 = float(input(" Desvio Padrão (s1): ").replace(",", "."))
#p1 = n1H/n1
#print(" Proporção para amostra (p1) =", p1, " <- CALCULADO")
print("\n DADOS AMOSTRAIS (AMOSTRA 2)")
n2 = int(input(" Tamanho da amostra (n2): "))
x2 = float(input(" Média (x2): ").replace(",", "."))
s2 = float(input(" Desvio Padrão (s2): ").replace(",", "."))
s = float(
input("\n Nível de significância [percentual 0.05 - 10.00] (s): ").
replace(",", "."))
u0 = float(
input(
"\n Valor da diferença das médias a ser testado (costuma ser 0 ): "
).replace(",", "."))
l = input("\n Teste Unilateral ou Bilateral? (U/B): ")
sin = "+"
if (l == "U" or l == "u"):
l = 32 #indice da última linha da tabela de distribuição t
elif (l == "B" or l == "b"):
l = 0 # indice da primeira linha da tabela de distribuição t
sin = "+-"
else:
print("ALGO DEU ERRADO. LATERALIDADE INFORMADA NÃO É VÁLIDA.")
quit()
va = input("\n A variabilidade das duas amostras é igual? (S/N): ")
if (va == 'S' or va == 's'):
gl = n1 + n2 - 2 #Graus de liberdade
a = sqrt(
(((n1 - 1) * s1**2 + (n2 - 1) * s2**2) / gl) * (1 / n1 + 1 / n2))
elif (va == 'N' or va == 'n'):
v1 = s1**2 / n1
v2 = s2**2 / n2
gl = int((v1 + v2)**2 / ((v1**2 / (n1 - 1)) +
(v2**2 / (n2 - 1)))) #Graus de liberdade
a = sqrt(s1**2 / n1 + s2**2 / n2)
else:
print("ALGO DEU ERRADO. ESCOLHA INFORMADA NÃO É VÁLIDA.")
quit()
print("\n\n ## RESULTADOS ##")
print(
f"\n t - Da tabela de distribuição t, para {s}% de significancia e {gl} graus de liberdade:"
)
tb_t = []
with open("datatabs/distribuicao_t",
"rt") as arquivo: #carregando tabela de distribuição t
for linha in arquivo:
tb_t.append(linha.replace("\n", "").split("\t"))
if (gl > 30):
gl = 30
i = 0 # ao final do loop, i contém o indice da COLUNA que conterá o valor
for item in tb_t[
l]: #pega linha certa da tabela, para procurar o percentual
try:
item = float(item)
if (item == s):
break
except:
pass
i += 1
t = 0
j = 0 #ao final do loop, j conterá o índica da LINHA que conterá o valor
for item in tb_t:
try:
item = int(item[0])
if (item == gl):
t = float(tb_t[j][i])
except:
pass
j += 1
if (t == 0):
print("ALGO DEU ERRADO. O VALOR DE T NÃO FOI ENCONTRADO NA TABELA.")
quit()
print(" t =", sin, t)
print("\n Estaística do teste:")
tc = (x1 - x2 - u0) / a
print(" tc = ", tc)
if (abs(tc) < t):
print("\n\n NÃO REJEIITA H0")
print(f"Não há evidências a {s}% de significância de que ", end="")
else:
print("\n\n REJEIITA H0")
print(f"Há evidências a {s}% de significância de que ", end="")
if (l == 0): #bilateral
print("exista diferença na média das duas amostras.")
else:
print("a média da amostra ", end="")
if (x1 > x2):
print("1", end="")
else:
print("2", end="")
print(" é maior que a média da amostra ")
if (x1 > x2):
print("2", end="")
else:
print("1", end="")
print(".")
def main():
try:
import readchar
except:
mp.install_lib('readchar')
mp.restart_program()
fileName = 'ncm.data.json'
ResultPrint = 20
dic = load_ncm(fileName)
if (not dic):
print("Iniciando download dos dados de NCM")
if (download_ncm(fileName)):
print("> OK <")
mp.restart_program()
else:
pesquisa = ''
repesquisa = False
p = [] #array com as opções condizentes com a pesquisa
sel = -1 #indice do ítem selecionado. -1 quando nenhum selecionado
while True:
mp.limpar_terminal()
print("\n\n By: William Pilger")
print(
f"\n Ultima atualização dos dados de NCM: {dic['Data_Ultima_Atualizacao_NCM']}\n"
)
print(f"\n Faça sua pesquisa: {pesquisa}\n")
if (repesquisa):
sel = -1
p = pesquisa_dict(dic['Nomenclaturas'], pesquisa)
repesquisa = False
maxResultPrint = ResultPrint
if (len(p) > 0): #reprinta a lista de itens coerentes
index = 0
i = 0
for item in p:
i += 1
if (i > maxResultPrint):
break
if (sel == index):
carac = '♦'
else:
carac = ' '
print(
f" {carac} {dic['Nomenclaturas'][item]['Codigo']:10} - {dic['Nomenclaturas'][item]['Descricao'][:80]}"
)
index += 1
dig = readchar.readkey()
if (dig == '\x1b'): #esc
be.sair(1)
elif (dig == '\t' or dig == '\r'): #tab ou enter
if (sel != -1): #existe um ítem selecionado
detalha(dic['Nomenclaturas'][p[sel]])
else:
maxResultPrint += 10
elif (dig == '\x1b[A'): #seta pra CIMA
if (sel > 0):
sel -= 1
elif (dig == '\x1b[B'): #seta pra BAIXO
if (sel < len(p)):
sel += 1
elif (dig == '\x08'): #back space
pesquisa = pesquisa[:-1]
repesquisa = True
else:
pesquisa += dig
repesquisa = True
def inicio():
mp.limpar_terminal()
print(' By: will.i.am -> github.com/williampilger\n\n\n ')
print(" > TESTE DE HIPÓTESES PARA VARIÂNCIAS (ANOVA) <")
print("\n Para analizar variâncias de duas ou mais amostras da mesma população.\n")
print("Facilitando a entrada de dados para esta aplicação, os dados das amostras devem ser preenchidos em um arquivo.")
print("E para tal, cada LINHA corresponderá à uma amostra, e os valores deverão ser separados por TABS.")
print("""Como no exemplo abaixo:
2 6 9
6 5 8 6 8
2 3
""")
fileName = input("Informe o nome do aquiro com os dados: ")
if(not os.path.isfile(fileName)):
print("O arquivo informado não existe!")
be.sair(2)
significancia = float(input("Informe o PERCENTUAL de significância que deseja adotar: "))
amostras = []
medias = []
total_amostras = 0
total_soma = 0
fluxo = open(fileName, "rt")
for linha in fluxo:
linha = linha.split(sep='\t')
amostra = []
soma = 0
contagem = 0
for valor in linha:
valor = float(valor.replace(',', '.'))
contagem += 1
soma += valor
amostra.append(valor)
amostras.append(amostra)
medias.append(soma/contagem)
total_amostras += contagem
total_soma += soma
total_media = total_soma/total_amostras
k = len(amostras)
#SQT -> Soma de quadrados total
SQT = 0
for amostra in amostras:
for valor in amostra:
SQT += (valor - total_media) ** 2
#SQE -> Soma de quadrados das diferenças entre grupos
SQE = 0
for i in range(k):
SQE += len(amostras[i]) * ((medias[i] - total_media) ** 2)
#SQR -> Soma de quadrados residual (ou das diferenças entre grupos)
SQR = 0
for i in range(k):
for valor in amostras[i]:
SQR += (valor - medias[i]) ** 2
#QME -> Quadrado médio da diferença entre grupos
QME = SQE / (k - 1)
#QMR -> Quadrado médio residual (ou das diferenças dentro dos grupos)
QMR = SQR / (total_amostras - k)
fc = QME / QMR
v1 = k - 1
v2 = total_amostras - k
f = get_F(v1, v2, significancia)
mp.limpar_terminal()
print(f"+------------------+------------------+-------------------------------+-------------------------------+-------------------------------+")
print(f"|Fonte de variação | Graus de liberd. | SQ | QM | Estatística teste |")
print(f"+------------------+------------------+-------------------------------+-------------------------------+-------------------------------+")
print(f"| Entre grupos | {str(k-1).ljust(6)} | {str(SQE)[:22].ljust(22)} | {str(QME)[:22].ljust(22)} | |")
print(f"+------------------+------------------+-------------------------------+-------------------------------+ {str(fc)[:22].ljust(22)} |")
print(f"|Dentro dos grupos | {str(total_amostras-k).ljust(6)} | {str(SQR)[:22].ljust(22)} | {str(QMR)[:22].ljust(22)} | |")
print(f"+------------------+------------------+-------------------------------+-------------------------------+-------------------------------+")
print(f"| TOTAL | {str(total_amostras-k).ljust(6)} | {str(SQT)[:22].ljust(22)} | ~ | ~ |")
print(f"+------------------+------------------+-------------------------------+-------------------------------+-------------------------------+")
print("\n------------------------------------------ RESULTADOS -----------------------------------------")
print(f"Média Geral = {total_media}")
print(f"Tamanho da amostra total = {total_amostras}")
print(f"Somatória das amostras = {total_soma}")
print(f"Médias por grupo:")
i = 1
for media in medias:
print(f" Grupo {i} = {media}")
i += 1
print(f"Tamanho das amostras por grupo:")
i = 1
for amostra in amostras:
print(f" Grupo {i} = {len(amostra)}")
i += 1
print(f"k = {k}")
print(f"SQT = {SQT}")
print(f"SQE = {SQE}")
print(f"SQR = {SQR}")
print(f"QME = {QME}")
print(f"QMR = {QMR}")
print(f"F = {f} (para significancia de {significancia}%, v1 = {v1} e v2 = {v2})")
print("\n- - - - - - - - - - - - - - - - - - - ESTATISTICA DO TESTE - - - - - - - - - - - - - - - - - -")
print(f"Fc = {fc}")
print("\n- - - - - - - - - - - - - - - - - - - - - - CONCLUSÃO - - - - - - - - - - - - - - - - - - - - -")
rejeita = f<fc
print(f" Como Fc ", end='')
if(rejeita):
print(f"é", end='')
else:
print("não é", end='')
print(f" maior que F, ", end='')
if(not rejeita):
print("NÃO ", end='')
print(f"REJEITA-SE H0.")
print(f"\nPortanto, concluimos que, com {significancia}% de significancia,")
if(not rejeita):
print("não", end='')
print(f" há evidências de que haja diferença entre as médias.\n\n")
def inicio():
mp.limpar_terminal()
print(' By: will.i.am -> github.com/williampilger\n\n\n ')
print(" > TESTE DE HIPÓTESES PARA VARIÂNCIAS COM DOIS FATORES (ANOVA) <")
print(
"\n Para analizar variâncias de duas ou mais amostras da mesma população\n com base em dois fatores.\n"
)
print("\n 1 - Preciso do cálculo completo")
print(" 2 - Tenho os dados SQE1, SQE2, SQR, SQT, k e l")
opcao = int(input("Digite sua opção: "))
if (opcao == 1):
be.sair(0)
elif (opcao == 2):
mp.limpar_terminal()
SQE1 = float(input(" Informe SQE1: ").replace(",", "."))
SQE2 = float(input(" Informe SQE2: ").replace(",", "."))
SQR = float(input(" Informe SQR: ").replace(",", "."))
try:
SQT = float(input(" Informe SQT: ").replace(",", "."))
except:
SQT = SQE1 + SQE2 + SQR
k = int(input(" Informe k: "))
l = int(input(" Informe l: "))
total_amostras = k * l
else:
print("Opção inválida!")
be.sair(2)
significancia = float(
input("Informe o PERCENTUAL de significância que deseja adotar: "))
#QME -> Quadrado médio da diferença entre grupos
QME1 = SQE1 / (k - 1)
QME2 = SQE2 / (l - 1)
#QMR -> Quadrado médio residual (ou das diferenças dentro dos grupos)
QMR = SQR / ((k - 1) * (l - 1))
fc1 = QME1 / QMR
fc2 = QME2 / QMR
v1_1 = k - 1
v1_2 = l - 1
v2 = (k - 1) * (l - 1)
f1 = get_F(v1_1, v2, significancia)
f2 = get_F(v1_2, v2, significancia)
print(
f"+------------------+------------------+------------------+------------------+------------------+"
)
print(
f"|Fonte de variação | Graus de liberd. | SQ | QM | Estatística teste|"
)
print(
f"+------------------+------------------+------------------+------------------+------------------+"
)
print(
f"| Entre grupos (F1)| {str(k-1).ljust(6)} | {str(SQE1)[:9].ljust(9)} | {str(QME1)[:9].ljust(9)} | fc1 = {str(fc1)[:9].ljust(9)} |"
)
print(
f"+------------------+------------------+------------------+------------------+ +"
)
print(
f"| Entre grupos (F2)| {str(l-1).ljust(6)} | {str(SQE2)[:9].ljust(9)} | {str(QME2)[:9].ljust(9)} | fc2 = {str(fc2)[:9].ljust(9)} |"
)
print(
f"+------------------+------------------+------------------+------------------+ |"
)
print(
f"|Dentro dos grupos | {str(v2).ljust(6)} | {str(SQR)[:9].ljust(9)} | {str(QMR)[:9].ljust(9)} | |"
)
print(
f"+------------------+------------------+------------------+------------------+------------------+"
)
print(
f"| TOTAL | {str(total_amostras-1).ljust(6)} | {str(SQT)[:9].ljust(9)} | ~ | ~ |"
)
print(
f"+------------------+------------------+------------------+------------------+------------------+"
)
print(
"\n------------------------------------------ RESULTADOS -----------------------------------------"
)
print(f"QME = {QME1}")
print(f"QMR = {QMR}")
print(
f"\nF1 = {f1} (para significancia de {significancia}%, v1 = {v1_1} e v2 = {v2})"
)
print(
f"F1 = {f2} (para significancia de {significancia}%, v1 = {v1_2} e v2 = {v2})"
)
print(
"\n- - - - - - - - - - - - - - - - - - - ESTATISTICA DO TESTE - - - - - - - - - - - - - - - - - -"
)
print(f"Fc1 = {fc1}")
print(f"Fc2 = {fc2}")
print(
"\n- - - - - - - - - - - - - - - - - - - - - - CONCLUSÃO - - - - - - - - - - - - - - - - - - - - -"
)
rejeita_1 = f1 < fc1
rejeita_2 = f2 < fc2
print(f"Fator 1:\n Como Fc ", end='')
if (rejeita_1):
print(f"é", end='')
else:
print("não é", end='')
print(f" maior que F, ", end='')
if (not rejeita_1):
print("NÃO ", end='')
print(f"REJEITA-SE H0.")
print(
f"\nPortanto, concluimos que, com {significancia}% de significancia,")
if (not rejeita_1):
print("não", end='')
print(f" há evidências de que haja diferença entre as médias.\n\n")
print(f"Fator 2:\n Como Fc ", end='')
if (rejeita_2):
print(f"é", end='')
else:
print("não é", end='')
print(f" maior que F, ", end='')
if (not rejeita_2):
print("NÃO ", end='')
print(f"REJEITA-SE H0.")
print(
f"\nPortanto, concluimos que, com {significancia}% de significancia,")
if (not rejeita_2):
print("não", end='')
print(f" há evidências de que haja diferença entre as médias.\n\n")
