Apostila Estatistica - Autor CEADUFOP

ESTATSTICA APLICADA ADMINISTRAO
Jorge Luiz Brescia Murta Tays Torres Ribeiro das Chagas
Ouro Preto/MG, 2008
Copyright 2008. Todos os direitos desta edio pertencem ao Centro de Educao Aberta e a Distncia da Universidade Federal de Ouro Preto (CEAD/UFOP). Reproduo permitida desde que citada a fonte.
PRESIDENTE DA REPBLICA
Luiz Incio Lula da Silva

MINISTRO DA EDUCAO
Jaime Antnio Scheffler Sardi

COORDENAO ADMINISTRATIVA DO CEAD
COORDENAO DO CURSO DE ADMINISTRAO A DISTNCIA
Fernando Haddad Joo Luiz Martins

REITOR DA UFOP
Iracilene Carvalho Ferreira

REVISORAS
Antenor Rodrigues Barbosa Junior Jaime Antnio Scheffler Sardi Marger da Conceio Ventura Viana Tnia Rossi Garbin Glucia Maria dos Santos Jorge
COORDENAO DA UAB/UFOP VICE-DIRETORA DO CEAD DIRETOR DO CEAD
VICE-REITOR DA UFOP
Elinor de Oliveira Carvalho Maria Teresa Guimares Danilo Frana do Nascimento Alexandre Pereira de Vasconcellos
DIAGRAMAO CAPA E LAYOUT
M984e
Murta, Jorge Luiz Brescia. Estatstica aplicada administrao. / Jorge Luiz Brescia Murta, Tays Torres Ribeiro das Chagas. Ouro Preto : UFOP, 2008. 173 p.: il., grafs., tabs.
1. Administrao Mtodos estatsticos. 2. Estatstica. I. Ttulo. II. Universidade Federal de Ouro Preto. CDU: 519.2:658
Catalogao: Sisbin/UFOP
SUMRIO
Captulo 1 - Introduo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 2 - Conceitos Bsicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 - Populaes, Amostragem e Amostra. . . . . . . . . . . . . . . . . 2 - Amostragem Aleatria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 - Experimento Aleatrio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 - Atributo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 - Varivel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 - Recenseamento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 - Censo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 - O Mtodo Estatstico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A) Estudo do fenmeno Planejamento. . . . . . . . . . . . . . . . . . . . B) Coleta de dados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . C) Sumarizao do fenmeno. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D) Descrio numrica do fenmeno. . . . . . . . . . . . . . . . . . . . . . . . E) Anlise e previso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 3 - Variveis Aleatrias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 - Varivel Aleatria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 - Varivel Aleatria Discreta. . . . . . . . . . . . . . . . . . . . . . . . . . 3 - Varivel Aleatria Contnua. . . . . . . . . . . . . . . . . . . . . . . . . 4 - Variveis Aleatrias Independentes. . . . . . . . . . . . . . . . . . . Captulo 4 - Normas de Apresentao Tabular. . . . . . . . . . . . . . . . . . . . 1 - Objetivo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17 21 23 23 23 24 24 24 24 24 24 24 24 25 25 27 29 29 29 29 31 33
2 - Conceitos Bsicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 - Organizando as Informaes. . . . . . . . . . . . . . . . . . . . . . . . 4 - Modelo de Tabela. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 - SRIES / TABELAS ESTATSTICAS. . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 - Tipos de Sries Estatsticas. . . . . . . . . . . . . . . . . . . . . . . . . . . A) Srie Temporal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B) Srie Geogrfica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . C) Srie Especfica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . D) Distribuio de Freqncia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . E) Sries Compostas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 - Elementos essenciais de uma Srie. . . . . . . . . . . . . . . . . . . . . 5.3 - Elementos Complementares de uma Srie. . . . . . . . . . . . . . . 5.4 - Construo de Sries. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 5 - Grficos Tradicionais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 - Tipos de Grficos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 - Grfico de Linhas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 - Grficos de Barras/Colunas. . . . . . . . . . . . . . . . . . . . . . . . 1.3 - Estereograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 - Grfico de Setores. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 6 - Distribuio de Freqncias. . . . . . . . . . . . . . . . . . . . . . . . . 1 - Dados Brutos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 - Rol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 - Amplitude Total. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 - Nmero de Classes (STURGES). . . . . . . . . . . . . . . . . . . . . . . . . . 5 - Intervalo de Classes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33 33 34 34 34 34 35 35 35 36 36 36 36 43 45 45 47 49 50 53 55 55 55 56 56
6 - Notas sobre a Distribuio de Freqncia. . . . . . . . . . . . . . . . . 7 - Elementos de uma Distribuio de Freqncia. . . . . . . . . . . . . 7.1 - Classe/Grupo/Nvel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2 - Limites de Classe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.3 - Intervalo de Classe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.4 - Amplitude Total da Distribuio. . . . . . . . . . . . . . . . . . . . 7.5 - Ponto Mdio de uma Classe. . . . . . . . . . . . . . . . . . . . . . . 7.6 - Distribuio de Freqncia Relativa. . . . . . . . . . . . . . . . . 7.7 - Distribuio de Freqncia Acumulada. . . . . . . . . . . . . . 8 - Representao Grfica de uma Distribuio de Freqncia. . . 8.1 - Histograma de Freqncia. . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.2 - Polgono de Freqncia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.3 - Ogivas de Galton. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 7 - Medidas de Posio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 - Medidas de Tendncia Central. . . . . . . . . . . . . . . . . . . . . . . 1.1 - Mdia Aritmtica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1.1 - Mdia Aritmtica nmeros no tabulados. . . . . . . . . . . 1.1.2 - Mdia Aritmtica Ponderada. . . . . . . . . . . . . . . . . . . . . . 1.1.3 - Mdia Aritmtica nmeros tabulados. . . . . . . . . . . . . . 1.1.3.1 - Processo do Ponto Mdio. . . . . . . . . . . . . . . . . . . . . . 1.1.3.2 - Processo simplificado. . . . . . . . . . . . . . . . . . . . . . . . . 1.1.4 - Propriedades da Mdia Aritmtica. . . . . . . . . . . . . . . . . 1.1.5 - Vantagens da Mdia Aritmtica. . . . . . . . . . . . . . . . . . . 1.1.6 - Desvantagens da Mdia Aritmtica. . . . . . . . . . . . . . . . 1.2 - Mdia Tpica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57 59 59 59 59 59 59 60 60 62 62 62 64 67 69 69 69 70 71 71 72 73 77 78 78
1.3 - Mdia Atpica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 - Mdia Geomtrica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.1 - Dados isolados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.2 - Dados agrupados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5 - Mdia Harmnica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5.1 - Dados isolados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5.2 - Dados Agrupados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6 - Mediana. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6.1 - Nmeros Isolados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6.2 - Nmeros Tabulados. . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.7 - Moda, Modo ou Norma. . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.7.1 - Nmeros Isolados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.7.2 - Nmeros Tabulados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 - Medidas Separatrizes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 - Mediana. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 - Quartis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 - Decil. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4 - Percentil. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 8 - Medidas de Disperso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1- Amplitude Total. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 - Dados Isolados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 - Dados Agrupados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 - Desvio Mdio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 - Dados Isolados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 - Dados Agrupados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78 79 79 79 80 80 81 82 82 83 85 85 85 87 87 87 88 88 93 95 95 95 96 96 97
2.3 - Caractersticas do Desvio Mdio. . . . . . . . . . . . . . . . . . 3 - Variao Total. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 - Varincia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 - Dados Isolados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 - Dados Agrupados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 - Desvio Padro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 - Clculo do desvio Padro pelo Processo abreviado. . 5.2 - Propriedades do Desvio Padro / Varincia. . . . . . . . . 6 - Coeficiente de Variao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 9 - Medidas de Assimetria / Curtose. . . . . . . . . . . . . . . . . . . . 1 - Coeficiente de Assimetria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 - Distribuio Simtrica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 - Distribuies Assimtricas. . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 - Assimetria Positiva. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 - Assimetria negativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 - Medidas de Curtose. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 - Classificao da Curva. . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 - Viso Conceitual. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 - Classificao da Curtose pelo Grau Percentlico. . . . . Captulo 10 - Regresso x Correlao. . . . . . . . . . . . . . . . . . . . . . . . . . 1 - Introduo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 - Aplicaes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 - Regresso Linear Simples. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 - Mtodo dos Mnimos Quadrados. . . . . . . . . . . . . . . . . . 3.2 - Equacionamento de um Fenmeno. . . . . . . . . . . . . . . .
97 98 99 99 101 101 102 104 107 109 111 111 112 112 113 114 114 114 115 117 119 119 120 121 122
4 - Variao Total. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 - Notas Sobre A Regresso Linear Simples. . . . . . . . . . . . . . . . 5.1 - Variao Residual. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 - Fundamentos do Erro Residual. . . . . . . . . . . . . . . . . . . 5.3 - Variao Explicada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4 - Propriedades do Coeficiente Angular. . . . . . . . . . . . . . 5.5 - Propriedades do Coeficiente Linear. . . . . . . . . . . . . . . . 6 - Diagrama de Disperso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 - Correlao Linear Simples. . . . . . . . . . . . . . . . . . . . . . . 6.2 - Visual Grfico da Correlao. . . . . . . . . . . . . . . . . . . . . 6.3 - Observaes sobre os grficos da correlao. . . . . . . 7 - Conceituar Correlao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.1 - Primeiro Conceito da Correlao. . . . . . . . . . . . . . . . . . 7.2 - Segundo Conceito da Correlao. . . . . . . . . . . . . . . . . . 7.3 - Propriedades da Correlao. . . . . . . . . . . . . . . . . . . . . . 7.4 - Determinao Linear. . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 11 - Nmeros ndices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 - Introduo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 - ndices Simples. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 - ndice Relativo a Preo IRP. . . . . . . . . . . . . . . . . . . . . 2.2 - ndice Relativo a Quantidade - IRQ. . . . . . . . . . . . . . . . . 2.3 - ndice relativo a Valor - IRV. . . . . . . . . . . . . . . . . . . . . . . 2.4 - Frmula Geral - ndices Relativos. . . . . . . . . . . . . . . . . . 3 - Evoluo de um Fenmeno. . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1 - Evoluo de um Fenmeno Partindo-se de Dados Originais.
124 128 129 130 130 132 132 133 133 134 135 136 136 137 137 139 141 143 143 143 143 144 144 148 148
3.2 - Utilizando-se das Variaes de Cada poca. . . . . . . . . 3.3 - Utilizando-se da Variao mdia de uma poca. . . . . . 3.4 - Evoluo Acumulada e Clculo da Evoluo Mdia. . . 4 - Deflator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 - Evoluo Real. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 - ndices Compostos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 - ndices No Ponderados. . . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 - ndice Aritmtico Simples. . . . . . . . . . . . . . . . . . . . . . . A) ndice Aritmtico Simples Relativo a Preos. . . . . . . . . . . . . . B) ndice Aritmtico Simples Relativo a Quantidades. . . . . . . . . 5.1.2 - ndice Mdio Geomtrico Simples. . . . . . . . . . . . . . . . A) ndice Mdio Geomtrico Simples Relativo a Preo. . . . . . . . . B) ndice Aritmtico Simples Relativo a Quantidades. . . . . . . . . 5.2 - ndices Ponderados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 - ndices de Laspeyres. . . . . . . . . . . . . . . . . . . . . . . . . . . A) ndices de Laspeyres Relativo a Preos. . . . . . . . . . . . . . . . . . B) ndices de Laspeyres Relativo a Quantidades. . . . . . . . . . . . . 5.2.2 - ndices de Paasche. . . . . . . . . . . . . . . . . . . . . . . . . . . . A) ndices de Paasche Relativo a Preos. . . . . . . . . . . . . . . . . . . . B) ndices de Paasche Relativo a Quantidades. . . . . . . . . . . . . . . 6 - Propriedades dos ndeces. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 - Identidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 - Reverso do Tempo/Reversibilidade. . . . . . . . . . . . . . . 6.3 - Reverso dos Fatores/Decomposio dos Fatores/ Decomposio das Causas. . . . . . . . . . . . . . . . . . . . . . . . . . .
150 151 151 152 154 155 155 155 155 156 156 156 157 159 159 159 160 161 161 162 164 164 165 165
6.4 - Circular. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5 - Homogeneidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.6 - Proporcionalidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.7 - Erros e Restries nos Nmeros - ndices. . . . . . . . . . 7 - Mudanas de Base. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
165 165 165 166 167
APRESENTAO
Caro aluno, A Estatstica tornou-se uma ferramenta indispensvel no apoio a uma tomada de deciso, resoluo de problemas e ao planejamento de produtos e processos, por lidar com a coleta, a apresentao, a anlise e o uso de bancos de dados referentes s atividades econmicas. Exemplo: Uma atividade econmica que est desenvolvendo outros tipos de produtos para atender a uma demanda insacivel do mercado extremamente competitivo. As informaes ajudam, pois, a determinar iniciativas para novos produtos. Imagine que uma pessoa tenha a funo de avaliar o mercado. Qual o papel da Estatstica no mbito da atividade comercial? preciso analisar a carteira de produtos e servios, examinar tendncias e prever o comportamento do mercado. A Estatstica pode ser utilizada para comparar desempenhos atuais, antecipar ciclos de vida de produtos e planejar iniciativas .
preciso identificar a sensibilidade para novos produtos e desenvolv-los com base em

informaes de consumidores. A Estatstica pode estimar a atividade futura do produto com base em vendas atuais.
preciso avaliar a satisfao dos consumidores e o desempenho dos produtos. A Estatstica

pode ser utilizada para identificar problemas de aceitao de produtos e determinar nveis de satisfao ou insatisfao dos consumidores.
preciso avaliar o desempenho financeiro dos produtos com base no desempenho histrico
e no retorno do investimento. A Estatstica pode ser til para estimar a receita das atividades econmicas, tanto do setor privado quanto do setor pblico, pois sempre necessrio analisar dados quantitativos luz dos objetivos para tomar decises. Este fascculo foi produzido com o objetivo de auxili-lo nas atividades referentes Estatstica Aplicada Administrao. Sendo assim, tem a seguinte estrutura: Primeiro Captulo: apresentao e aplicaes da Estatstica. Segundo Captulo: conceitos bsicos da Estatstica.
Terceiro Captulo: conceitos e aplicaes das variveis aleatrias. Quarto Captulo: inico da abordagem das normas de apresentao tabular e sries/tabelas estatsticas. Quinto Captulo: apresentao dos grficos tradicionais. Sexto Captulo: conceito de distribuio de freqncias. Stimo Captulo: medidas de posio. Oitavo Captulo: prosseguimento da abordagem das medidas de dispero. Nono Captulo: continuao da abordagem sobre as medidas de assimetria. Dcimo Captulo: regresso e correlao. Dcimo Primeiro Captulo: nmeros ndices. Em vista dos objetivos propostos neste fascculo, desejamos que voc possa us-lo com sucesso na realizao de suas atividades profissionais. NOTA: As informaes e os dados apresentados nas tabelas e grficos, bem como os respectivos exemplos, so fictcios.
Lista de Tabelas
Tabela 1 - Registro do Movimento Turstico, Finaisde Semana, na Registro do Movimento Turstico, Finais de Semana, na Cidade de Ouro Preto, por Ms, 1. Semestre de 2007. . . . . . Tabela 2 - Vendas do Grupo Alfa, em milhes de reais, 20/02/2007. . . . . . . . . . . . . . . . . . . . . . Tabela 3 - Impostos Estaduais - Empresas fiscalizadas em 2007. . . . . . . . . . . . . . . . . . . . . . . . Tabela 4 - Formandos do Ensino Superior, no Estado de Minas Gerais, 2005. . . . . . . . . . . . . . Tabela 5 - Pessoas Premidas pela Loteria Sorte Grande 1. Semestre de 2006, no Estado da Bahia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabela 6 - Produo da Cooperativa Agrcola Boa Safra, 2006, em Mil Toneladas - Minas Gerais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabela 7 - Faturamento por Filial, nos Meses de Fevereiro e Maro de 2007 Empresa KKPP, em R$ 1.000,00. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabela 8 - Vendas por Filial e Produto da Empresa PPRR/BH, em Mil Toneladas, Maro / 2007. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabela 9 - Nmero de Hspedes, Quantidade de Dirias Recebidas, Faturamento Hotel PPTT, por Ms, no Perodo Janeiro a Junho / 2007 Ouro Preto, Valores em Reais. . . . . . . . . . . . . . . . Tabela 10 - Produo Milho no Estado E, Perodo 2000/2006. . . . . . . . . . . . . . . . . . . . . . . . . . . Tabela 11 - Produo de Arroz e Trigo, Estado X , 1994/2000, Tonelada. . . . . . . . . . . . . . . . . . Tabela 12 - Produo de Ao por Empresa, em 2006, Minas Gerais, em Mil Toneladas. . . . . . . Tabela 13 - VendasdasEmpresasA,B, CeD,emMilReais,MinasVendas das Empresas A, C e D, em Mil Reais, Minas Gerais, 2000. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabela 14 - Salrios da Construo Civil Pesada, Fevereiro, 2006, Belo Horizonte, em Real. . . Tabela 15 - Salrios Funcionrios, em Real, Empresa TTYYG, Maro/2007, Ouro Preto /MG. . Tabela 16 - Vendas por Filial, Empresa XXTT , Julho/2007, Belo Horizonte, em Milhes de Reais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabela 17 - Vendas das 60 Filiais da Empresa KLPT, Maio/2007, em Milhes de Reais. . . . . . . Tabela 18 - Durao Amostra de Lmpadas, em Horas, Fabricante HH Agosto 2007 Ouro Preto / MG. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabela 19 - Exportaes, Empresa MMGG, 1. Trimestre / 2007. BH / MG. . . . . . . . . . . . . . . . . Tabela 20 - Vendas, Milhes de reais, Empresa HHFF, 1. Trimestre / 2007, Porto Alegre / RS. ............................................................................ Tabela 21 - Vendas Dirias Realizadas pela Empresa PPXX 1.O Trimestre / 2007, BH, em Mil Reais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34 35 35 35 37 38 39 40 41 46 47 50 51 58 61 71 72 80 84 86 90
Tabela 22 - Exportaes Realizadas pela Empresa KKI, Maro / 2.001, em Mil Dlares. . . . . . . Tabela 23 - Exportaes da Empresa HPP, Julho / 2.007, em Mil Reais. . . . . . . . . . . . . . . . . . . Tabela 24 - Faturamento da Empresa BBHHZ, Agosto/2007, Belo Horizonte, Milhes de Reais. . Tabela 25 - Gastos e Faturamento de Quatro Fabricas em Janeiro de 2007. . . . . . . . . . . . . . . . . Tabela 26 - Preos e Quantidades Faturadas KKLP 2005/2007. . . . . . . . . . . . . . . . . . . . . . . . . . . Tabela 27 - Vendas dos produtos A, B, C e D em junho e julho de 2007. . . . . . . . . . . . . . . . . . . Tabela 28 - Produo de Carne Bovina - Empresa KKPL, 2000/2007 - MIL. TON. . . . . . . . . . . . .
96 97 103 122 158 163 167
Figura
Figura 1 - Grficos de Correlao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
135
Lista de Grficos
Grfico 1 - Produo de Milho, Estado E, 2000/2006, Tonelada. . . . . . . . . . . . . . . . . . . . . . . . . Grfico 2 - Produo de Arroz e Trigo, Estado X, 1994/2000, em Produo de Arroz e Trigo, Estado X, em Toneladas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grfico 3 - Vendas das Filiaisda Empresa KKI, Agosto 2000, Minas Vendas das Filiais da Empresa KKI, Agosto 2000, Minas Gerais, em Milhes de Reais. . . . . . . . . . . . . . . . . . . . . . . . Grfico 4 - Vendas das Filiais da Empresa GTK, Agosto 2000, Minas Vendas das Filiais da Empresa GTK, Agosto 2000, Minas Gerais, em Milhes de Reais. . . . . . . . . . . . . . . . . . . . . . . . Grfico 5 - Produo Arroz, Feijo, Trigo e Soja Estado X 2006/2007 Mil Produo Arroz, Trigo e Soja Estado X 2006/2007 Mil Toneladas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grfico 6 - Produo de Ao por Empresa, em 2006, Minas Gerais, em mil toneladas. . . . . . . . Grfico 7 - Vendas das Empresas A, B, C e D, em Mil Reais, Minas Vendas das Empresas A, C e D, em Mil Reais, Minas Gerais, 2000. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grfico 8 - Salrios dos Funcionrios, em Real, Empresa TTYYG, Maro / 2006 , Ouro Preto/ MG. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grfico 9 - Salrios dos Funcionrios, em Real, Empresa Souza, Maro / 2001, Belo Horizonte/ MG. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grfico 10 - Salrios dos Funcionrios da Empresa TTYYG, em Real, Ouro Preto/MG, Maro/ 2007. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grfico 11 - Curva Normal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grfico 12 - Assimetria Positiva. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grfico 13 - Assimetria Negativa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grfico 14 - Grfico de Disperso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46 47 48 48 49 50 51 63 64 65 107 113 114 133
Captulo 1
Introduo
Estatstica o estudo da coleta e do processamento de dados para facilitar a tomada de decises. Constitui uma parte da Matemtica Aplicada e tem, pois, por objetivo obter concluses sobre um conjunto de dados. Pode-se dividir o processo do uso da Estatstica em trs fases: A - Coleta de dados ou amostragem: obtida com a elaborao de uma pesquisa. A amostra um subconjunto, isto , uma parte da totalidade abrangida pela populao. E a populao consiste na totalidade das observaes coletadas. Portanto a amostra um conjunto de observaes selecionadas a respeito de uma populao. B - Anlise Descritiva: Preocupa-se com a organizao e a descrio dos dados, sem fazer generalizaes ou tirar concluses para o conjunto de que foram retirados. C - Anlise Inferencial: Trata da anlise e interpretao dos dados. Consegue, assim, prever o comportamento da populao com base nos resultados da amostra, isto , como o desempenho se altera proporo que as variveis-chave so modificadas.
Estatstica Aplicada Administrao Introduo

Pgina 19
Captulo 2
Conceitos Bsicos
1 - Populao, Amostragem e Amostra Populao o conjunto universo dos dados sobre os quais se deseja tirar concluses. Amostra um subconjunto da populao. Amostragem uma ferramenta que permite analisar um subconjunto da populao e dar informaes sobre os fatos relativos a ele, com a inteno de inferir o comportamento da populao. Portanto se justifica trabalhar com amostras pelos motivos apresentados. Custo: Despesas com a operacionalizao estatstica da populao so geralmente maiores que com a averiguao de uma amostra. Velocidade: Pesquisas realizadas em amostras so mais rpidas em virtude de conter menor nmero de unidades. Praticabilidade: A dimenso da populao pode tornar as pesquisas impraticveis. Mas existe a desvantagem de trabalhar com pequenos conjuntos porque uma mostra pode conduzir a no se ter certeza da validade das estimativas, anlises e concluses. 2 - Amostragem Aleatria Visa a selecionar os integrantes de uma amostra de tal forma que todos os elementos de uma populao tenham a mesma probabilidade de ser includos na amostra. 3 - Experimento Aleatrio aquele cujos resultados no so sempre os mesmos, apesar de se repetirem, vrias vezes, em condies semelhantes. aquele que apresenta resultados imprevisveis. O lanamento de moedas e dados bem como os sorteios e extraes lotricas so fenmenos aleatrios. O experimento apresenta vrios resultados no sendo possvel afirmar qual a determinao antes que ele tenha sido realizado. Antes do lanamento de um dado, por exemplo, no se pode dizer o resultado, mas se podem enumerar os resultados possveis. A possibilidade de repetio contnua, mantidas as condies iniciais, uma caracterstica importante de experimentos aleatrios. 4 - Atributo tudo aquilo que se diz ou prprio de um ser, podendo ser qualitativo ou quantitativo. Uma varivel um atributo. Estatstica Aplicada Administrao Conceitos Bsicos
Pgina 23
Estatstica Aplicada Administrao Conceitos Bsicos

Pgina 24
Qualitativo: um atributo no-mensurvel. Exemplo: cor, beleza, sexo, nacionalidade. Quantitativo: um atributo mensurvel. Exemplo: peso, altura, salrio, tempo. 5 - Varivel o conjunto de todos os resultados possveis de um atributo/fenmeno. A varivel pode ser qualitativa ou quantitativa. 6 - Recenseamento o levantamento estatstico com o objetivo de promover o conhecimento da totalidade da populao, tanto em relao s suas caractersticas individuais, como em relao s suas atividades e produo, e se refere sempre a uma ocasio determinada. 7 - Censo o resultado do recenseamento. o resultado das variveis investigadas, relativas aos elementos que compem uma populao claramente definida. 8 - O Mtodo Estatstico Rene as tcnicas bsicas de observao dos fenmenos coletivos bem como a quantificao e a qualificao de suas caractersticas. Determina como coletar dados numricos, sintetiz-los e exprimi-los de maneira simples, porm clara, assim tambm como descrever e interpretar os acontecimentos, fazendo previses e concluses. Compreende: A - Estudo do fenmeno Planejamento a fase do diagnstico, da identificao das variveis componentes da pesquisa. O que fazer? Quais as caractersticas do fenmeno que interessam pesquisa? B - Coleta de dados a fase operacional da pesquisa. a busca das informaes necessrias pesquisa. o levantamento das informaes necessrias pesquisa. C - Sumarizao do fenmeno a organizao das informaes coletadas e da apresentao do fenmeno em estudo, por tabelas e grficos. a apresentao sinttica e expositora do problema levantado, com suas variveis, pontos crticos, tendncias e flutuaes.
As tabelas organizam as informaes coletadas e apresentam, de maneira sinttica, o fato estudado e os grficos do uma viso do problema e de suas tendncias. D - Descrio numrica do fenmeno a realizao de clculos que do o suporte necessrio para a interpretao dos dados, anlise, concluses e previses. E - Anlise e previso Visa a definir o perfil do problema estudado, suas variaes e tendncias futuras. A anlise descritiva e numrica indica os pontos crticos e as flutuaes do fato observado, as concluses parciais e finais do problema bem como as previses, tendncias e perspectivas. Portanto so fatores fundamentais que do o suporte necessrio para uma tomada de deciso.
Estatstica Aplicada Administrao Conceitos Bsicos

Pgina 25
Captulo 3
Variveis Aleatrias
1 - Varivel aleatria um conjunto de todos os resultados possveis de um fenmeno aleatrio. Portanto pode assumir uma gama de valores. Classificase em discreta e contnua. 2 - Varivel Aleatria Discreta aquela que obtida mediante alguma forma de contagem. Normalmente seu valor expresso com nmero inteiro no-negativo. Exemplos: A produo diria de uma fbrica de carros teoricamente um nmero inteiro. O nmero de funcionrios de uma empresa s pode ser inteiro. O mesmo acontece com o nmero de filhos de um casal e com o resultado de um sorteio. Portanto a varivel discreta assume determinado valor dentro de um intervalo e tem um nmero finito de valores. 3 - Varivel Aleatria Contnua aquela que assume qualquer valor numa escala (peso, altura, velocidade, tempo, etc) e resulta freqentemente de uma medio, sendo usada, pois, em alguma forma de medida. E geralmente o valor aproximado. Considera-se que a varivel aleatria contnua pode tomar qualquer valor real em um dado intervalo, sendo caracterizada por uma funo de densidade tal que a rea sob a curva respectiva entre dois nmeros representa a probabilidade de estar entre eles a varivel aleatria. 4 - Variveis Aleatrias Independentes So aquelas que no se afetam mutuamente, ou para as quais o conhecimento do valor de uma no d qualquer informao sobre o valor da outra. Exemplo 1 Se numa sala houver homens e mulheres, a retirada de um homem no afeta o conjunto das mulheres. Logo as variveis homens e mulheres so independentes. Exemplo 2 Numa caixa h 7 bolas brancas e 4 pretas. Retirar duas bolas, com reposio, no altera o espao amostral ou conjunto. Logo retirar uma bola e em seguida uma outra, mas com reposio, define eventos independentes.
Estatstica Aplicada Administrao Variveis Aleatrias

Pgina 29
Captulo 4
Normas de Apresentao Tabular
1 - Objetivo As normas de apresentao tabular fornecem elementos que asseguram a padronizao e a racionalizao da apresentao de dados numricos em tabelas. Fixam conceitos e procedimentos aplicveis elaborao de tabelas de dados numricos, de modo a garantir a clareza das informaes. 2 - Conceitos Bsicos A tabela uma forma no-discursiva de apresentar informaes das quais o dado numrico se destaca como informao central. Em uma tabela se destacam estas partes: Topo - o espao superior, destinado ao nmero e ao ttulo. Centro - o espao central, destinado moldura dos dados numricos e aos termos necessrios compreenso. No centro identificam-se 4 espaos menores: do cabealho, da coluna, da linha e da clula. Rodap - o espao inferior, destinado fonte, nota geral e nota especfica. 3 - Organizao das Informaes Na quase totalidade, o conjunto de valores coletados extenso e desorganizado. Portanto o exame requer ateno. Organizando os valores em tabelas compactas, consegue-se apresentar e descrever a varivel com mais eficincia. A organizao dos valores em sries ou tabelas permite, portanto, a utilizao da representao grfica, normalmente uma forma mais til e adequada de apresentar a varivel analisada.
Estatstica Aplicada Administrao Normas de Apresentao Tabular

Pgina 33

Pgina 34
4 - Modelo de Tabela Na tabela apresentada a seguir, registra-se o nmero de turistas que visitaram a cidade de Ouro Preto, nos finais de semana, em cada ms, no perodo de janeiro a junho de 2007. Tabela 1 - Registro do Movimento Turstico, Finais de Semana, na Cidade de Ouro Preto , por Ms, 1. Semestre de 2007. Ms N. de Turistas Janeiro 260.000 Fevereiro 290.000 Maro 212.000 Abril 180.000 Maio 150.000 Junho 120.000 TOTAL 1.212.000 Fonte: Secretaria de Turismo Participao % 21,45% 23,93% 17,49% 14,85% 12,38% 9,90% 100,00%
5 - Sries / Tabelas Estatsticas As sries e as tabelas estatsticas so classificadas em funo de 3 caracteristicas: poca: varivel temporal, histrica ou cronolgica a que se refere o fenmeno. Local: varivel espacial ou geogrfica em que o fenmeno ocorreu ou ocorre. Fenmeno: varivel espcie do fato ou fato especfico que descreve o fenmeno. 5.1 - Tipos de Sries Estatsticas A) Srie Temporal Tambm chamada de cronolgica, histrica, evolutiva ou em marcha, identificada pela varivel cronolgica e pelos fatores fixos geogrfico e especfico.
Tabela 2 - Vendas do Grupo Alfa, em milhes de reais, 20/02/2007 Ano 2002 2003 2004 2005 2006 2007 Fonte: Departamento de Vendas Vendas 2,18 2,45 2,59 1,82 2,13 2,96 Estatstica Aplicada Administrao Normas de Apresentao Tabular
Pgina 35
B) Srie Geogrfica Tambm chamada de territorial, espacial ou de localizao, apresenta como elemento varivel o espao, a localizao, e como fatores fixos o tempo e a espcie. Tabela 3 - Impostos Estaduais - Empresas fiscalizadas em 2007 Regio Norte Nordeste Sudeste Centro-Oeste Sul Fonte: Secretaria Estadual da Fazenda Empresas fiscalizadas 6.700 9.872 13.139 14.255 22.007
C) Srie Especfica Tambm chamada de categrica ou especificativa, apresenta como varivel a espcie do fenmeno, permanecendo fixos os fatores temporal e geogrfico. Tabela 4 - Formandos do Ensino Superior, no Estado de Minas Gerais, 2005 rea Biolgicas Exatas Humanas Fonte: Ministrio da Educao - MEC Formandos 15.758 44.573 88.652
D) Distribuio de Freqncia o arranjo tabular de um conjunto numrico em grupos, classes, intervalos

Pgina 36
ou nveis com o nmero de observaes de cada classe. Na distribuio de freqncia, os fatores temporal, especfico e geogrfico permanecem fixos, constantes. E) Srie Composta usada quando o fenmeno apresenta mais de uma varivel. A srie composta pode apresentar combinao 2 a 2 ou 3 a 3, resultando uma srie de dupla entrada (temporal / especfica; geogrfica / especfica; temporal / geogrfica; temporal / temporal; geogrfica / geogrfica) ou de tripla entrada (geogrfica / especfica / temporal; temporal / temporal / especfica, etc.). 5.2 - Elementos Essenciais de uma Srie Ttulo - a indicao que precede a tabela e contm a designao do fato observado, o local e a poca em que foi registrado. Responde s trs perguntas: O qu? Onde? Quando? Cabealho - Especifica o contedo de cada coluna. o ttulo de cada coluna. Corpo / moldura - Contm informaes sobre o fato observado. o conjunto de linhas e colunas. Coluna Indicadora - a primeira coluna de uma srie. Nela se registram as categorias da varivel em estudo, exprimindo o contedo das linhas. Dado Numrico - a quantificao de um fato observado. 5.3 - Elementos Complementares de uma Srie Fonte - Indica o responsvel pela elaborao ou fornecimento dos dados, sendo registrada logo abaixo da tabela, esquerda, isto , no rodap da tabela. Nota Geral - Rene informaes de natureza geral. Destina-se a conceituar ou esclarecer o contedo das tabelas, ou a indicar a metodologia adotada no levantamento ou na elaborao dos dados. Nota Especfica - Rene informaes de natureza especfica sobre determinada parte da tabela, destinadas a conceituar ou esclarecer os dados. Chamada - um smbolo remissivo atribudo a algum elemento de uma tabela que necessita de uma nota. 5.4 - Construo de Sries Na coluna indicadora colocam-se as categorias da varivel. Caso a varivel tenha duas divises, a de maior categoria registrada na coluna indicadora, de preferncia, e a outra no cabealho. A linha bsica, logo abaixo do ttulo, deve ser dupla ou em negrito.
A fonte registrada logo abaixo da tabela, esquerda. As tabelas so abertas lateralmente. A ltima linha da tabela deve ser dupla ou em negrito. Exemplo 3 Na tabela 5, a seguir, est registrado o nmero de pessoas que foram premiadas pela loteria KKPP, por ms, no 1. Semestre de 2006, no Estado da Bahia. Tabela 5 - Pessoas Premidas pela Loteria Sorte Grande 1. Semestre de 2006, no Estado da Bahia Ms Janeiro Fevereiro Maro Abril Maio Junho Total Fonte: Receita Federal Pessoas Premiadas 40 50 64 76 90 120 420

Pgina 37
Pessoas premiadas, por ms, como registra a tabela, definem uma srie histrica. Portanto a srie histrica ou temporal quando a varivel for o tempo. A espcie do fenmeno (pessoas premiadas) fixa. O local onde ocorreu o fenmeno fixo: Estado da Bahia. Logo a srie temporal ou histrica. Se houvesse uma srie retratando os ganhadores e apostadores, ela seria escfica, alm de ser temporal. Por outro lado, se os ganhadores estivessem em Ouro Preto e em Mariana, a srie seria tambm geogrfica. Observa-se que a classificao desta srie est ligada s variveis espcie, tempo e espao

Pgina 38
Exemplo 4 Apresenta-se, a seguir, na Tabela 6, a produo de soja, arroz, acar, feijo e trigo da Cooperativa Agrcola Boa Safra, em 2006, em mil toneladas, e a participao de cada produto. Tabela 6 - Produo da Cooperativa Agrcola Boa Safra , 2006, em Mil Toneladas - Minas Gerais Produto Produo Soja 60 Arroz 90 Acar 120 Feijo 160 Trigo 210 Total 660 Fonte: Secretaria Estadual de Agricultura Participao % 9,09% 13,64% 18,18% 27.27% 31,82% 100%
A produo agrcola da Cooperativa Boa Safra, em 2006, por produto, define uma srie especfica ou categrica. Isso porque a varivel a espcie do fenmeno, permanecendo fixos o espao e o tempo. O espao/local a Cooperativa Agrcola Boa Safra, em Minas Gerais, e o tempo, tambm fixo, 2006. Na coluna 3 apresenta-se a participao percentual de cada produto na produo anual da Cooperativa e verifica-se que a produo de trigo corresponde a 31,82% do total. A produo de acar foi o dobro do produo de soja. A produo de feijo, alm de ser o dobro da produo de arroz, foi 50% maior do que a produo de acar. Dessa produo, 59,09% corresponderam a feijo e trigo. A produo de soja e a de arroz participaram com 22,73% da produo.
Exemplo 5 Apresenta-se, a seguir, na Tabela 7, o faturamento, por filial, da empresa KKPP, nos meses de fevereiro e maro de 2007. Tabela 7 - Faturamento por Filial, nos Meses de Fevereiro e Maro de 2007 Empresa KKPP, em R$ 1.000,00 Filial Cataguases Lagoa Santa Ub Barbacena Uberlndia Santos Dumond TOTAL 450 Fonte: Departamento de Vendas Fevereiro 40 50 60 80 100 120 Vendas Maro 50 70 100 100 120 130 570

Pgina 39
Total 90 120 160 180 220 250 1020
O faturamento da empresa KKPP por filial, nos meses de fevereiro e maro de 2007, segundo a tabela apresentada, define uma srie geogrfica e temporal. A localizao das filiais d idia de espao e a variao do tempo, fevereiro e maro, de evoluo. A espcie do fenmeno vendas da empresa fixa. Pela tabela, percebe-se que 41,12% das vendas, no bimestre, ocorreram em fevereiro e 55,88% em maro ( 570/1020 )100 = 55,81 %. A filial de Cataguases alcanou o menor ndice de participao no faturamento da empresa, no bimestre, registrando apenas 8,82%. A filial de Santos Dumond participou com 24,51% desse faturamento. As filiais de Uberlndia e Barbacena participaram, no bimestre em estudo, com 39,22% desse faturamento.

Pgina 40
Exemplo 6 A Tabela 8, a seguir, mostra as vendas da empresa PPRR, por produto e por filial, em maro de 2007, em Belo Horizonte. Tabela 8 - Vendas por Filial e Produto da Empresa PPRR/BH, em Mil Toneladas, Maro / 2007 FIilial da Empresa 01 02 A 40 50 B 50 60 C 100 60 D 120 70 E 190 100 TOTAL 500 340 Fonte: Departamento de Vendas Produto TOTAL 03 60 70 30 40 60 260 150 180 190 230 350 110
As vendas da empresa PPRR, por produto, definem a espcie do fenmeno e, por filial, a localizao dos fatos. O tempo (maro de 2007) permanece fixo. Logo a srie especfica e geogrfica. No ms citado, a filial 01 participou com 45,46% das vendas da empresa PPRR, enquanto as filiais 02 e 03 participaram, respectivamente, com 30,91% e 23,64% do faturamento. O produto E foi o que teve o maior faturamento, com 31,82% do total. O produto A teve o menor faturamento na filial 01. O produto B apresentou boas vendas na filial 03, em comparao com as vendas nas outras filiais. Os produtos D e E participaram com 52,73% das vendas da empresa, mas os produtos A e B apenas com 30% do faturamento.
Exemplo 7 Na Tabela 9, a seguir, est registrado o nmero de hspedes e a quantidade de diriasrecebidasporms,noperodo dejaneiroajunho de 2007,Hotel PPTT, Ouro Preto. Tabela 9 - Nmero de Hspedes, Quantidade de Dirias Recebidas, Faturamento Hotel PPTT, por Ms, no Perodo Janeiro a Junho / 2007 Ouro Preto, Valores em Reais N. Qtde. Hspedes Dirias Janeiro 3.000 30.000 Fevereiro 3.400 36.000 Maro 1.900 29.000 Abril 1.600 26.000 Maio 1.400 24.000 Junho 1.200 20.000 TOTAL 12.500 165.000 Fonte: Departamento de Vendas Ms Valor Diria 80,00 100,00 80,00 70,00 70,00 70,00 Faturamento 2.400.000,00 3.600.000,00 2.320.000,00 1.820.000,00 1.680.000,00 1.400.000,00 13.220.000,00

Pgina 41
A Tabela 9 define uma srie temporal e especfica. So apresentadas variveis especficas: nmero de hspedes, quantidade de dirias, valor da diria e faturamento do Hotel. uma srie temporal e especfica. Pode-se observar que o primeiro trimestre participa com 62,94% do faturamento semestral e o segundo trimestre com 37,06%. O ms de fevereiro tem a maior participao no faturamento trimestral, 43,27% . No segundo trimestre o ms de abril o dominante, ficando o ms de junho com a menor parcela do faturamento do segundo trimestre e tambm do primeiro semestre.
Captulo 5
Grficos Tradicionais
O grfico uma forma de apresentao dos dados coletados com o objetivo de ter viso rpida do fenmeno em estudo. a forma mais simples de comunicao dos fenmenos estatsticos. Deve ser confeccionado de maneira simples e clara, de tal forma que o observador entenda o que o grfico busca evidenciar. Portanto deve atrair a ateno do observador, apresentar com rapidez e com simplicidade a mensagem, ser inteligvel e inspirar confiana. Para a construo de um grfico, recomenda-se proporcionalidade no sistema de coordenadas, de tal forma que o eixo dos Y seja aproximadamente de 2/3 a 3/4 do eixo dos X. O ttulo o mesmo da srie que o grfico representa. 1 - Tipos de Grfico 1.1 - Grfico de Linha Visa a relacionar, no plano cartesiano, a varivel tempo no eixo das abcissas e as observaes relativas s categorias no eixo das ordenadas, criandose um conjunto de pares ordenados (x, y) que so registrados no plano interligados por uma linha contnua.O grfico de linha fornece uma viso da tendncia do comportamento de um fenmeno, em cada poca de um perodo considerado. Se a varivel temporal tiver mais de uma subcategoria, haver uma linha para representar o fenmeno relativo quela subcategoria, tornando necessria a criao da legenda, para identificao das linhas. A legenda deve ser colocada na parte inferior, direita do grfico.
Estatstica Aplicada Administrao Grfico Tradicional

Pgina 45

Pgina 46
Exemplo 8 A produo de milho, no perodo 2000/2006, no Estado E. Tabela 10 - Produo Milho no Estado E, Perodo 2000/2006 Perodo 2000 2001 2002 2003 2004 2005 2006 Fonte: Secretaria da Agricultura Tonelada 10 15 8 12 20 15 25
Registra-se, no eixo dos x, a varivel tempo e, no eixo dos y, os valores da varivel. As variveis tempo e valor so marcadas no plano por sete pares ordenados, cujos pontos esto registrados no grfico a seguir. Grfico 1 - Produo de Milho, Estado E, 2000/2006, Tonelada
Fonte: Secretaria da Agricultura Exemplo 9 Na Tabela 11, a seguir, est representada uma srie temporal e especfica. Registra-se, no eixo dos x, o tempo e, no eixo dos y, o maior valor entre as variveis arroz e trigo. Traa-se uma linha para simbolizar a tendncia do arroz e outra para a do trigo. H necessidade de legenda.
Tabela 11 - Produo de Arroz e Trigo, Estado X , 1994/2000, Tonelada Perodo Arroz 1994 10 1995 20 1996 5 1997 15 1998 20 1999 28 2000 23 Fonte: Secretaria da Agricultura Produo Trigo 15 10 12 20 25 32 20 Estatstica Aplicada Administrao Grfico Tradicional
Pgina 47
Grfico 2 - Produo de Arroz e Trigo, Estado X, 1994/2000, em Toneladas
Fonte: Secretaria da Agricultura
1.2 - Grfico de Barras/Colunas Deve ser construdo com bases fixadas no eixo dos x e barras fixadas no eixo dos y. Como regra bsica, considera-se o espao entre as barras/colunas igual metade ou a dois teros das larguras. O grfico de colunas um conjunto de retngulos dispostos verticalmente,

Pgina 48
com intervalos regulares no-nulos, tendo como base o eixo dos X e a altura de cada coluna proporcional aos valores da varivel, sendo registrada no eixo dos Y. Observa-se que o grfico de colunas um conjunto de colunas verticais separadas por intervalos regulares. Pode-se utilizar o aplicativo Excel para construir o grfico de linhas e o de barras/colunas. Grfico 3 - Vendas das Filiais da Empresa KKI, Agosto 2000, Minas Gerais, em Milhes de Reais
O grfico de barras um conjunto de retngulos dispostos horizontalmente, com intervalos regulares e no-nulos, tendo o eixo dos Y como base e o comprimento de cada barra proporcional aos valores de cada categoria do fenmeno. Todas as colunas/barras devem ter a mesma largura. Grfico 4 - Vendas das Filiais da Empresa GTK, Agosto 2000, Minas Gerais, em Milhes de Reais
No caso de um fenmeno ser dividido em categorias e subcategorias, h tantas colunas/barras quantas forem as subcategorias, justapostas ou sobrepostas, formando grupos que representam as categorias da varivel. Este tipo de grfico empregado quando se deseja representar, simultaneamente, dois ou mais fenmenos, com o objetivo de comparao. Grfico 5 - Produo Arroz, Feijo, Trigo e Soja Estado X 2006/2007 Mil Toneladas

Pgina 49
Analisando o grfico construdo, percebe-se o aumento da produo de arroz, feijo, trigo e soja, em 2007, em relao a 2006 . Por outro lado, a produo de feijo superou a dos outros trs alimentos, nos dois perodos estudados. 1.3 Estereograma a representao grfica dos fenmenos por figuras de volume. Exemplo 10 A produo de ao das empresas A, B, C e D, em 1999, em Minas Gerais, por exemplo, pode ser representada por uma figura de volume construda com base nas informaes dos grficos de colunas.

Pgina 50
Tabela 12 - Produo de Ao por Empresa, em 2006, Minas Gerais, em Mil Toneladas Empresa A B C D TOTAL Fonte: Ministrio de Minas e Energia Produo 10 15 20 25 70
Grfico 6 - Produo de Ao por Empresa, em 2006, Minas Gerais, em mil toneladas
Fonte: Ministrio de Minas e Energia
1.4 - Grfico de Setores Mostra a proporo de partes em um todo representado por um crculo. Para isso, os 360 graus do crculo so divididos pelas categorias de variveis, proporcionalmente s freqncias observadas. Mas o uso restrito ao caso de variveis divididas em poucas categorias. Cada categoria corresponde a uma diviso de setor do crculo e, por uma regra de trs, calculam-se os graus correspondentes a cada categoria.
Exemplo 11 Tabela 13 - Vendas das Empresas A, B, C e D, em Mil Reais, Minas Gerais, 2000 Empresa A B C D Total Vendas 40 120 200 360 720

Pgina 51
Fonte: Receita Estadual
Grfico 7 - Vendas das Empresas A, B, C e D, em Mil Reais, Minas Gerais, 2000
O grfico de setores fornece a proporo das partes. Assim, verifica-se a preponderncia da cidade D, nas vendas. A diviso proporcional das partes feita da seguinte forma: o total das vendas corresponde a 360 graus, como as vendas da cidade A esto para x. Nesta regra de trs, encontra-se o valor de x, em graus. Com auxilio de um transferidor, marcam-se 20 graus para a cidade A. E assim por diante, repetindo o clculo para todas as cidades. No interior do crculo marcam-se as categorias da varivel. No caso, os nomes das cidades, com os respectivos valores.
Captulo 6
Distribuio de Freqncias
Pode-se definir a distribuio de freqncias como um arranjo tabular de um conjunto numrico apresentado em grupos, classes, intervalos ou nveis com as informaes de cada grupo. Para a construo de uma distribuio de freqncia, devem-se apresentar alguns conceitos. 1 - Dados Brutos um conjunto desorganizado de nmeros. um amontoado de observaes. um conjunto no-trabalhado. Feita a coleta, os dados originais ainda no se encontram prontos para anlise, por no estarem numericamente organizados. 2 - Rol o arranjo dos dados brutos em uma ordem de grandeza crescente ou decrescente. um conjunto de nmeros trabalhados, organizados ou lapidados. Exemplo Em uma coleta de informaes sobre os salrios da empresa KKPPT, em julho de 2007, foram observados os salrios de 10 pessoas, em reais: R$600, R$800, R$1.000, R$1.500, R$1.100, R$1.400, R$1.200, R$900, R$1.100 e R$700. Mas os valores foram apresentados conforme a coleta das informaes, portanto desorganizados em funo de ordem crescente ou decrescente de grandeza. Colocando-se o conjunto em ordem crescente ou decrescente de valores, tem-se este rol: R$600, R$700, R$800, R$900, R$1.000, R$1.100, R$1.100, R$1.200, R$1.400 e R$1.500. 3 - Amplitude Total a diferena entre os valores extremos de um conjunto definido em uma ordem de grandeza. A diferena entre o maior e o menor valor de um conjunto define a amplitude total ou o comprimento do conjunto numrico. Exemplos A - Sejam os valores 600, 700, 800, 900, 1.000, 1.100, 1.200, 1400 e 1500. A amplitude total : AT = Vmx - Vmn AT = 1500 - 600 = 900 Sendo Vmx = Valor Mximo (maior valor) e Vmn = Valor Mnimo (menor valor). B - Sejam os valores 6, 12, 17, 20, 24, 14 e 10. A amplitude total deste conjunto : AT = 24 - 6 = 18. A amplitude total representa o comprimento do conjunto.
Estatstica Aplicada Administrao Distribuio de Freqncias

Pgina 55
4 - Nmero de Classes (Frmula da Sturges) Estatstica Aplicada Administrao Distribuio de Freqncias

Pgina 56
Adota-se o seguinte modelo: K = 1 + 3,3.log n K = nmero de classes. n = nmero total de observaes (o tamanho da populao ou amostra) Pode-se usar a Frmula de Sturges com o logaritmo neperiano. Assim, a frmula se reduz a: K = 1 + 3,3 ln n / ln 10. O nmero de classes ou grupos de um conjunto numrico no pode, em nenhuma hiptese, ser menor que 5 e nem deve ser maior que 12. Mesmo conhecendo esse ou outros critrios de determinao do nmero de classes, o analista deve ter em mente que a escolha depende mais da natureza dos dados e da unidade de medida em que forem expressos do que de regras, muitas vezes arbitrrias e pouco flexveis. Exemplo 12 Na empresa KKPT h 100 empregados. Quantas classes salariais podem ser construdas segundo Sturges? K = 1+ 3,3 log 100 = 1 + 3,3 x 2 = 7,6 = 8 K = 1+ 3,3 ln 100 / Ln 10 = 1 + 3,3 x 2 = 7,6 = 8 5 - Intervalo de Classes Deve ser regular, isto , igual em todas as classes, o que facilita os clculos posteriores. O intervalo de cada classe ou a razo da progresso aritmtica ser: h = AT / k. Exemplo 13 Numa amostra de 100 empregados da empresa KKPT, em julho de 2007, o menor salrio foi R$ 800,00 e o maior foi R$ 2.400,00. Calcular a amplitude total, o nmero de classes e o valor do intervalo de classes. A amplitude total dos salrios desta populao : AT = 2.400,00 - 800,00 = 1.600,00. O nmero de classes ou nveis salariais desta empresa : K = 1 + 3,3 log n. Ento:
Trabalha-se com 8 classes/nveis salariais. O intervalo de cada grupo, classe ou nvel salarial h = AT / k = 1.600 / 8 = 200. Os 8 nveis salariais da empresa so construdos com uma progresso aritmtica cujo primeiro termo 800 e cuja razo 200. Logo a progresso aritmtica : 800, 1.000, 1.200, 1.400, 1.600, 1.800, 2.000, 2.200, 2.400. O primeiro nvel salarial da empresa de 800 a 1.000; o segundo nvel de 1.000 a 1.200; o terceiro nvel de 1.200 a 1.400. E assim sucessivamente. O ltimo nvel de 2.200 a 2.400. Exemplo 14 Analisando o tempo de servio dos 100 funcionrios da empresa KKPT, o menor tempo de servio de 16 meses e o maior de 64 meses. Calcular a amplitude total, o nmero de classes e o valor do intervalo de classes para a construo de uma distribuio de freqncias. Amplitude total AT = 64 - 16 = 48 meses. O nmero ideal de classes K = 1 + 3,3 log n K = 1 + 3,3 log 100. K = 1 + 3,3 (2) K = 1 + 6,6 = 7,6 = 8 Vai-se trabalhar, em princpio, com 8 classes / grupos e o valor do intervalo de classe : h = AT/ k h = 48 / 8 = 6. Pode-se construir uma distribuio de freqncias com uma progresso aritmtica cujo primeiro termo 16 e cuja razo 6. As classes so de 16 a 22, de 22 a 28, de 28 a 34, de 34 a 40, de 40 a 46, de 46 a 52, de 52 a 58, de 58 a 64 meses. O intervalo de 16 a 22 representa a primeira classe do conjunto e o intervalo de 58 a 64 representa a ltima classe. 6 - Notas Aps a coleta de dados, preciso sumarizar ou sintetizar o fenmeno com a finalidade de obter as caractersticas quantitativas para descrever numericamente o fenmeno. Sumarizar um conjunto de observaes significa criar grupos, classes ou nveis, com intervalos geralmente regulares que contm todas as observaes relativas ao fenmeno estudado. A distribuio de freqncia pode ser definida como um arranjo tabular de um conjunto em grupos, classes ou nveis com as suas respectivas freqncias, que representam o nmero de observaes referentes a cada classe. A distribuio de freqncia uma srie em que os dados numricos relativos a um fenmeno esto reunidos em intervalos de valores. Na distribuio de freqncias, os dados estatsticos esto dispostos

Pgina 57

Pgina 58
ordenadamente em linhas e colunas, facilitando a leitura no sentido horizontal e vertical. Nas distribuies de freqncias, so fixos a poca, o local e a espcie do fenmeno; os dados so agrupados de acordo com a intensidade ou variao quantitativa do fenmeno. Na tabela de freqncia procura-se fazer que sejam correspondentes os valores observados da varivel em estudo e as respectivas freqncias. As tabelas de freqncias podem representar tanto valores individuais como valores agrupados em classes. Exemplo 15 Os salrios de uma amostra de 100 empregados da construo civil, em fevereiro de 2006, em real, em Belo Horizonte, MG, esto representados a seguir. Tabela 14 - Salrios da Construo Civil Pesada, Fevereiro, 2006, Belo Horizonte, em Real N. da Classe Salrio 1. 200 | 250 2. 250 | 300 3. 300 | 350 4. 350 | 400 5. 400 | 450 6. 450 | 500 7. 500 | 550 8. 550 | 600 TOTAL Fonte: Departamento de Recursos Humanos Funcionrios 4 10 18 25 20 13 7 3 100
Essa amostra dos salrios do pessoal da construo civil abrange pedreiros, pintores, serventes, bombeiros e carpinteiros, num total de 100 amostras coletadas, em fevereiro de 2006. Foram determinados 8 grupos, cujos salrios variam de R$ 200,00 a R$ 600,00 ou de R$ 200,00 a R$ 599,99. O primeiro nvel ou a primeira classe ou intervalo de salrios formado por 4 empregados cujos salrios variam de R$ 200,00 a R$ 249,99.O oitavo nvel salarial abrange os empregados cujos salrios variam de R$ 550,00 a R$ 599,99. Verifica-se que 25 funcionrios da amostra tm salrio de R$ 350,00 a R$ 399,99.
Na Tabela 14, o smbolo | indica que o intervalo est fechado esquerda e aberto direita. Logo o primeiro nvel definido, matematicamente, como [200, 250). E assim por diante. Existem outros smbolos para representar um intervalo de classe. As classes podem ter os seguintes smbolos: 200 | 250. Intervalo aberto esquerda e fechado direita, logo 200 no pertence primeira classe, contudo 250 pertence ao primeiro nvel. 200 250. Intervalo de classe com extremos excludos, logo os valores 200 e 250 no pertencem ao primeiro nvel/classe. 200 || 250. Intervalo de classe com extremos includos, logo os valores 200 e 250 pertencem ao primeiro nvel/classe. 7 - Elementos de uma Distribuio de Freqncia 7.1 - Classe/Grupo/Nvel As classes, grupos, intervalos ou nveis de uma distribuio de freqncia so os intervalos de variao de uma varivel. 7.2 - Limites de Classe Os valores extremos de uma classe so denominados de limites de classe. H os limites inferior e superior da classe, simbolizados respectivamente, (Li) e (Ls). 7.3 - Intervalo de Classe A amplitude do intervalo de classe ou intervalo de uma classe a diferena entre os dois limites da classe. Denomina-se tambm razo de uma classe. 7.4 - Amplitude Total da Distribuio a diferena entre os valores extremos de uma distribuio de freqncia, isto , a diferena entre o maior limite superior e o menor limite inferior. At = Valor mximo Valor mnimo 7.5 - Ponto Mdio de uma Classe o principal representante de uma classe, podendo ser definido como o ponto intermedirio de uma classe. obtido pela soma dos limites inferior e superior da classe, dividindo-se o resultado por dois. Exemplo 16 O ponto mdio da primeira classe, ou seja, o salrio mdio dos integrantes do primeiro nvel salarial igual a ( 200 + 250 ) / 2 = 225. Esse valor representa o salrio mdio dos funcionrios do primeiro nvel amostral. O ponto mdio de cada classe representado por xi.

Pgina 59
Xi =( Limite superior + Limite inferior) / 2 Estatstica Aplicada Administrao Distribuio de Freqncias

Pgina 60
7.6 - Distribuio de Freqncia Relativa Freqncia relativa de uma classe a freqncia simples dessa classe dividida pelo somatrio de todas as freqncias simples. Exemplo 17 A freqncia relativa da quarta classe da Tabela 15 (25 / 100) = 0,25. Pode-se dizer que 25% dos funcionrios da amostra tm salrios que variam de R$ 350,00 a R$ 400,00. A soma das freqncias relativas de todas as classes igual a 1 ou 100%. A freqncia relativa de cada classe est expressa sob o ttulo fr.e definida por:
7.7 - Distribuio de Freqncia Acumulada Freqncia acumulada de uma classe o somatrio das freqncias anteriores ou posteriores, includa a freqncia da respectiva classe. Para caracterizar a freqncia acumulada, usam-se as expresses abaixo de ou acima de, isto , a freqncia acumulada pode ser crescente ou decrescente. Para obter a distribuio de freqncia acumulada crescente (fac), repetese a freqncia simples da primeira classe e somam-se sucessivamente as demais freqncias, obtendo assim as freqncias acumuladas de cada classe. Exprime-se a freqncia acumulada crescente pelo limite superior de uma classe. A distribuio de freqncia acumulada decrescente (fad) obtida repetindose a freqncia simples da ltima classe e , a seguir , somar, sucessivamente, as demais freqncias, obtendo assim as freqncias acumuladas de cada classe. A freqncia acumulada acima de expressa pelos limites inferiores da respectiva classe. Em uma distribuio de frequncia acumulada, encontra-se o nmero que representa o tamanho da populao, na primeira ou na ltima classe. Em uma distribuio de freqncia acumulada relativa, encontra-se o nmero 1 ou 100%, na primeira ou na ltima classe. A incluso, ou no, de um valor em um intervalo depende da simbologia
usada. Usando-se o smbolo |, est includo o limite inferior e excluido o limite superior. Usando-se o smbolo |, est excludo o limite inferior e includo o limite superior. Exemplo 18 A Tabela 15, a seguir, mostra os salrios dos funcionrios da empresa TTYYG, em maro de 2007, em Ouro Preto, com valores em real. Tabela 15 - Salrios Funcionrios, em Real, Empresa TTYYG, Maro/2007, Ouro Preto /MG SALRIOS fi Xi fr % 400 | 600 3 500 6 600 | 800 5 700 10 800 | 1000 8 900 16 1000 | 1200 12 1100 24 1200 | 1400 10 1300 20 1400 | 1600 6 1500 12 1600 | 1800 4 1700 8 1800 | 2000 6 1900 4 TOTAL 50 100 Fonte: Departamento Recursos Humanos fac 3 8 16 28 38 44 48 50 fad 50 47 42 34 22 12 6 2

Pgina 61
Pela analise dos resultados da empresa em maro de 2007 e registrados na tabela apresentada, pode-se afirmar: Dez funcionrios recebem salrio que vai de R$ 1.200,00 a R$ 1.399,99. O salrio mdio dos integrantes do quarto nvel salarial de R$ 1.100,00. 12% dos funcionrios recebem salrio que vai de R$ 1.400,00 a R$ 1.600,00. 24% dos funcionrios recebem o salrio mdio de R$1.100,00. Trinta e oito funcionrios recebem salrio abaixo de R$ 1.400,00. Trinta e quatro funcionrios recebem salrio do mesmo valor e superior a R$ 1.000,00. A empresa gasta em mdia 5 x 700 = 3.500,00 para quitar a folha de pagamento dos integrantes do segundo nvel salarial. Quatro funcionrios recebem o salrio mdio de R$ 1.700,00. Doze funcionrios recebem salrio que vai de R$ 1.400,00 a R$ 1.999,99. 44% dos funcionrios recebem salrio que vai de R$ 1.000,00 a R$ 1.399,99.

Pgina 62
18% dos funcionrios recebem salrio que vai de R$ 1.500,00 a R$ 1.999,99. 22 funcionrios recebem salrio que vai de R$ 1.200,00 a R$ 1.999,99. 16% dos funcionrios recebem salrio que varia de R$ 400,00 a R$ 799,99 e a mesma participao verificada na terceira classe salarial. 8 - Representao Grfica Uma distribuio de freqncia pode ser representada por histograma, polgono de freqncia ou ogivas de Galton. Uma distribuio de freqncias que envolve uma varivel discreta ou contnua considerada, automaticamente, contnua. Portanto no importa se, na prtica, for discreta. O mesmo acontece na anlise de um grfico que representa uma distribuio de freqncias. 8.1 - Histograma de Freqncia um conjunto de colunas sucessivas, justapostas, isto , com intervalos nulos entre si, cujas bases so registradas no eixo das abcissas, pelos limites inferiores de cada classe. A altura e a largura de cada coluna so proporcionais freqncia e amplitude de cada classe. O histograma um grfico de colunas, mas nem todo grfico de colunas define um histograma. Isso porque, no histograma, se registra, no eixo dos x, o limite inferior de cada classe e, no grfico de colunas, se registram as categorias da varivel. 8.2 - Polgono de Freqncia um grfico de linha em que se associa cada ponto mdio sua respectiva freqncia. O ponto mdio registrado no eixo das abcissas e a freqncia simples/relativa no eixo das ordenadas. O polgono de freqncia um grfico de linha mas nem todo grfico de linha define um polgono de freqncia. Exemplo 19 A distribuio salarial da empresa TTYYG feita por um histograma de freqncia simples, apresentado a seguir.
Grfico 8 - Salrios dos Funcionrios, em Real, Empresa TTYYG, Maro / 2006 , Ouro Preto/MG

Pgina 63
Fonte: Departamento de Recursos Humanos

Pode-se construir o polgono de freqncia simples, isto , o grfico de linha, partindo-se do histograma. Basta marcar o ponto mdio de cada classe no topo de cada coluna, associando-o a sua respectiva freqncia. Aps registrar, no plano cartesiano, todos os pontos (pares ordenados), traam-se segmentos de reta, ligando-os. Para melhor visualizao de rea, costuma-se fechar, nos pontos relativos aos pontos mdios das classe, a linha poligonal com o eixo das abcissas imediatamente anterior primeira e superior ltima classe.

Pgina 64
Grfico 9 - Salrios dos Funcionrios, em Real, Empresa Souza, Maro / 2001, Belo Horizonte/MG
Para uma viso relativa ou percentual, registra-se a freqncia relativa no lugar das freqncias simples . Registram-se as duas freqncias para se ter uma viso simples e relativa dos fatos. 8.3 - Ogivas de Galton Este conjunto de linhas denominado de Ogivas de Galton. Registram-se, no eixo dos X, os limites inferiores da distribuio e, no eixo dos Y, as respectivas freqncias acumuladas simples ou relativas. No eixo dos Y, registram-se as freqncias acumuladas e, no eixo dos X, registram-se os limites inferiores da distribuio. Observando-se os valores da empresa TTYY, a maior freqncia acumulada o valor que representa o tamanho da populao.
Exemplo 20 Grfico 10 - Salrios dos Funcionrios da Empresa TTYYG, em Real, Ouro Preto/MG, Maro/ 2007

Pgina 65
Fonte: Departamento de Recursos Humanos
A primeira linha parte do ponto ( 400, 0 ) e define o grfico da freqncia acumulada crescente; a segunda linha parte do ponto ( 0, 50 ) e define o grfico da freqncia acumulada decrescente. O ponto de interseo das curvas que compem as ogivas d o valor de uma medida denominada mediana. Quando se traa uma reta paralela ao eixo dos X, partindo-se do ponto de interseo das curvas que compem as ogivas, o intercepto dessa reta com o eixo dos Y d o valor que representa 50 % da populao.
Captulo 7
Medidas de Posio
Vista a apresentao dos dados em tabelas e grficos e as distribuies de freqncia, so apresentados os clculos de medidas que possibilitam representar, de forma resumida, um conjunto de dados relativos observao de determinado fenmeno. So as medidas de posio, que orientam quanto posio distribuio no eixo dos X. Compreendem as medidas de tendncia central e as medidas separatrizes. 1 - Medidas de Tendncia Central Fornecem ao pesquisador informaes representativas do ncleo das observaes de um fenmeno relativo a qualquer campo da atividade humana. So representadas por mdia aritmtica, mdia geomtrica, mdia harmnica, mediana e moda. 1.1 - Mdia Aritmtica o ponto de equilbrio de um conjunto numrico. o ponto de sustentao de um conjunto. o valor de maior representatividade de um conjunto numrico. Pode ser calculada para nmeros no-tabulados, mdia aritmtica ponderada e nmeros tabulados. 1.1.1 - Mdia Aritmtica de Nmeros No-Tabulados o quociente da soma desses nmeros com a sua quantidade. representada por , que se l x barra. Sejam os valores x1 , x2 , x3 .... xn. Define-se a mdia aritmtica desse conjunto como a razo existente entre a soma dos valores e a sua quantidade.
Estatstica Aplicada Administrao Medidas de Posio

Pgina 69
onde xi representa os valores do conjunto e n a quantidade de nmeros (o tamanho da amostra) Em um conjunto, a mdia multiplicada pelo nmero de valores igual soma dos valores. Exemplo 21 A varivel aleatria X assume os valores 5, 7, 8, 10 e 15 e a varivel aleatria Y assume os valores 4, 7, 11, 15, 20 e 21. Determine a mdia aritmtica de cada varivel. Valores da varivel X : 5, 7, 8, 10 e 15. Ento a sua mdia aritmtica :
Valores da varivel Y: 4, 7, 11, 15, 20 e 21. Ento a sua mdia aritmtica : Estatstica Aplicada Administrao Medidas de Posio
Pgina 70
1.1.2 - Mdia Aritmtica Ponderada Considerando-se que os valores x1, x2, .. xn ocorrem com as freqncias f1, f2, .. fn vezes, respectivamente, a mdia aritmtica ponderada :
onde f1 + f2 + f3 + .. + fn = n. O tamanho da amostra ou o somatrio das freqncias n. Exemplo 22 Se os valores 5, 8, 6 e 2 ocorrerem com as freqncias 3, 2, 4 e 1, respectivamente, ento a mdia aritmtica ser:
Exemplo 23 Uma pesquisa feita sobre o mercado imobilirio de Ouro Preto obteve os seguintes resultados: 8 apartamentos de R$70.000,00 cada; 15 apartamentos de R$ 90.000,00 cada e 7 apartamentos de R$100.000,00 cada. Qual o preo mdio de apartamento?
Resposta: R$87.000,00
1.1.3 - Mdia Aritmtica de Nmeros Tabulados 1.1.3.1 - Processo do Ponto Mdio Considerando-se que o ponto mdio o principal representante da classe, ele deve ser a base do clculo da mdia aritmtica. Considerando-se que os pontos mdios x1, x2, x3...xn ocorrem com as freqncias f1, f2, f3...fn, respectivamente, define-se a mdia aritmtica como a razo existente entre o somatrio do produto de cada ponto mdio pela respectiva freqncia e o somatrio das freqncias. A mdia definida assim:

Pgina 71
onde n o tamanho da amostra.
Observa-se que fi, no caso, tanto representa a freqncia simples quanto

a relativa. Usando-se a relativa, no se dividide o resultado por n. Exemplo 24 A Tabela 16, apresentada a seguir, define a distribuio das vendas das diversas filiais da empresa XXTT, em julho/2007, em Belo Horizonte, em milhes de reais. Tabela 16 - Vendas por Filial, Empresa XXTT , Julho/2007, Belo Horizonte, em Milhes de Reais Vendas fi 6 14 3 15 23 7 24 32 9 33 41 5 42 50 4 TOTAL 28 Fonte: Departamento de Vendas xi 10 19 28 37 46 fi xi 30 133 252 185 184 784
Exemplo 25 Clculo do faturamento mdio de uma filial da empresa XXTT, em julho/2007. Para calcular a mdia aritmtica, deve-se determinar:

Pgina 72
Ponto mdio de cada classe xi . Produto de cada ponto mdio pela respectiva freqncia simples ou relativa. Somatrio de fi xi dividido pelo total das freqncias.
O faturamento mdio dessa filial, em julho/2007, foi de R$28.000.000,00. 1.1.3.2 - Processo Simplificado Consiste em definir a classe que deve ser a origem arbitrria da distribuio. Essa classe deve ter um desvio nulo e os demais desvios so definidos em unidades de classe. Dessa forma, a mdia, pelo processo simplificado, definida por:
onde X0 = mdia suposta definida pelo ponto mdio da classe escolhida para ser a origem arbitrria; i = desvios em unidades de classe; h = intervalo de classes. Exemplo 26 A Tabela 17, apresentada a seguir, mostra as vendas das 60 filiais da empresa KLPT, em maio de 2007. Tabela 17 - Vendas das 60 Filiais da Empresa KLPT, Maio/2007, em Milhes de Reais Vendas fi 40 60 4 60 80 7 80 100 12 100 120 15 120 140 10 140 160 8 160 180 4 Total 60 Fonte: Departamento de Vendas i -3 -2 -1 0 1 2 3 fi xi -12 -14 -12 0 10 16 12 0
Escolhe-se a classe do centro para ser a origem, mas poderia ter sido outra classe. A classe-origem tem desvio nulo, em unidade de classe. O desvio definido pela razo existente entre a diferena de cada ponto mdio e o ponto mdio escolhido aleatoriamente, que, no exemplo, 110, e o intervalo de classe. O primeiro desvio, em unidade de classe, ( 50 110 ) / 20 = -3 A varivel , representando os desvios, desenvolve-se de unidade a unidade. So os desvios em unidades de classe. A escolha da origem arbitrria e a mdia suposta o ponto mdio da classe escolhido para ser a origem. So estes os valores:

Pgina 73
X0 = 110
n = 60
fi i = 0
h = 20
Conclui-se que uma filial da empresa vendeu, em mdia, 110 milhes de reais. Observa-se que o somatrio do produto de cada freqncia pelo respectivo desvio foi nulo. logo a mdia da distribuio igual ao ponto mdio da classe- origem. Se o somatrio fosse positivo, a mdia seria maior do que o ponto mdio da classe-origem. Se fosse negativo, seria menor do que o ponto mdio da classe-origem. 1.1.4 - Propriedades da Mdia Aritmtica Primeira Propriedade A soma algbrica dos desvios de um conjunto de nmeros, em relao mdia aritmtica, zero. O desvio de um nmero, com base na mdia aritmtica, a diferena existente entre esse nmero e a mdia aritmtica. Considera-se que:
Para calcular o desvio de cada nmero, necessita-se da mdia aritmtica do conjunto.

Pgina 74
Exemplo 27 Sejam os valores 6, 4, 8, 5 e 7. Calcular a mdia aritmtica do conjunto.
Os desvios, em relao mdia aritmetica, so:
Ento os desvios so: O somatrio dos desvios nulo: 0 + (- 2) + 2 + ( - 1) + 1 = 0

d1 = 6 - 6 = 0 d2 = 4 - 6 = - 2 d3 = 8 - 6 = 2 d4 = 5 - 6 = - 1 d5 = 7 - 6 = 1.
Segunda Propriedade A mdia de uma srie de valores constantes a prpria constante. Sejam os valores 8, 8, 8 e 8. Ento a mdia aritmtica do conjunto igual a 8. Terceira Propriedade Se P1 nmeros tm mdia M1 , P2 tm mdia M2 .... Pk nmeros tm mdia Mk. Ento a mdia aritmtica da varivel :
Pela frmula, percebe-se que a mdia total do conjunto :
Quarta Propriedade Somando-se uma constante a cada valor de um conjunto, a mdia aritmtica fica somada com o valor da constante. Exemplo 28 Uma varivel aleatria assume os valores 4, 8, 12 e 16. A mdia aritmtica da varivel aleatria :
Somando-se 5 unidades a cada valor da varivel, obtm-se 9, 13, 17 e 21.
A mdia aritmtica do novo conjunto : Estatstica Aplicada Administrao Medidas de Posio

Pgina 75
Logo se pode concluir que, somando-se a cada valor de um conjunto uma constante, a mdia aritmtica ficar aumentada dessa constante. No se pode esquecer que a subtrao um caso especial da adio. Exemplo 29 A empresa KKYY dar, no prximo ms, a cada um de seus quarenta funcionrios, um abono de R$ 50,00. Neste ms, o salrio mdio do funcionrio da empresa de R$700,00. No prximo ms, o salrio mdio do funcionrio passar para R$700,00 + R$50,00 = R$750,00. O gasto mdio da empresa com salrios, portanto, ser de R$750,00 x 40 = R$30.000,00. Como cada funcionrio vai receber um abono de R$50,00. Portanto a mdia ficar somada de R$50,00. Quinta Propriedade Multiplicando-se cada valor de um conjunto numrico ou de uma varivel aleatria por uma constante (c0), a mdia do conjunto ou da varivel aleatria ficar multiplicada pela respectiva constante. Observa-se que a diviso um caso da multiplicao. Exemplo 30 O salrio mdio dos funcionrios da empresa YYTR, neste ms, de R$ 900,00. Para o prximo ms, a empresa dar um reajuste salarial de 10% a cada um Ento o salrio mdio da empresa ficar somado com 10% do seu valor, isto , o salrio mdio ficar multiplicado por 1,10. Observa-se que acrescentar 10% a um valor o mesmo que multiplic-lo por 1,10. Esse valor significa a soma da taxa unitria mais 1. Ento o novo salrio mdio ser de R$ 900,00 x 1,10 = R$ 990,00. Para aplicao da propriedade fundamental saber que um valor futuro igual ao valor presente multiplicado pelo ndice unitrio elevado a n. Ento: VF = VP ( 1 + i )n Observa-se que n representa o tempo decorrido e i representa a taxa unitria: 10% tm como taxa unitria 10/100 = 0,10, que, somada unidade, dar o ndice unitrio. Ento o problema resolvido por: Valor Futuro = 900( 1 + 0,10 ) VF = 900 x 1,10 = 990,00

Pgina 76
Exemplo 31 As vendas da empresa PPTT, neste ms, foram de 600 mil reais. Para o prximo ms, as perspectivas indicam que as vendas devem ter reduo de 10%. Qual ser a tendncia das vendas da empresa para o prximo ms? A reduo de 10% igual ao fator 0,9. A reduo de 20% igual ao fator 0,8 e o aumento de 20% igual ao fator 1,2. VF = VP ( 1 + i ) VF = 600 (-0,10 + 1)1 VF = 600 x 0,9 = 540 Sexta Propriedade A mdia aritmtica de uma srie de valores igual a uma mdia suposta (representada por um valor qualquer) aumentada da mdia aritmtica dos desvios em relao mdia suposta.
Exemplo 32 Sejam estes os valores de uma varivel aleatria: 8, 14, 22, 36, 56 e 80. A mdia do conjunto :
Sabe-se que o conjunto tem mdia 36. Para calcul-la novamente, escolhese um valor qualquer para o incio dos clculos. Aleatoriamente se escolhe um valor, denominado de mdia suposta. Escolhe-se o valor 14 para ser a mdia suposta. Ento os desvios sero calculados tendo o nmero 14 representando a mdia, sendo:
D1 = 8 - 14 = -6 D4 = 36 - 14 = 22
D2 = 14 - 14 = 0 D5 = 56 - 14 = 42
D3 = 22 - 14 = 8 D6 = 80 - 14 = 66
Sabe-se que: Di = 132. A mdia verdadeira do conjunto :
Stima Propriedade A mdia aritmtica de uma soma ou de uma diferena de duas variveis aleatrias igual soma ou diferena das mdias das duas variveis. Se e , ento: Estatstica Aplicada Administrao Medidas de Posio
Pgina 77
Para aplicar esta propriedade fundamental que as variveis tenham o mesmo tamanho e que a soma/diferena seja respectiva. Exemplo 33 A varivel x formada pelos valores 3 e 5, logo a mdia da varivel igual a:
A varivel y formada pelos valores 7 e 9, logo a mdia da varivel igual a:
Somando-se as variveis aleatrias x e y, respectivamente, tem-se: K = 3 + 7 = 10 e 5 + 9 = 14 Ento a varivel K formada pelos valores 10 e 14. A mdia da varivel K igual a: K = ( 10 + 14 ) / 2 = 12. Ento:
1.1.5 - Vantagens da Mdia Aritmtica obtida com clculos relativamente simples. a mais conhecida das mdias. Tem clculo simples e de fcil compreenso.

Pgina 78
1.1.6 - Desvantagens da Mdia Aritmtica Para a obteno da necessrio ter todos os valores do grupo. excessivamente afetada por valores extremos - ou muito grandes ou muito pequenos em relao ao conjunto de dados. 1.2 - Mdia Tpica aquela em que os valores da srie esto concentrados em torno da mdia. Exemplo 34 No existem valores discrepantes no conjunto 18, 20, 20 e 22. No existem valores que podem conduzir a uma falsa anlise. Logo o valor 20 representa, com muita perfeio, o conjunto dos nmeros 18, 20, 20 e 22.
O valor 20 representa, com muita fidelidade, o conjunto, tendo-se em vista a forte concentrao dos diversos valores em torno desta mdia. Sendo assim, considerado mdia tpica do conjunto. 1.3 - Mdia Atpica aquela em que os valores da srie no esto concentrados em torno da mdia. A mdia atpica representa mal a srie de valores. Exemplo 35 Observa-se que, no conjunto 2, 4, 5, 6 e 100, o valor 100 discrepante dos demais valores, logo tal valor conduz a uma falsa anlise do conjunto. Para melhor visualizao, calcula-se a mdia.
O nmero 23,4 no representa adequadamente os valores deste conjunto. Portanto pode-se dizer que ele uma mdia atpica.
1.4 - Mdia Geomtrica 1.4.1 - Dados Isolados A mdia geomtrica de um conjunto de n nmeros x1, x2......xn a raiz de ordem n do produto desses nmeros:

Pgina 79
Exemplo 36 Determinar a mdia geomtrica dos nmeros 3, 8, 14.
Na prtica, o clculo da mdia geomtrica facilitada por logaritmos. Assim para dados isolados, tem-se:
onde f representa as freqncias dos valores e xi os valores do conjunto. 1.4.2 - Dados Agrupados Para calcular a mdia geomtrica de uma distribuio de freqncias: 1. Determina-se o ponto mdio de cada classe. 2. Determina-se o logaritmo decimal ou neperiano de cada ponto mdio. 3. Efetua-se o produto de cada fi pelo respectivo valor do logaritmo de xi, isto , fi Log xi. 4. Realiza-se a operao:

Pgina 80
Exemplo 37 Determinar a mdia geomtrica da distribuio apresentada: Tabela 18 - Durao Amostra de Lmpadas, em Horas, Fabricante HH Agosto 2007 - Ouro Preto / MG Durao fi xi 400 | 600 12 16 400 | 600 84 18 400 | 600 265 20 400 | 600 281 22 400 | 600 260 24 400 | 600 83 26 400 | 600 15 28 TOTAL 1.000 Fonte: Departamento de Produo Log xi 1, 2041 1, 2553 1, 3010 1, 3424 1, 3802 1, 4150 1, 4472 fi log xi 14, 4492 105, 4452 344, 7650 377, 2144 358, 8520 117, 4450 21, 7080 1.339,8756
1.5 - Mdia Harmnica o inverso da mdia aritmtica dos inversos dos n valores de uma varivel aleatria.
1.5.1 - Dados isolados Sejam os valores x1, x2, x3.....xn de uma varivel aleatria. A mdia harmnica da varivel :
Exemplo 38 Determinar a mdia harmnica do conjunto 3, 4, 6 e 10

Pgina 81
1.5.2 - Dados Agrupados No caso de dados agrupados, a mdia harmnica definida por:
Exemplo 39 Uma pessoa foi de Ouro Preto para o Rio de Janeiro com uma velocidade mdia de 80 km/h e veio do Rio de Janeiro para Ouro Preto, pela mesma rodovia, com uma velocidade mdia de 100 km/h. Qual foi a velocidade mdia da viagem (ida e volta)? Supondo que a distncia de Ouro Preto a Rio de Janeiro seja de 400 km, calcula-se o tempo gasto na viagem de ida e de volta. Tempo gasto de Ouro Preto ao Rio de Janeiro = 400/80 = 5 horas. Tempo gasto do Rio de Janeiro a Ouro Preto = 400/100 = 4 horas. Distncia total percorrida = 800 km em 9 horas. Logo a velocidade mdia foi de 800/9 = 88,89 km/h. O clculo foi feito com uso da mdia harmnica:
Exemplo 40 Numa empresa h 24 funcionrios. Para a realizao de determinada tarefa, ela conta com 6 funcionrios dos quais cada um gasta 12 dias; 12 funcionrios dos quais cada um gasta 15 dias e 6 funcionrios dos quais cada um gasta 8 dias. Qual ser o tempo mdio que um funcionrio gastar

Pgina 82
para realizar a tarefa? Para o clculo da mdia aritmtica fundamental o produto da freqncia pelo respectivo ponto mdio. Para o clculo da mdia geomtrica fundamental elevar cada ponto mdio sua respectiva freqncia. Para o clculo da mdia harmnica divide-se cada freqncia pelo respectivo ponto mdio. Dado um conjunto de valores positivos, no-constantes e diferentes de zero, a mdia harmnica menor do que a mdia geomtrica e esta menor do que a mdiaaritmtica. Mh < Mg < X 1.6 - Mediana uma medida de tendncia central. Determina um valor que divide um conjunto numrico em duas partes iguais. uma posio abaixo ou acima da qual se situam 50% dos casos. Dividindo-se um conjunto em duas partes iguais, a parte central a mediana. 1.6.1 - Dados Isolados Dado um conjunto, em uma ordem de grandeza, a mediana o valor central quando n for mpar. E a mdia aritmtica dos dois valores centrais, quando n for par. Exemplo 41 Determinar a mediana da varivel aleatria que assume os valores 2, 5, 10, 9, 6, 8 e 4. Colocando o conjunto em ordem de grandeza, tem-se: 2, 4, 5, 6, 8, 9, 10 e, por uma simples inspeo, verifica-se que n mpar, isto , n = 7. Logo a mediana o valor central do rol: md = 6, porque 6 o valor central. A posio do nmero mediano :
No rol, o quarto nmero representa a mediana. Exemplo 42 Determinar a mediana da varivel aleatria que assume os valores 1, 5, 3, 8, 7 e 6. Coloca-se o conjunto em ordem de grandeza: 1, 3, 5, 6, 7, 8. Observa-se que n par, logo a mediana a mdia dos dois valores centrais:
Estatstica Aplicada Administrao Medidas de Posio A mediana representada pela mdia aritmtica entre o terceiro e o quarto valor do rol.
Pgina 83
1.6.2 - Nmeros Tabulados Se o nmero total de freqncias for n, a mediana ser um nmero tal que 50% dos valores de n se situem abaixo dela e 50% acima dela. Para determinar a classe que contm a mediana, basta verificar qual a primeira classe cuja freqncia acumulada crescente contm 50% dos casos, isto , 50% de n. Com a frmula apresentada, calcula-se o valor da mediana.
Os dados expressos na frmula referem-se classe que contm a mediana: lir = limite inferior real; fi = freqncia da classe; n = tamanho da amostra; h = intervalo da classe; Faca = freqncia acumulada crescente anterior classe que contm a mediana. Exemplo 43 No 1. trimestre de 2007, a empresa MMGG realizou 80 exportaes, cujos valores esto registrados na tabela a seguir, expressos em milhes de dlares. Determinar a exportao mediana, isto , o valor abaixo ou acima do qual se encontram 50% das exportaes. Para calcular a mediana, deve-se determinar a freqncia acumulada crescente de cada classe (FAC). Depois, verifica-se a 1. classe cuja freqncia acumulada crescente contm 50% dos casos, isto , 50% de n.

Pgina 84
Tabela 19 - Exportaes, Empresa MMGG, 1. Trimestre / 2007. BH / MG Milhes xi fi x i US$ 150 | 170 170 | 190 190 | 210 210 | 230 230 | 250 250 | 270 270 | 290 Total Fonte: Departamento de Produo fi 8 12 20 16 12 8 4 80 fac 8 20 40 56 68 76 80
Observao: A linha em negrito representa a Classe que contm a Mediana. Para calcular a mediana: 50% de 80 = 40. Verifica-se que a classe, em ordem crescente, cuja freqncia acumulada crescente (fac) contm 50% dos casos a terceira. Selecionam-se os valores. Observa-se que a classe que contm 40 casos a 3., logo ela a classe que contm a mediana. Os dados so: lir = 190 n = 80 50% de 80 = 40 faca = 20 fi = 20 h = 20
Ento a mediana :
Exemplo 44 No 1. trimestre de 2007, foram realizadas 80 exportaes: 40 exportaes com valor entre 150 e 210 milhes de dlares e 40 exportaes com valor entre 210 e 290 milhes de dlares. Qual foi o valor mdio? Pode-se dizer que a exportao mdia maior do que a exportao mediana? A mediana dividiu o conjunto em duas partes iguais. Se a freqncia acumulada crescente da classe que contm a mediana for exatamente igual
a 50% de n, a mediana ser o limite superior da classe. 1.7 - Moda, Modo ou Norma a medida de tendncia central definida como o valor de maior freqncia. o valor que mais se repete entre os diversos valores de um conjunto. o valor preponderante, o valor dominante de um conjunto. Um rol pode no ter moda como tambm pode haver um rol que possua mais de uma moda. 1.7.1 - Nmeros Isolados A moda ser aquele valor de maior freqncia, valor preponderante, valor dominante, valor que mais se repete dentre os diversos valores de um conjunto. Exemplo 45 Determinar a moda deste conjunto de valores: 2, 2, 5, 6, 7, 8, 8, 8, 10, 10, 11, 12 e 18. O valor de maior freqncia, o nmero que mais se repete e o valor dominante do conjunto o nmero 8, porque se repetiu trs vezes. Logo ele a moda. Sendo asssim, este um conjunto unimodal. 1.7.2 - Nmeros Tabulados Moda bruta ser o ponto mdio da classe modal. Para dados agrupados a moda calculada pela frmula de Czuber ou de King. Pela frmula de Czuber, a moda definida assim: Estatstica Aplicada Administrao Medidas de Posio
Pgina 85
lir representa o limite inferior real da classe modal. O valor 1 a diferena entre a freqncia modal e a freqncia da classe imediatamente anterior classe modal: 1 = fm - fa. O valor 2 a diferena entre a freqncia modal e a freqncia da classe imediatamente posterior classe modal: 2 = fm - fp. O valor h representa o intervalo da classe modal, classe que contm a maior freqncia simples ou relativa. Para calcular a moda de uma distribuio de freqncias: 1 - Localizar a classe modal, a classe que contm a maior freqncia simples/

Pgina 86
relativa. 2 - Identificar os valores relativos classe e aplicar a frmula. Exemplo 46 Determinar o valor modal das vendas realizadas pela empresa HHFF, no primeiro trimestre de 2007, em Porto Alegre, segundo a tabela apresenta a seguir: Tabela 20 - Vendas, Milhes de reais, Empresa HHFF, 1. Trimestre / 2007, Porto Alegre / RS Durao fi 150 | 170 8 170 | 190 12 190 | 210 20 210 | 230 16 230 | 250 12 250 | 270 8 270 | 290 4 Total 80 Fonte: Departamento de Vendas Clculo da moda A - Frmula de Czuber. A terceira classe desta tabela define a classe modal, ou seja, 190 a 210, porque tem a maior freqncia simples, no caso = 20. Nesta classe, buscamse estas informaes:
1 = fm - fa = 20 12 = 8 2 = fm - fp = 20 16 = 4
lir = 190 h = 20
Logo a venda modal foi de 203,33 milhes de reais.
B - Frmula de King. Estatstica Aplicada Administrao Medidas de Posio

Pgina 87
fp a freqncia posterior classe modal e a fa a freqncia anterior classe modal; h o intervalo de classe e lir o limite inferior real da classe.
Em uma distribuio de freqncias com duas freqncias modais consecutivas, segundo Czuber, a distribuio tem apenas uma moda, cujo valor o ponto mdio da grande classe modal. Contudo, se as classes modais no forem consecutivas, h tantas modas quantas forem as classes modais. Mas, segundo King, para cada classe modal existe uma moda, independentemente de ser consecutiva ou no. Viu-se que o valor modal das vendas foi de 203,3 milhes de reais. A venda mediana foi de 210 milhes de dlares. E a importao mdia? Teria um valor maior do que 210 milhes de reais ou menor do que 203,3 milhes de reais? Ou um valor intermedirio? Podem-se tirar concluses. 2 - Medidas Separatrizes Tm por finalidade dividir em K partes iguais (K = 1, 2, 3...)um conjunto numrico relativo a um fenmeno, 2.1 - Mediana Divide um conjunto numrico em duas partes iguais. Exemplo 47 Dividir o conjunto salarial de uma empresa em duas partes iguais: salrio bom e salrio timo. No caso, o limite salarial que divide o conjunto em duas partes iguais a mediana. 2.2 - Quartil Resulta da diviso de um conjunto em 4 partes iguais, portanto cada parte representa 25% do conjunto. Seja:

Pgina 88
Na figura apresentada visualiza-se com facilidade que Q1 um nmero abaixo do qual se situam 25% dos casos e acima do qual, portanto, se situam 75%. Q2 = Md, isto , o 2. quartil igual mediana, pois abaixo ou acima dele se situam 50% dos casos. Q3 um nmero abaixo do qual se situam 75% dos casos e acima do qual se situam 25%. O desvio quartil ou intervalo semi-interquartlico definido como (Q3 Q1)/2 e o intervalo interquartlico como (Q3 Q1). 2.3 - Decil Resulta da diviso de um conjunto em 10 partes iguais. Portanto cada uma delas contm 10% do conjunto.
Na figura apresentada, verifica-se que o D1 um nmero abaixo do qual se situam 10% dos casos. J se sabe que Q2 = Md = D5 , pois D5 um nmero abaixo ou acima do qual se encontram 50% das observaes. O desvio declico ou intervalo semideclico definido como (D9 D1)/2 e o intervalo declico como (D9 D1). 2.4 - Percentil Resulta da diviso de umconjunto em 100 partes iguais. Exemplo 48 Deseja-se dividir uma produo em 5 partes iguais: Ruim, Boa, Muito Boa, tima e Excelente. Para isso, recorre-se aos percentis P20 , P40 , P60 e P80.

Pgina 89
Tem-se o seguinte: A produo Ruim envolve valores de P0 a P20 . A produo Boa envolve valores de P20 a P40 . A produo Muito Boa envolve valores de P40 a P60 . A produo tima envolve valores de P60 a P80 . A produo Excelente envolve valores de P80 a P100. Portanto uma produo classificada como tima quando seu valor est compreendido entre P60 e P80 e como Excelente quando seu valor est acima de P80. Pode-se generalizar o clculo das medidas separatrizes com os percentis. A frmula para o clculo a da mediana, com as correes necessrias, em virtude da posio do valor calculado. Na frmula da mediana:
Usam-se 50% dos casos pelo interesse em determinar a mediana. Desejando dividir o conjunto em cinco partes iguais, usam-se, no lugar de 50% de n, estes valores: 20% de n para P20; 40% de n para P40 e assim por diante.

Pgina 90
Exemplo 49 Tabela 21 - Vendas Dirias Realizadas pela Empresa PPXX 1.O Trimestre / 2007, BH, em Mil Reais Durao fi 200 | 300 8 300 | 400 9 400 | 500 16 500 | 600 20 600 | 700 13 700 | 800 7 800 | 900 5 900 | 1.000 2 Total 80 Fonte: Departamento de Vendas Fac 8 17 33 53 66 73 78 80
Dividem-se as vendas do trimestre em 4 grupos iguais (100 / 4 = 25). Quais so os limites que identificam os grupos? Para identificar os quatro grupos deve-se calcular: P25, P50 P75 e P100. O primeiro grupo engloba todas as vendas abaixo de P25. O segundo engloba as vendas entre P25 e P50. O terceiro aquele cuja faixa de vendas est no intervalo P50 a P75 e o quarto aquele cuja faixa de vendas igual ou superior a P75. Clculo de P25 1. - 25% n = 25 x 80 / 100 = 20 2. - Localiza-se a classe que contm o P20 . Neste caso verifica-se qual a 1. freqncia acumulada crescente que contm 20 observaes: a 3. classe. Nesta classe, tem-se: lir = 400, f = 16, h = 100 e faca = 17
Pode-se concluir que 25% das vendas do trimestre esto abaixo de R$ 418,70, logo pertencem ao primeiro grupo todas as vendas de R$ 200.000,00 a R$ 418.700,00. Clculo do P50
1 - 50% n = 50 x 80 / 100 = 40. 2 - Localiza-se a classe que contm o P50 = Md. Neste caso verifica-se qual a 1. freqncia acumulada crescente que contm 40 observaes: a 4 classe. Nesta classe tem-se: lir = 500, h = 100, f = 20 e faca = 33

Pgina 91
Conclui-se que 50% das filiais alcanaram vendas abaixo de 535.000. Pertencem ao segundo grupo de vendas todas as filiais com vendas de 418.700,00 a 535.000,00, isto , entre P25 e P50. Os demais clculos ficaram a cargo do aluno.
Captulo 8
Medidas de Disperso
Dois conceitos fundamentais aplicados Estatstica Descritiva so tendncia central e variao. Foi mostrado como a tendncia central de uma distribuio pode ser descrita usando-se a mdia/mediana/moda. Como medir a extenso de uma distribuio? importante ter uma medida, um padro de comparao para identificar a disseminao de dados em uma distribuio e para comparar os graus de extenso das distribuies. As medidas de disperso tm o objetivo avaliar o grau de concentrao dos diversos valores de um conjunto numrico de observaes em torno de uma medida de tendncia central. Quanto menor o valor da disperso, mais concentrado vai se tornando o conjunto numrico, mais concentrado, mais homogneo em relao s medidas de tendncia central. 1 - Amplitude Total 1.1 - Com Dados Isolados A amplitude total a diferena entre o maior e o menor valor do conjunto numrico. AT = V. Mx - V. Mn Exemplo 50 Dado o conjunto 7, 12, 9, 3 e 18, a amplitude total AT = 18 - 3 = 15. Esse valor representa o comprimento do conjunto. Quanto maior for a amplitude, tanto maior ser a disperso. Exemplo 51 So dados estes conjuntos: A = {14, 18, 13, 11, 16} AT = 18 - 11 = 7 B = {15, 21, 22, 27, 28} AT = 28 - 15 = 13 C = {40, 48, 82, 78, 90} AT = 90 - 40 = 50 O conjunto A mais homogneo que os demais. O conjunto A mais denso ou menos disperso que os demais. O conjunto C o de maior amplitude total, logo mais disperso que os demais. 1.2 - Com Dados Agrupados A amplitude total a diferena entre o limite superior da ltima classe e o limite inferior da primeira classe. AT = Ls (mx) - Li(min). Exemplo 52 Determinar a amplitude total da distribuio.
Estatstica Aplicada Administrao Medidas de Disperso

Pgina 95

Pgina 96
Tabela 22 - Exportaes Realizadas pela Empresa KKI, Maro / 2.001, em Mil Dlares
Fonte: Ministrio da agricultura At = 3000 600 = 2400
Exportaes 600 | 1000 1000 | 1400 1400 | 1800 1800 | 2200 2200 | 2600 2600 | 3000 TOTAL
fi 3 8 11 13 7 7 47
2 - Desvio Mdio a mdia aritmtica dos valores absolutos dos desvios de um conjunto numrico, tendo-se como base a mdia ou a mediana. 2.1 - Dados Isolados Dado um conjunto de valores x1, x2, x3 ... xn, o desvio mdio definido por:
Exemplo 53 Seja o conjunto de valores 4, 6, 10 e 12. Qual o desvio mdio? 1 - Calcula-se a mdia ou mediana. A mdia: = (4 + 6 + 10 + 12) / 4 = 8 2 - Calculam-se os desvios:
d1 = 4 - 8 = -4
d2 = 6 - 8 = -2
d3 = 10 - 8 = 2
d4 = 12 - 8 = 4
A soma dos desvios, com base na mdia, nula: di = (-4) + (-2) + 2 + 4 = 0 3 - Faz-se a soma, porque o desvio mdio a mdia aritmtica dos valores absolutos dos desvios: Dm = | (-4) | + | (-2) | + | 2 |+ | 4 |: 4 = 3
2.2 - Dados Agrupados Para dados agrupados, o desvio mdio definido por:

Pgina 97
Para calcular o desvio mdio, preciso calcular: Mdia ou mediana da distribuio; Desvio absoluto de cada ponto mdio mdia/mediana; Produto de cada freqncia simples pelo respectivo desvio absoluto Exemplo 54 Calcular o desvio mdio das exportaes da empresa KKI, em maro de 2.000: Tabela 23 - Exportaes da Empresa HPP, Julho / 2.007, em Mil Reais
Exportaes 80 | 100 100 | 120 120 | 140 140 | 160 160 | 180 180 | 200 200 | 220
Total
Fonte: Departamento de Vendas
fi 4 7 10 15 10 7 4 57
xi 90 110 130 150 170 190 210
fi | xi - | 4 | 90 - 150 | = 240 7 | 110 - 150 | = 280 10 | 130 - 150 | = 200 15 | 150 - 150 | = 0 10 | 170 - 150 | = 200 7 | 190 - 150 | = 280 4 | 210 - 150 | = 240 1.440
Verifica-se que a distribuio simtrica, uma vez que as classes eqidistantes em torno da maior freqncia tm a mesma freqncia simples, logo a mdia, a mediana e moda so iguais e o valor dessas medidas o ponto mdio da classe central, que, no caso, 150. Ento o desvio :
2.3 - Caractersticas do Desvio Mdio -O clculo pode ser efetuado com base na mdia ou na mediana, sendo

Pgina 98
mnimo quando for calculado com base na mediana. -No se consideram os desvios negativos, porque o desvio mdio calculado em termos absolutos. -Deve-se substituir o desvio padro quando for influenciado por valores que distorcem a realidade. -O desvio mdio menor que o desvio padro. Para uma distribuio normal, o desvio mdio igual a 79,79% do desvio padro. 3 - Variao Total a soma dos quadrados dos desvios calculados com base na mdia aritmtica. A variao total por Sxx e pelas frmulas pode ser assim representada:
Exemplo 55 Calcular a variao total do conjunto de valores: 4, 7, 9 e 20. Calcular a mdia do conjunto:
Calcular os desvios:
d1 = 4 10 = -6 d2 = 7 10 = -3 d3 = 9 10 = -1 d4 = 20 10 = 10
Nota-se que a soma dos desvios calculados com base na mdia nula. Como a variao total a soma dos quadrados desses desvios, tem-se: VT = Sxx = ( -6 )2 + ( -3 )2 + ( -1 )2 + ( 10 )2 VT = 14 A 2, formula:
Sabe-se que xi2 = 42 + 72 + 92 + 202 = 546 e que a mdia a variao total : Sxx = 546 4 x 102 = 146 A 3. formula: Sxx = xi2 - (i)2 / n
= 10. Logo

Pgina 99
xi2 = 42 + 72 + 92 + 202 = 546
A soma dos valores de x igual a 40, a variao total: Sxx = 546 (402 / 4) = 146 4 - Varincia a mdia aritmtica da soma dos quadrados dos desvios dos nmeros. uma medida de variabilidade ou disperso que visa a medir a concentrao quadrtica de um conjunto em torno da mdia aritmtica. Logo, dividindo-se a variao total por n, tem-se a varincia. Mas, segundo Student, para se obter uma varincia no tendenciosa, usa-se como divisor (n 1) no lugar de n.
Notas A mdia ou a mediana so ferramentas principais para representar o

comportamento de uma amostra, mas importante ter uma ferramenta quantitativa que diga como os dados se comportam em relao mdia.
As observaes, pontuaes ou respostas esto prximas da mdia, esto

todas agrupadas perto dela, ou esto espalhadas, com valores que variam muito em relao mdia. Todas essas notas descrevem o grau de disperso ou varincia em uma distribuio. 4.1 - Dados Isolados Mdia:
Estas expresses podem ser substitudas por,

Pgina 100
Nas frmulas da varincia, o numerador chamado de variao total e o denominador (n - 1), para todos os casos. Exemplo 56 Calcular a varincia do conjunto 7, 10, 14 e 17. Com as frmulas (1) e (2) da varincia: A mdia do conjunto:
Os desvios em torno da mdia
d1 = 7 - 12 = -5
d2 = 10 - 12 = -2
d3 = 14 - 12 = 2 d4 = 17 - 12 = 5
A soma dos desvios com base na mdia nula. Somando os desvios, temos: (-5) + (-2) + (2) + (5) = 0 Elevar cada desvio ao quadrado, realizar o seu somatrio, dividindo-o por (n 1):
A variao total: Sxx = 58.
A varincia:
Com a frmula (3) da varincia: Calcular o somatrio de X2 x2 = 72 + 102 + 142 + 172 x2 = 49 + 100 + 196 + 289 = 634 e n = 4

Pgina 101
A mdia
= 12 e elevando-a ao quadrado
= 144
Com a frmula (4) da varincia:
4.2 - Dados Agrupados Se os valores X1, X2,, X3 ... Xn ocorrerem com as freqncias f1, f2 , f3, .... fn vezes, respectivamente, ento a varincia ser definida por:
Para a frmula (1), necessrio o produto do quadrado de cada desvio pela respectiva freqncia simples. Para frmula (2), considera-se a soma do produto de cada freqncia pelo quadrado de cada um dos valores de x, alm da soma dos produtos de cada freqncia pelo respectivo valor de x. 5 - Desvio Padro Mede a variao ou disperso das observaes em torno da mdia aritmtica.
a raiz quadrada positiva da varincia. Estatstica Aplicada Administrao Medidas de Disperso

Pgina 102
5.1 - Clculo pelo processo abreviado Consiste na criao de uma origem arbitrria, que tem desvio nulo, se a 1. classe for de origem arbitrria. Logo os demais desvios se desenvolvem de unidade a unidade, classe a classe, de acordo com o crescimento da distribuio. Recomenda-se a escolha de uma classe intermediria, a origem arbitrria, pois, assim sendo, trabalha-se com valores relativamente pequenos. O desvio padro calculado em funo de uma origem arbitrria e desvios em unidades de classe torna os clculos mais simples. Os desvios unitrios so definidos por (xi - x0)/h, onde xi representa o ponto mdio de cada classe e xo representa o ponto mdio da classe origem. Assim, os desvios definem uma seqncia, como, por exemplo, 0, 1, 2, 3, 4, 5, 6... ou -2, -1, 0, 1, 2, 3, 4...ou -3, -2, -1, 0, 1, 2, 3... Tudo dependerda classe que se escolheu. O desvio padro definido por:
(F1)
onde u representa cada um dos desvios, em unidades de classe. Se d = Xi A o desvio de cada valor da varivel x, em relao a uma constante arbitrria A, o desvio padro definido por:
(F2)
A frmula abaixo representa, de uma maneira geral, (F1):
(F3)

Pgina 103
Exemplo 57 Determinar desvio padro do faturamento da empresa BBHHZ, no ms de agosto de 2007. Tabela 24 - Faturamento da Horizonte, Milhes de Reais Empresa BBHHZ, Agosto/2007, Belo
Vendas fi ui 40 | 50 2 0 50 | 60 5 1 60 | 70 8 2 70 | 80 12 3 80 | 90 18 4 90 | 100 13 5 100 | 110 10 6 110 | 120 8 8 120 | 130 4 8 Total 80 Fonte: Departamento de Vendas
fiui% 0 5 16 36 72 65 60 56 32 342
ui2 0 1 4 9 16 25 36 49 64
fiui2 0 5 32 108 288 325 360 392 256 1.766
Clculo do desvio padro: 1 - Calcular os desvios em unidade de classe ui. 2 - Calcular o produto de cada freqncia pelo respectivo desvio: fiu i. 3 - Elevar cada desvio em unidade de classe ao quadrado 4 - Multiplicar o resultado pela respectiva freqncia f i i2 . 5 - Aplicar a frmula.
2 i

Pgina 104
A frmula (3), tem-se:
No primeiro caso, usa-se (n-1) e no segundo n e no encontramos uma diferena significativa, porque a populao grande, ento usar 79 ou 80 no faz diferena. N grande quando n >30 5.2 - Propriedades do Desvio Padro / Varincia Primeira Propriedade O desvio padro maior do que o desvio mdio. Nas distribuies normais, o desvio padro , aproximadamente, 25% superior ao desvio mdio ou maior do que ele e o desvio mdio , aproximadamente 20% menor do que o desvio padro. Para distribuies com fraca assimetria pode-se ter as mesmas afirmativas. Assim, em uma distribuio normal, se o desvio padro for igual a 25, o desvio mdio ser, aproximadamente, igual a 80% de 25 = 20. Segunda Propriedade A varincia de uma srie de valores constantes nula. Var(C) = 0. Sendo a varincia nula, o desvio padro tambm ser nulo, bem como todas as medidas de disperso: amplitude total, desvio mdio, desvio quartil e a amplitude quartlica.
Exemplo 58 Para calcular a varincia do conjunto de valores 4, 4, 4, 4, 4, 4 e 4, sendo constante a srie de valores, a varincia, o desvio padro, o desvio mdio, o desvio quartil so nulos. Terceira Propriedade Somando-se ou subtraindo-se uma constante (C 0) a cada um dos valores de um conjunto, o desvio padro e a varincia no alteram o valor original. Var (X + C) = Var(X). Exemplo 59 Calcular a varincia do conjunto de valores 1, 2, 3, 4 e 5. Calculam-se os desvios com base na mdia. A mdia do conjunto 3 e os desvios calculados com base na mdia so (-2 ), ( -1 ), ( 0 ), ( 1 ) e ( 2 ). A soma dos desvios nula. A variao total calculada somando-se cada desvio ao quadrado. Sxx = 4 + 1+ 0 +1+ 4 = 10. Ento a varincia ser Var ( x ) = 10 / 4 = 2,5. Somand-se uma constante C a cada um dos valores desse conjunto, a varincia e o desvio padro no tm alterado o seu valor, mas a mdia fica somada com essa constante C. Exemplo 60 Determinado grupo de pessoas, em 2001, apresentavam a mdia de idade de 22 anos com um desvio padro de 2 anos. Em 2007, a mdia de idade do grupo foi de 22 + 6 = 28 anos e o desvio o mesmo, ou seja, igual a 2 anos. H dez anos atrs, a mdia era de 12 anos, apresentando o mesmo desvio padro, ou seja, 2 anos. Quarta Propriedade Multiplicando/dividindo-se cada um dos valores de um conjunto por uma constante (C 0), o desvio padro fica multiplicado/dividido por essa constante e a varincia fica multiplicada ou dividida pelo quadrado dessa constante: Var(CX) = C2 Var(X). Exemplo 61 Um conjunto de dados apresenta a mdia igual a 10 e o desvio padro igual a 3. Calcular a mdia, o desvio padro e a varincia do conjunto, se cada elemento foi multiplicado por 3 (3x). A mdia do conjunto igual a 3 x 10 = 30. O desvio padro da varivel

Pgina 105

Pgina 106
aleatria 3x igual a 3 x 3 = 9 A varincia da varivel aleatria 3x igual a 32 x 32 = 81 Quinta Propriedade A varincia da soma ou diferena de variveis independentes igual soma das respectivas varincias: Var(X Y) = Var(X) + Var(Y). Observa-se que a varincia de uma soma ou de uma diferena resulta sempre na soma das respectivas varincias, se as variveis forem independentes.
Exemplo 62 No ms de junho, a filial n. 1 da empresa PPYY vendeu 800 lanches/dia com desvio padro de 60 lanches/dia e a filial n. 2 vendeu 600 lanches/dia com desvio padro de 50 lanches/dia. Calcular o faturamento mdio dirio bem como o desvio padro dos lanches da empresa PPYY. As vendas das filiais so independentes. O faturamento mdio dirio ser a soma das duas mdias. A media da soma a soma das mdias. = 800 + 600 = 1.400 lanches/dia. Var ( x + y) = Var(x) + Var(x) = (60)2 + (50)2 = 3.600 + 2.500 = 6.100. O desvio padro a raiz quadrada da varincia, logo:
Sexta Propriedade Distribuio normal aquela que simtrica e continua, em torno da mdia. A distribuio normal apresenta seu grfico em forma de um sino, com pontos de inflexo em e a rea limitada pela curva e pelo eixo dos x igual a 1. Portanto, se uma distribuio for normal ocorrer: A rea compreendida entre a mdia mais ou menos um desvio padro envolve 68,26% das observaes do fenmeno: rea = 68,27%. A rea compreendida entre a mdia mais ou menos dois desvios padres envolve 95,45% dos casos: rea = 95,45%. A rea compreendida entre a mdia mais ou menos trs desvios padres envolve 99,72% dos casos: rea = 99,72%. A curva a seguir exemplo de uma curva normal:
Grfico 11 - Curva Normal Estatstica Aplicada Administrao Medidas de Disperso

Pgina 107
6 - Coeficiente de Variao (CV) Tem como finalidade comparar a disperso entre dois conjuntos. A disperso entres dois conjuntos calculado pela razo existente entre o desvio padro e a mdia O coeficiente de variao definido por:
O desvio padro mede a disperso absoluta de um conjunto, em torno da mdia, enquanto o coeficiente da variao mede a disperso relativa em torno da mdia. A importncia do CV est no estudo comparativo entre dois ou mais conjuntos, ou amostras de populaes diferentes. O conjunto que tem o menor CV o conjunto mais homogneo. Exemplo 63 A produo mdia diria de uma empresa de 480 unidades de televisores com o desvio padro de 30 unidades e a produo mdia diria de rdios de 400 unidades com o desvio padro de 40 unidades. Observa-se que a produo de televisores mostra menor disperso absoluta que a produo de rdios, mas, para comparao eficiente, usa-se o coeficiente de variao.

Pgina 108
A produo de rdio tem maior disperso relativa que a de televisores. A produo de televisores mais homogna, mais constante e mais confivel.
Captulo 9
Medidas de Assimetria/ Curtose
As medidas de assimetria / curtose tm como finalidade avaliar a forma de uma curva que retrata um polgono de freqncias, resultante de um conjunto de observaes, tendo-se como referencial a curva definida pela Curva Normal. 1 - Coeficiente de Assimetria Visa a avaliar o grau de afastamento ou deformao ou enviesamento de curva de uma distribuio de freqncia, cujo objetivo indicar a grandeza do afastamento, tendo-se como base a curva normal. Karl Pearson define a assimetria por:
Estatstica Aplicada Administrao Medidas de Assimetria/Curtose

Pgina 111
Usando-se o primeiro coeficiente de Pearson, as distribuies so classificadas em: Assimetria Negativa Forte: Ass -1; Assimetria Negativa Fraca: 1 Ass < 0; Distribuio Simtrica: Ass1 = 0; Assimetria Positiva Fraca: 0 < Ass1 < 1; Assimetria Positiva Forte: Ass1 1. necessrio, para aplicao dos coeficientes de assimetria de Pearson, com a maior aproximao possvel: A curva de freqncias ser unimodal; A distribuio de freqncias ter fraca assimetria; O nmero de obsevaes ser suficientemente grande; A escala que divide a distribuio se pequena. 2 - Distribuio Simtrica aquela em que as freqncias das classes eqidistantes, em torno da maior freqncia, so iguais. Na distribuio simtrica a mdia, a mediana e a moda so iguais. Mas, se essas trs medidas forem iguais, a distribuio no ser, necessariamente, simtrica, isto , a recproca no verdadeira.

Pgina 112
3 - Distribuio Assimtrica aquela que apresenta valores diferentes para a mdia, a mediana e a moda. Conjunto assimtrico positivo aquele que possui maior volume de informao na parte inicial, porque, na curva, a maior altura indica, no eixo dos x, a posio da moda, atravs de um segmento perpendicular ao eixo dos x, e a maior cauda indica o sentido positivo. A relao > md > mo ou mo < md < . A moda a menor dessas trs medidas, o que indica assimetria positiva. A maior cauda de um um polgono de freqncia indica o sentido positivo da distribuio e sempre se tem nela a mediana e a mdia. A mediana de uma amostra uma medida de tendncia central que divide os dados em partes iguais, metade abaixo da medida e a outra metade acima. Se o conjunto de dados constitudo por um valor par a mediada o valor mdio desses dados; se houver valor mpar de dados, a mediana o valor central. A moda da amostra o valor da observao que ocorre com maior freqncia. 4 - Assimetria Positiva aquela em que a mdia e a mediana so maiores que a moda. A maior cauda indica o sentido da assimetria. Por exemplo: Na Prefeitura de determinada cidade, a maior parte dos funcionrios tem salrios baixos, isto , h uma forte concentrao do nmeros de funcionrios com os menores salrios. Nesse caso, a maior altura do polgono ou histograma est na parte inicial. Esse ponto a moda, no caso o valor de maior freqncia. Empiricamente, a mediana se coloca a um tero de distncia da mdia e da moda. Observando-se o grfico a seguir, que representa um polgono de freqncias, a maior cauda indica o sentido negativo da distribuio.
Grfico 12 - Assimetria Positiva Estatstica Aplicada Administrao Medidas de Assimetria/Curtose

Pgina 113
Observando o grfico, pode-se dizer: 1. H mais funcionrios com salrios acima do salrio mediano do que abaixo do modal. 2. H mais funcionrios com salrios acima do salrio mediano do que acima do mdio. 3. H mais funcionrios com salrios abaixo do salrio mdio do que abaixo do mediano. 4. Dentre as trs medidas, a moda a menor. 5 - Assimetria Negativa definida pela relao < md < mo ou mo > md > . Conjunto simtrico negativo aquele que possui maior volume informaes na parte final. Verifica-se, no polgono de freqncia, que a maior cauda indica o sentido negativo da distribuio. Nela esto a mediana e a mdia. A mediana fica entre a mdia e a moda. Essa relao tem a moda como a maior das medidas.
Grfico 13 - Assimetria Negativa Estatstica Aplicada Administrao Medidas de Assimetria/Curtose

Pgina 114
Sendo negativa a assimetria, a moda a maior das medidas. 6 - Medidas de Curtose Tm como finalidade medir o grau de achatamento da curva que retrata um polgono de freqncia resultante de um conjunto de observaes, tendo como referencial a curva definida pela curva normal. 6.1 - Classificao da Curva Quanto ao grau do achatamento ou afilamento da curva, tendo-se como referncia a curva normal ou padro, pode-se classific-la em trs modalidades: Curva Leptocrtica: Possui maior grau de afilamento, mais fechada e mais aguda que a normal. Os dados esto mais concentrados em torno da moda, o que faz a curva ficar muito afilada. Curva Mesocrtica: Possui grau mdio de achatamento e est entre a leptocrtica e a platicrtica. A curva normal a uma curva mesocrtica. Os dados esto razoavelmente concentrados em torno da moda, o que fornece uma curva menos afilada. Curva Platicrtica: mais achatada que a normal. A concentrao em torno da moda fraca. 6.2 - Viso Conceitual Para medir o grau percentlico de curtose, utiliza-se a seguinte fmula:
6.3 - Classificao da Curtose pelo Grau Percentlico A curtose classifica-se em: Se K < 0,263, a curva relativa distribuio de freqncia leptocrtica. Se K = 0,263, a curva relativa distribuio de freqncia mesocrtica. Se K > 0,263, a curva relativa distribuio de freqncia platicrtica. Segundo essas especificaes, uma curva normal apresenta um coeficiente de curtose igual a 0,263, uma vez que esse valor define a curva mesocrtica. medida que esse valor vai aumentando, tem-se uma curva mais achatada, isto , uma curva platicrtica. Quando o valor do coeficiente de curtose fica aqum de 0,263, tem-se uma curva mais aguda que a normal, a curva leptocrtica. Pode-se tambm definir a curtose por momentos. Segundo Pearson, a curtose definida por: Estatstica Aplicada Administrao Medidas de Assimetria/Curtose
Pgina 115
m4 representa o quarto momento centrado na mdia e o S4 representa o desvio padro elevado quarta potncia. Para esses casos a classificao da curtose : Se A4 < 3, a curva relativa distribuio de freqncia platicrtica. Se A4 = 3, a curva relativa distribuio de freqncia mesocrtica. Se A4 > 3, a curva relativa distribuio de freqncia leptocrtica. Segundo essas especificaes, a curva normal apresenta coeficiente de curtose igual a 3, uma vez que esse valor define a curva mesocrtica. medida que esse valor for aumentando, tem-se uma curva mais afilada, mais condensada, mais homognea, isto , uma curva leptocrtica. medida que o valor do coeficiente de curtose vai ficando aqum de 3, tem-se uma curva mais achatada que a normal, uma curva platicrtica. A curtose pode ser tambm classificada curtose nula (quando a curva for mesocrtica), curtose positiva (quando a curva for leptocrtica) e curtose negativa (quando a curva for platicrtica).

Pgina 116
Afirmar que uma curva tem curtose positiva permite concluir que ela uma curva leptocrtica, tendo coeficiente percentlico de curtose menor do que 0,263 e coeficiente de momento maior do que 3. Afirmar que uma curva tem curtose nula permite concluir que ela uma curva mesocrtica, tendo coeficiente percentlico de curtose igual a 0,263 e coeficiente de momento igual a 3. Afirmar que uma curva tem curtose negativa, permite concluir que ela uma curva platicrtica, tendo coeficiente percentlico de curtose maior do que 0,263 e coeficiente de momento menor do que 3.
Captulo 10
Regresso x Correlao
1 - Introduo Entre as formas utilizadas para prever, estimar valores de uma populao e identificar o grau de relacionamento entre duas ou mais variveis esto a regresso e a correlao. A correlao refere-se medida do grau ou da fora de uma relao entre duas variveis. A regresso refere-se criao de um modelo matemtico ou equao usada para prever o comportamento de uma varivel em funo do comportamento de outra varivel. Exemplo 64 Observa-se que, medida que o volume de vendas dos restaurantes aumenta, especialmente dos restaurantes mais caros, o nmero de empregos sobe. possvel criar um modelo para descrever essa relao. Existe uma relao positiva entre o crescimento do nmero de empregos e o crescimento do volume de vendas. Exemplo 65 Considerando o nmero de vacinas para gripe aplicadas em pessoas idosas, no inverno, e o nmero relatado de casos de gripe, existe uma relao inversa entre o nmero de vacinas e o nmero de casos de gripe. 2 - Aplicaes A regresso/correlao pode ser utilizada para: Sumarizar, descrever ou apresentar um conjunto de dados com um modelo matemtico. Prever valores da varivel de interesse. Controlar a varivel de interesse em faixas pr-fixadas de valores. Estimar os parmetros desconhecidos de uma populao por modelos, equaes ou frmulas que representam o relacionamento entre as variveis. Verificar a fora ou grau de intimidade/relacionamento entre as variveis em estudo. A anlise de regresso uma tcnica estatstica utilizada para investigar e equacionar o relacionamento existente entre as diversas variveis de um fenmeno. Ela define um modelo matemtico que tenha a capacidade de representar o relacionamento existente entre as variveis de um fenmeno. A anlise de regresso fundamentada por estudo de dados amostrais e identifica um modelo matemtico e um nmero que definem a equao e o grau de relacionamento entre as variveis. O modelo matemtico e o grau de relacionamento entre as variveis
Estatstica Aplicada Administrao Regresso x Correlao

Pgina 119

Pgina 120
estabelecem a forma e a preciso dos dados amostrais para se verificar como duas ou mais variveis se relacionam entre si, numa pequena populao. A regresso est ligada a um modelo matemtico que pode ser linear, exponencial, logartmico, etc. A qualidade desse modelo definida pela correlao. Se a qualidade desse ajustamento no for boa para determinado modelo, implica a escolha de um outro modelo matemtico, que melhor se ajuste aos dados. Quando se traam os modelos matemticos em um grfico de linha, para representar a tendncia do fenmeno, o modelo que melhor se ajustar aos dados tem a propriedade de apresentar o melhor grau de correlao, relacionamento ou intimidade entre as variveis. 3 - Regresso Linear Simples Seja um conjunto de dados amostrais emparelhados. A funo definida pela equao = o + 1 x expressa o relacionamento linear entre duas variveis. O parmetro o o intercepto de y, isto , o ponto onde a reta corta o eixo dos y. O parmetro 1 a inclinao da reta ou o coeficiente angular ou o coeficiente de regresso ou variao marginal. Alm disso, preciso considerar o seguinte: o: Coeficiente linear. o ponto onde a reta intercepta o eixo das ordenadas, onde intercepta o eixo de y. 1: Coeficiente angular. o coeficiente de regresso, inclinao da reta. Variao marginal: a variao de uma varivel quando a outra sofre variao de uma unidade. Geralmente a reta estimada no passa por todos os pontos, portanto a equao apresentada deve ser modificada, considerando-se a existncia de erros entre o valor observado e o valor estimado ou projetado pela equao. O erro representado pelo ponto que no pertencem reta, haver erros, logo o novo modelo ser definido pela nova equao:
O erro (pson) definido pela diferena entre o valor observado e o estimado, levando-se em considerao a falha do modelo ao se ajustar aos dados. O modelo de regresso linear simples representado pela equao (1). Os parmetros o e 1 da equao 1 so valores desconhecidos da populao e devero ser estimados pela anlise de dados amostrais. A varivel x, em geral, denominada varivel independente, explicativa, regressora ou preditora; a varivel y denominada varivel dependente ou varivel resposta. No estudo da regresso, a varivel resposta uma varivel aleatria e a varivel regressora no necessariamente. O fundamento bsico que ambas sejam aleatrias.

Pgina 121
3.1 - Mtodo dos Mnimos Quadrados utilizado para ajustar uma linha reta/curva a um conjunto de pontos. A reta obtida ou ajustada tem duas caractersticas importantes: - A soma dos desvios verticais dos pontos em relao reta zero: (yi - ) = 0. -A soma dos quadrados desses desvios mnima e calculada pela fmula: ( yi )2
A reta de regresso calculada, partindo-se de dados amostrais, pode ser vista como uma estimativa do fenmeno ainda desconhecido que existe entre as duas variveis na populao. Assim, os coeficientes de regresso e servem como estimativas pontuais dos respectivos parmetros = populacionais e a equao da amostra y + x uma estimativa da = o + 1 x + , onde representa a populao definida pela equao: y disperso na populao. A disperso na populao significa que, para qualquer valor de x, h muitos valores possveis de y, ou seja, a anlise de regresso supe que, para cada valor possvel de x, h uma distribuio de valores de y que segue a lei normal. Na regresso linear simples, os parmetros populacionais o e 1 so desconhecidos e, para estim-los, usam-se os dados amostrais.

Pgina 122
3.2 - Equacionamento de um Fenmeno Sejam as variveis aleatrias x e y de um fenmeno. O equacionamento do fenmeno, pelo mtodo dos mnimos quadrados, envolvendo n pares (xi, yi) dessas variveis, leva a um sistema de duas equaes, em funo dos parmetros e que so os estimadores dos respectivos valores = + x, que minimizam a populacionais. Os valores de e , para a reta y o 1 soma dos quadrados dos desvios, so as solues das chamadas equaes normais da reta de regresso. O sistema definido por: y=n + x xy = x + x2 Tem-se e que so os valores estimados dos parmetros populacionais o e 1 . Exemplo 66 Foram selecionadas aleatoriamente, de determinado setor produtivo, quatro fbricas que apresentaram, em janeiro de 2.007, gastos com matria-prima (x) da ordem de 1, 2, 3 e 4 milhes de reais, quando alcanaram um faturamento (y) da ordem de 7, 11, 15 e 19 milhes de reais, respectivamente. Para construir um modelo de regresso linear simples, para visualizar a tendncia dos gastos e do faturamento dessas fabricas, monta-se uma tabela para identificar os valores do sistema y=n + x xy = x +x
Consideram-se os valores de y, x, x y, x2 e n (tamanho da amostra) que esto calculados na tabela a seguir. Resolvendo o sistema, temos os valores de e que so os estimadores dos respectivos parmetros populacionais. Tabela 25 - Gastos e Faturamento de Quatro Fabricas em Janeiro de 2007
x 1 2 3 4 x = 10
Y 7 11 15 19 y = 52
xy 7 22 45 72 xy = 150
x2 1 4 9 16 2 x = 30
Fonte: Setor de Planejamento A tabela fornece os seguintes valores:
y = 52
Tem-se o sistema: 52 = 4 150 = 10 + 10 + 30
x = 10
xy = 150
x2 = 30
n=4

Pgina 123
1.o equao 2.o equao , multiplicando a 1. equao por (-10 / 4) = , multiplicar a 1. equao por (-30 / 10) = -3. e soma-se
Pode-se eliminar a varivel - 2,5 . Ou, para eliminar
Multiplica-se a 1. equao por (-10 / 4), elimina-se a varivel o resultado 2. equao. 52 = 4 150 = 10 + 10 + 30 1. equao x ( - 2,5 ) 2. equao
Multiplica-se a 1. equao por - 2,5: -2,5 x 52 = -2,5 x 4 - 2,5 x 10 -130 = -10 - 25 + 30 , tem-se:
Somando-se esta equao com a 2., 150 = 10 -130 = -10 - 25
1. equao multiplicada por -2,5
150 = 10 + 30 2. equao ____________________ 20 = 0 valor de + 5 Equao resultante do sistema que nos dar o
Observa-se que a equao se reduziu a: 20 = 5
= 20 / 5 = 4. ,
Substituindo este valor em uma das equaes, tem-se o valor de ento: 52 = 4 + 10 x 4 52 - 40 = 4 4 = 12 = 3.

Pgina 124
O modelo de regresso linear simples :
= 3 + 4x
Com o modelo construdo, podem-se fazer projees como: se uma fabrica apresentar um gasto com matria-prima de 5 milhes de reais, qual ser a tendncia de suas vendas? Se x = 5 = 3 + 4x = 3 + 4 . 5 = 23 milhes de reais
Se uma fabrica pretender faturamento de 30 milhes de reais, qual ser a tendncia de seus gastos? Se y = 30 30 = 3 + 4 reais 30 3 = 4 = 27/4 = 6,75 milhes de
4 - Variao Total o somatrio dos quadrados dos desvios, calculados em torno da mdia de uma varivel. representada por VT ou SQT ou Sxx e Syy. A VT o numerador da frmula do desvio padro ou da varincia da respectiva varivel. A variao total da varivel x pode ser definida por: Sxx = ( xi - )2 F1 Sxx = xi2 - n ( )2 F2 Sxx = xi2 - ( xi)2 / n F3 A variao total, dividida por (n 1), d a varincia. Exemplo 67 Calcular a variao total dos gastos com matria-prima, para os dados do exemplo 66. 1) Calcular a variao total, usando-se a frmula dos desvios: F1 Calcula-se a mdia da varivel, dos desvios, dos quadrados dos desvios e da soma. Pelo conceito, a variao total da varivel x a soma dos quadrados dos desvios em torno da mdia da varivel x. 2) Calcular o gasto mdio com matria-prima: = ( xi ) / n = 10 / 4 = 2,5 3) Calcular os desvios em torno do gasto mdio com matria-prima, isto , ( xi - ): (1 - 2,5 = -1,5), (2 - 2,5 = - 0,5), ( 3 - 2,5 = 0,5) e (4 - 2,5 = 1,5) c) Variao total - Calcular o valor de cada desvio - a sua soma denominada
de variao total Sxx = (-1,5)2 + (0,5)2 + (1,5)2 + (0,5)2 = 5 Nota - 5 igual ao do coeficiente do na equao definido no sistema.

Pgina 125
2) Clculo da variao total, usando a terceira frmula: F3 Sxx = xi2 - ( xi )2 / n = 30 - (10)2/ 4 = 30 - 25 = 5 3) Clculo da variao total, usando a terceira frmula: F2 Sxx = xi2 - n ( )2 = 30 4 x ( 2,5 )2 = 5
Exemplo 68 Calcular a varincia total dos gastos com matria-prima, para os dados do exemplo 66. A varincia a mdia aritmtica dos quadrados dos desvios. Pode-se concluir que a varincia igual variao total dividida por (n 1). Trabalhando com pequenas amostras usamos (n-1) no lugar de n. Seja a frmula da varincia: S2 = ( xi S2 = xi2 - n ( )2 / n -1 F1 )2 / n -1 F2
S2 = xi2 - [( xi )2 / n] / n -1 F3 Usaremos a frmula dos desvios: F1 Necessitamos da mdia da varivel, dos seus desvios, dos quadrados destes desvios e de sua soma. a) Calculo do gasto mdio com matria prima de uma fabrica, = ( xi ) / n = 10 / 4 = 2,5 b) Clculo dos desvios em torno do gasto mdio, isto , ( xi - ) : (1 - 2,5 = -1,5), (2 - 2,5 = - 0,5), ( 3 - 2,5 = 0,5) e (4 - 2,5 = 1,5) c) Elevando cada desvio ao quadrado, a sua soma denominada de variao total.

Pgina 126
Sxx = (-1,5)2 + (0,5)2 + (1,5)2 + (0,5)2 = 5 d) Dividindo a variao total por n -1: A varincia dos gastos ser: S2 = Sxx / n - 1 = 5 / 3 = 1,67 Exemplo 69 Calcular o desvio padro dos gastos com matria-prima, para os dados do exemplo 66. O desvio padro a raiz quadrada positiva da varincia:
Exemplo 70 Calcular a variao total das vendas, para os dados do exemplo 66. Atravs da frmula dos desvios: F1. Para o uso desta frmula, necessita-se da mdia da varivel, dos desvios, dos quadrados desses desvios e da soma. A variao total das vendas (varivel y) a soma dos quadrados dos desvios em torno da mdia desta varivel. a) Clculo do faturamento mdio de uma fabrica: = ( yi )/n = 52 / 4 = 13
b) Clculo dos desvios em torno do faturamento mdio de uma fbrica: (7 - 13 = 6), (11 - 13 = 2), (15 - 13 = 2) e ( 19 - 13 = 6 ) c) Clculo da variao total Syy = (6)2 + (2)2 + (2)2 + (6)2 = 36 + 4 + 4 + 36 = 80 Exemplo 71 Calcular a varincia total das vendas, para os dados do exemplo 66. A varincia a mdia aritmtica dos quadrados dos desvios e a varincia igual variao total dividida por (n 1). Pela frmula da varincia da varivel y:
S2 = (yi -
)2 / n -1 F1
S2 = yi2 - n ( )2 / n -1 F2 S2 = yi2 - [( yi )2 / n] / n -1 F3 Usa-se a frmula dos desvios: F1. Necessita-se da mdia da varivel, dos desvios, dos quadrados desses desvios e da soma. a) Clculo do faturamento mdio de uma fabrica 13 = ( yi ) / n = 52 / 4 =

Pgina 127
b) Clculo dos desvios em torno do faturamento mdio de uma filial: (7 - 13 = 6), (11 - 13 = 2), (15 - 13 = 2) e (19 - 13 = 6) c) Variao total : Syy = (6)2 + (2)2 + (2)2 + (6)2 = 36 + 4 + 4 + 36 = 80 d) Varincia: A varincia definida por S2 = Syy / n - 1 = 80 / 3 = 26,67 Exemplo 72 Calcular o desvio padro das vendas destas fbricas para os dados do exemplo 66. O desvio padro a raiz quadrada positiva da varincia: S=
2 6 ,6 7 = 5,16
Exemplo 73 Calcular a equao de regresso linear, por [frmulas pr-definidas conforme o exemplo 66.
Estimativa do coeficiente angular:

Pgina 128
Estimativa do coeficiente linear: A equao : = 3 + 4x
- 1
= 13 - 4 x 2,5 = 3
Pode-se usar uma frmula mais simples:
Estimativa do coeficiente angular:
5 - Notas sobre a Regresso Linear Simples Os dados para a anlise de regresso provm de observaes de variveis emparelhadas (pares ordenados). CONFERIR Um problema de duas variveis, cada observao apresenta dois valores, um para cada varivel. A regresso linear simples estabelece uma equao matemtica linear para descrever o relacionamento entre duas variveis. Na regresso, os valores da varivel y so preditos, estimados ou ajustados, com base em valores dados ou conhecidos da varivel x. A varivel y chamada varivel dependente. A varivel x, chamada independente. Partindo-se dos dados amostrais, cada valor de xi da varivel explicativa corresponde a um valor terico yi da varivel resposta, que se diferencia do valor observado pelo erro ei = yi . Condies tericas requeridas pelo modelo de regresso linear: - A varivel x uma varivel determinada e a varivel y aleatria.
- Para cada valor xi de x, os valores de y correspondentes tm distribuio normal com mdia = E (y) no ponto xi e varincia 2. - As variveis yi para cada valor xi de x so independentes. - As mdias de regresso. da varivel y e da varivel x esto situadas sobre a reta

Pgina 129
5.1 - Variao Residual Dado um par de dados amostrais (x, y), um resduo a diferena (y ) entre um valor amostral observado y e o valor previsto com base na equao de regresso. Observe que os resduos () representam aquilo que o modelo de regresso no foi capaz de explicar. Elevando esses resduos ao quadrado, o seu somatrio define a Variao Residual ou a Soma Residual dos Quadrados. VR = SQR = (y i )
Do conceito da variao residual surgem os conceitos da varincia residual e do erro padro da estimativa. Dividindo-se a variao residual por (n 1), teremos a varincia e a raiz quadrada positiva desta varincia define o erro padro da estimativa. Varincia residual:
Erro padro da estimativa;
A variao residual (VR) a soma dos quadrados dos desvios residuais. A variao residual varia com a reta escolhida, isto , depende dos estimadores de o e 1. Quanto menor o valor de Variao Residual, melhor ser o ajuste dos dados equao de regresso. Um bom ajuste ser aquele em que Variao Residual for o menor valor possvel. O princpio bsico do mtodo dos mnimos quadrados tomar como estimativa dos parmetros populacionais o e 1 valores que minimizam a
soma dos quadrados dos desvios residuais. Estatstica Aplicada Administrao Regresso x Correlao
Pgina 130
5.2 - Fundamentos do Erro Residual No estudo da equao de regresso linear simples = o + 1 x, + , o erro () uma varivel aleatria sobre a qual se fazem estas as suposies: - Os erros tm mdia zero e a mesma varincia. - Os erros so variveis independentes. Os erros no so correlacionados, isto , o valor de um erro no depende de qualquer outro erro. - A varivel explicativa x no uma varivel aleatria. - Os erros tm distribuio normal. - A varivel resposta y, sendo em funo de , uma varivel aleatria, isto , para cada valor de x existe uma distribuio de valores de y. - Todas as distribuies tm a mesma varincia e suas mdias esto sobre a reta de regresso = o + 1 x, ainda desconhecida. As distribuies que tm a mesma varincia so denominadas de distribuies homoscedsticas: as que tm varincias diferentes so denominadas de heteroscedsticas. 5.3 - Variao Explicada O erro explicado o que o modelo de regresso tem condies de explicar. Tais erros so definidos pela diferena existente entre os valores esperados e o mdio. Se elevados ao quadrado, o seu somatrio denominado de variao explicada ou soma explicada dos quadrados ou variao explicada pela regresso: VE = ( - )2 A variao explicada definida pelo produto do quadrado do coeficiente angular pela variao total da varivel x: VE = ( )2 Sxx A variao total a soma das variaes explicada e residual, portanto: VT = VE + VR Exemplo 74 Calcular a variao explicada das vendas das diversas fabricas, para os
dados do exemplo 66. A variao total de x, foi calculada sendo Sxx = 5, bem como o coeficiente angular 1 = 4, ento a variao explicada : VE = ( )2 Sxx =(4)2 x 5 = 16 x 5 = 80 O quadrado mdio da regresso (QMReg), ou seja, a varincia da regresso (Sr2), definida por Student com um grau de liberdade. A varincia explicada igual variao explicada: Varincia explicada = [( )2 Sxx] / 1 = (80 / 1 ) = 80 = VE. Exemplo 75 Calcular a variao residual das vendas, para os dados do exemplo 66. A variao total a soma das variaes explicada e no explicada: VT = Syy = VE + VR.

Pgina 131
A variao total e explicada igual a 80, logo a variao residual ou no explicada nula. Ento, todas as variaes das vendas so plenamente explicadas pelas variaes dos gastos. Neste caso no h erros, porque todos os pontos pertencem reta. H relao perfeita entre as variveis x e y. Exemplo 76 A varivel X assume os valores: X = { 1, 2, 3, 4 } e a varivel Y assume os valores: Y = { 7, 11, 15, 19 } A varivel X cresce de unidade a unidade enquanto a varivel Y cresce de quatro em quatro unidades. Ento para cada unidade da varivel X a varivel Y cresce quatro unidades. O coeficiente angular uma constante a ser somada varivel Y em funo do crescimento de uma unidade de X. Logo o coeficiente angular igual a 4. A varivel Y igual a 4 vezes a varivel X mais uma constante que ser o valor do coeficiente linear. Neste caso: 7=4x1+aa=3 11 = 4 x 2 + a a = 3 15 = 4 x 2 + a a = 3 medida que o valor da varivel x aumenta uma unidade, o valor esperado da varivel y aumenta o valor de .

Pgina 132
No modelo acima, medida que o valor de x aumentar uma unidade o valor de y aumenta 4 unidades e o modelo 3 + 4x. Pode-se concluir que o conjunto X multiplicado por 4 e somado de trs unidades igual ao conjunto Y. Ento se podem tirar algumas concluses; - A mdia do conjunto Y igual a quatro vezes a mdia de X mais trs unidades. - O desvio padro da varivel Y igual a quatro vezes o desvio padro de X. Multiplicando-se cada elemento de um conjunto por uma constante, a mdia e o desvio padro ficaro multiplicados pela respectiva constante. Mas somando-se uma constante a cada elemento de um conjunto, soma se tambm a mdia a essa constante, sendo que o desvio padro no altera o seu valor. A relao entre as variveis x e y da equao porque todos os pontos pertencem reta. 5.4 - Propriedades do Coeficiente Angular Seja um coeficiente angular igual a 1 definido pelas variveis x e y. Multiplicando-se cada um dos valores da varivel x por uma constante c1 e multiplicando-se cada um dos valores da varivel y por uma constante c2, o coeficiente angular das variveis c1 x e c2 y ser igual a: c2 1 / c1. Seja um coeficiente angular igual a 1 definido pelas variveis x e y. Somando-se a cada valor da varivel x uma constante c1 e a cada valor da varivel y uma constante c2, o coeficiente angular das variveis (c1 + x) e (c2 + y) ser igual 1, isto , no se altera. 5.5 - Propriedades do Coeficiente Linear Seja um coeficiente linear igual a 0 definido pelas variveis x e y. Multiplicando-se cada um dos valores da varivel x por uma constante c1 e multiplicando-se cada um dos valores da varivel y por uma constante c2, o coeficiente linear das variveis c1 x e c2 y ser igual a c2 0. Seja um coeficiente linear igual a 0 definido pelas variveis x e y. Somando-se a cada valor da varivel x uma constante c1 e a cada valor da varivel y uma constante c2, o coeficiente linear das variveis = 3 + 4x perfeita
(c1 + x) e (c2 + y) ser igual a 0 + c2 - c1 1 . 6 - Diagrama de Disperso um grfico de linha em que se registram, no eixo das abscissas, os valores da varivel x e, no eixo das ordenadas, os valores da varivel y. um grfico no qual cada par de observaes das variveis independente e dependente registrado como um ponto no plano xy. Aps o lanamento desses pontos no plano, traa-se por ele a reta projetada para uma viso do ajuste do modelo aos dados amostrais. O objetivo bsico visualizar a existncia ou no de uma relao linear aproximada entre as variveis de um fenmeno em estudo. Um exemplo do diagrama de disperso apresentado a seguir.
Grfico 14 - Grfico de Disperso Estatstica Aplicada Administrao Regresso x Correlao
Pgina 133
Sejam as variveis vendas e gastos com propaganda. de se esperar excelente grau de relacionamento entre as duas variveis. A correlao significante, porque existe causa e efeito, como pde ser observado na figura. 6.1 - Correlao Linear Simples Determinar o grau de associao/relacionamento encontrado na anlise de regresso a finalidade da anlise de correlao. A anlise de correlao de duas variveis representada por um nmero que resume o grau de intimidade entre duas variveis e a

Pgina 134
anlise de regresso tem como resultado uma equao matemtica que descreve o relacionamento entre as variveis. A disperso na populao significa que, para qualquer valor de x, haver muitos valores possveis de y e quanto maior for a disperso pior ser o grau de relacionamento entre as variveis. A correlao um nmero real que mede o grau de intensidade, intimidade entre duas variveis, sendo definida no intervalo de [-1, 1]. Se uma correlao linear simples apresenta um valor igual a -1 ou +1, definimos que ela perfeita, ou seja, no houve erros. Logo todos os pontos pertencem reta. Se as variveis crescerem no mesmo sentido, a correlao ser positiva. Se as variveis crescerem em sentido opostos, a correlao ser negativa. 6.2 - Visual Grfico da Correlao A correlao um nmero real que varia de [-1, 1]. Quanto mais prximo ao valor 1 ou -1, ou seja, quanto mais o valor tende aos extremos deste intervalo, a relao entre as variveis atinge perfeio. Quando tal valor atinge a sua parte intermediria (tende a zero), dizemos que a correlao nula. A viso das diversas representaes da correlao apresentadas nos grficos a seguir.
Figura 1 - Grficos de Correlao Estatstica Aplicada Administrao Regresso x Correlao

Pgina 135
6.3 - Observaes sobre os grficos da correlao No grfico a, a correlao positiva (0 < r < 1) valores crescentes de x esto associados a valores crescentes de y. No grfico b, a correlao negativa (-1< r < 0) valores crescentes de x esto associados a valores decrescentes de y.
No grfico c, a correlao linear.

Pgina 136
No grfico d, a correlao nula as variveis x e y so independentes. Neste caso, os valores da varivel x esto associados a valores ora crescentes, ora decrescentes de y. No existe relao de causa e efeito entre as variveis. No grfico e, a correlao perfeita positiva (r = +1), as variveis x e y so dependentes. Estas variveis apresentam uma relao perfeita positiva ou direta, isto , as variveis crescem no mesmo sentido. No grfico f, a correlao perfeita negativa (r = -1), as variveis x e y so consideradas dependentes. Estas variveis apresentam uma relao perfeita negativa ou inversa. As variveis crescem em sentidos opostos. Observa-se que nos grficos h e i que todos os pontos esto em uma reta. A correlao resultante no est definida, pois apresenta numerador e denominador nulos. No grfico h o desvio padro de x nulo e no i o desvio padro de y nulo, logo r = 0 em ambos os casos. Para uma perfeita correlao ou uma correlao perfeita a correlao ser +1 ou -1. Para esta situao todos os valores das variveis definem pontos que satisfazem exatamente uma equao. Diz-se que elas esto perfeitamente correlacionadas ou que h uma correlao perfeita entre elas. 7 - Conceituar Correlao 7.1 - Primeiro Conceito da Correlao Vamos definir a correlao, simbolizada por r como a raiz quadrada da razo existente entre a variao explicada (VE) e a variao total (VT), sendo representada por:

Pgina 137
Vamos definir a variao explicada em funo das variaes total e residual, logo: VT = VE + VR VE = VT - VR ou VR = VT - VE A variao total pode ser calculada: Syy = ( y )2 Syy = y2 - ( y )2 / n Syy = y2 - n ( )2
A variao explicada pode ser calculada: VE = 2 VE = ( )2 Sxx VE = Sxy
Pode-se calcular a variao no-explicada: VR = (1 - r2) Syy. Para quando desejarmos a variao residual de y VR = (1 - r2) Sxx. Para quando desejarmos a variao residual de x 7.2 - Segundo Conceito da Correlao A correlao entre x e y igual ao produto do coeficiente angular pela razo entre os desvios padro de x e y. Sendo assim definida por: r = 1 S / S. 7.3 - Propriedades da Correlao - Um coeficiente de correlao significante no indica, necessariamente, uma ao de causa e efeito; - A correlao existente entre duas variveis um nmero real pertencente ao intervalo [-1,1 ]; - Se a correlao entre duas variveis x e y for menor do que zero (negativo), ento as variveis x e y movem-se em direo oposta;

Pgina 138
- Se a correlao entre duas variveis x e y for maior do que zero (positivo), ento as variveis x e y variam na mesma direo; - Se a correlao entre duas variveis x e y for igual a -1: (r = -1), ento temos uma correlao negativa perfeita, isto , todas as observaes da amostra caem sobre uma linha reta de inclinao negativa ou coeficiente angular negativo; - Se a correlao entre duas variveis x e y for igual a 1: (r = +1), ento a situao refere-se a uma correlao positiva perfeita, isto , todas as observaes da amostra esto sobre uma linha reta de inclinao positiva; - Quanto mais prximo a correlao estiver dos extremos do seu intervalo, maior o grau da relao linear entre as variveis; - Quando o coeficiente de correlao linear entre duas variveis x e y for igual a zero, tais valores tendem a variar sem relao uns com os outros; - Se as variveis aleatrias x e y forem independentes, o coeficiente de correlao entre elas ser nulo. A recproca, em geral, no verdadeira. - Coeficiente de correlao um nmero adimensional, isto , independe das unidades de medida das variveis x e y. - Somando-se ou subtraindo-se uma constante c1 a cada valor da varivel X e uma constante c2 a cada valor da varivel Y, o coeficiente de correlao no se altera. - Multiplicando-se ou dividindo-se cada um dos valores da varivel X por uma constante c1 e cada um dos valores da varivel Y por uma constante c2, o valor absoluto do coeficiente de correlao linear no se altera, mas o seu sinal ser o resultado do produto dos sinais destas constantes. - Se a correlao linear simples for perfeita o desvio padro da varivel dependente igual ao produto do coeficiente angular pelo desvio padro da varivel independente.
7.4 - Determinao Linear O coeficiente de determinao indica quantos por cento a variao explicada pela regresso representa da variao total. A determinao mede a qualidade do ajustamento de duas ou mais variveis aleatrias. A determinao razo entre a variao explicada e a total. Quanto maior for a variao explicada maiores sero a determinao e a correlao. Simbolicamente representamos por:

Pgina 139
O coeficiente de determinao o percentual de flutuao da varivel dependente plenamente justificado pelas variaes da varivel independente. - Se o coeficiente de determinao for igual a 1: (se R2 = 1) todos os pontos observados se situam sobre a reta de regresso. O ajuste perfeito. As variaes de y so 100% explicadas pelas variaes de x atravs da funo especificada, no havendo desvios em torno da funo estimada. - Se o coeficiente de determinao for igual a zero: (se R2 = 0) as variaes de y so exclusivamente aleatrias, e a introduo da varivel x no modelo no definir nenhuma informao sobre as variaes de y. - O valor da determinao R2 pode variar de 0 a 1. Quando a variao no explicada ou residual for um grande percentual da variao total (isto , a variao explicada uma percentagem pequena), R2 ser pequeno. - Quando a disperso em torno da reta de regresso for pequena em relao variao dos valores de y em torno de sua mdia, ento a variao explicada responde por uma grande percentagem da variao total, e R2 estar mais prximo de 1.
Captulo 11
Nmeros ndices
1. Introduo Nmero ndices podemos defini-lo com uma medida para demonstrar as variaes de um conjunto de variveis ou de uma varivel em um perodo considerado e possibilita demonstrar a evoluo de um fenmeno. um Instrumento utilizado para medir as alteraes verificadas em um conjunto de variveis ao longo de um determinado perodo de tempo e visa dar um valor quantitativo a um conjunto de medidas para as quais no existe uma unidade comum de medida. 2. ndices Simples O ndices simples aplicado na anlise quando envolve apenas uma variavel. Os ndices simples podem ser: o ndice relativo a preos, o de quantidade e o de valor. 2.1 - ndice Relativo a Preo - IRP Sejam Pn e Po os preos atual e bsico de um produto, respectivamente. O ndice relativo a preos bem como a evoluo dos preos, no perodo, sero:
Estatstica Aplicada Administrao Nmeros ndices
Pgina 143
A expresso IRP representa o ndice relativo a preos. A expresso Ep representa a evoluo dos preos. 2.2 - ndice Relativo a Quantidade - IRQ Sejam Qn e Qo as quantidades atual e bsica, respectivamente de um produto. Ento, o ndice relativo a quantidades bem como a evoluo destas quantidades neste perodo, sero de:

Pgina 144
A expresso IRQ representa o ndice relativo a quantidade. A expresso Eq representa a evoluo das quantidades. 2.3 - ndice relativo a Valor - IRV Seja: Pn e Qn preo e quantidade de um produto no perido atual. Po e Qo preo e quantidade de um produto num perodo bsica (referncia). Vn = Pn . Qn Vendas atuais. Vo = Po . Qo Vendas no perodo bsico (referncia). O nmero ndice relativo a valor IRV a razo existente entre as vendas atuais e as de uma poca de referncia. Sendo:
A expresso IRV representa o ndice relativo valor / venda. A expresso Ev representa a evoluo percentual deste valor/ vendas. O ndice relativo a valor (IRV) o resultado do produto do ndice de preos pelo respectivo ndice de quantidades, expressos em ndices unitrios. 2.4 - Frmula Geral - ndices Relativos As frmulas dos ndices relativos a preo, a quantidade, a valor ou de
qualquer fenmeno, so representados:

Pgina 145
A expresso IRF representa o ndice relativo a um fenmeno qualquer. A expresso Ef representa a evoluo percentual do IRF Exemplo 77 O preo de um determinado produto P em abril/2007 era de R$ 50,00 e em maio/2007 era R$ 70,00. Qual foi o ndice relativo a preos em maio/2007 tendo como referencia ou com base em abril/2007?
O ndice relativo a preos foi de 140% e a evoluo dos preos foi de 40%. O valor 40% representa a variao, o crescimento, o reajuste dos preos em maio com base em abril; O valor 140% representa o ndice de preos do produto P em maio, com base em abril; O valor 1,4 que o resultado de 70/50, representa o ndice unitrio relativo a preos do produto P, em maio. A taxa unitria 0,4 mais 1 representa o ndice unitrio que de 1,4. Exemplo 78 A inflao de fevereiro/2008 foi de 2%. A inflao representa a variao dos preos de um conjunto de produtos.

Pgina 146
O valor 2% representa a elevao, a variao, o crescimento dos preos de um conjunto de produtos em fevereiro/2008, com base em janeiro/2008. O valor 102%, isto , a inflao mais 100% representa o ndice da inflao e o valor 102/100 = 1,02 representa o ndice unitrio da inflao. Vendas = Preos x Quantidades = Faturamento As vendas representam o produto de cada um dos preos pelas respectivas quantidades vendida. Usando a evoluo dos preos e a das quantidades em um perodo considerado, transformadas em ndices unitrios, o ndice relativo a vendas IRV ser: IRV = ( IRP x IRQ) O Observe que o ndice unitrio relativo a valor igual ao produto dos ndices unitrios relativos a preos e quantidades. Logo, a elevao, o crescimento ou a evoluo do valor / vendas ser: Ev = ( IRP x IRQ) 100 - 100 Por outro lado, no podemos esquecer de que desta frmula surgem as seguintes:
Sendo IRV, IRP e IRQ expressos em ndices unitrios. Sendo que: Dividir um valor por outro, temos como resultado um ndice unitrio. Multiplicar tal resultado por 100, obtem-se o ndice percentual deste fenmeno e se subtrar 100 deste resultado, obtem-se a sua variao/ crescimento/evoluo percentual. Os calculos envolvidos no estudo de nmeros ndices so realizados
utilizando os ndices unitrios. Exemplo 79 Os preos do produto P, em agosto/2007, cresceram 20% e as suas quantidades vendidas aumentaram 10%. O ndice relativo a vendas e a sua evoluo sero: IRV = (IRP x IRQ).100 IRV = (1,2 x 1,1).100 = 132% Ev = (1,2 x 1,1).100 - 100 = 32% O ndice relativo a vendas foi 132%, a evoluo ou crescimento das vendas foi 32% e o ndice unitrio das vendas de 1,32. Exemplo 80 Em agosto/2007 as vendas di produto K cresceram 30% enquanto que os preos foram reajustados em 20%. Qual o ndice relativo a quantidades:
Pgina 147
O ndice relativo a quantidades foi 108,33%, as quantidades vendidas cresceram 8,33% e o ndice unitrio das quantidades foi 1,0833. Exemplo 81 Em agosto/2007, a empresa faturou 120 mil toneladas do produto PP representando um crescimento de 20%, com base nas quantidades faturadas em julho/2007. Qual foi a sua quantidade faturada em julho/2007? O valor futuro igual ao valor passado (referencia) multiplicado pelo ndice unitrio do perodo elevado a n, sendo: VF = VP(i + 1)n VF = Valor futuro
VP = valor presente
Pgina 148
VF - Valor futuro vendas agosto/2007 = 120, i = 0,2 e n = 1. VP = representar as vendas de julho, ento:
120 = VP(0,2 + 1)1 120 = VP x 1,2 120 = 1,2VP VP = 120/1,2 = 100
3 - Evoluo de um Fenmeno No mbito do gerenciamento das diversas variveis que interferem no dia a dia da atividade econmica da empresa, surgem as variveis: o preo, a quantidade faturada e o faturamento dos produtos da empresa. Na gesto dos preos de um produto no devero ser levados em considerao apenas os preos de custo, de matria prima, de mo de obra, o preo fixo do produto mas sim toda uma rede de marketing necessria para, em primeiro lugar, conhecer todos os produtos similares do mercado e em segundo lugar, atrair e conscientizar a populao sobre qualidade, preo, etc. dos produtos da empresa. Desta forma, importante o acompanhamento dos reajustes de preos, das quantidades faturadas, no somente da empresa mas dos principais concorrentes. Dentro desta viso, para definir a evoluo de um fenmeno em qualquer atividade, levaremos em considerao: 3.1 - Evoluo de um Fenmeno Partindo-se de Dados Originais Pode-se definir, como dados originais, o preo, a quantidade faturada ou produzida, o faturamento ou qualquer srie de ndices com base fixa. Sejam dados: Vn representando um valor atual e Vo representando um valor bsico ou referencial. Ento, a evoluo deste fenmeno, em um perodo, ser definida por:

Pgina 149
Desejando-se a evoluo mdia, a cada unidade de tempo, usar a mdia geomtrica. A evoluo mdia ser:
Exemplo 82 O faturamento de um supermercado, em setembro foi de 600 mil reais. No ms seguinte, o seu faturamento foi de 660 mil reais. Qual foi a evoluo de suas vendas?
Exemplo 83 Em dezembro/2007, a Empresa KK faturou 500 mil reais e em fevereirol/2008 o seu faturamento foi de 600 mil reais. informado que, o ndice Geral de Preos de Mercado, o IGP-M, com base em janeiro de 2002, foi, em dezembro/2007 de 2.000%, e em abril/2008, de 2.200%. No perodo, qual foi a evoluo das vendas e a da inflao? As vendas e o IGP-M com base fixa (janeiro de 2002) definem dados originais, temos que:
Conlcui-se que as vendas cresceram 20% e a inflao cresceu 10%.

Pgina 150
3.2 - Utilizando-se das Variaes de Cada poca Sejam dadas as variaes de um fenmeno, em cada poca. Transfase tais variaes em ndices unitrios, o seu produtrio determina o ndice acumulado das variaes. Sejam x1, x2, x3, x4, ... xn ndices unitrios. A evoluo deste fenmeno em um perodo considerado ser: Ef = ( x1 . x2 . x3 . x4 . .... xn ).100 - 100 A evoluo mdia, a cada unidade de tempo, ser a mdia geomtrica com n igual ao nmero de ndices unitrios. A evoluo mdia ser:
Exemplo 84 O faturamento da empresa KKK, apresentam uma evoluo de 40%, 50% e 60% nos meses de fevereiro, maro e abril/2007, respectivamente. Qual foi a evoluo acumulada das vendas e qual foi o crescimento mdio mensal das vendas no periodo? O ndices unitrios em cada ms sera: Fevereiro - evoluo de 40% - ndice Unitrio = 1,4 Maro - evoluo de 50% - ndice Unitrio = 1,5 Abril - evoluo de 60% - ndice Unitrio = 1,6 A evoluo acumulada do faturamento ser: Ev = (1,4 x 1,5 x 1,6).100 -100 = 236% A a evoluo mdia mensal do faturamento ser:
3.3 - Utilizando-se a Variao Mdia de uma poca (referencia) Seja i a evoluo mdia de um fenmeno em uma determinada epoca. A sua evoluo, em um perodo n, ser:
Pgina 151
Exemplo 85 Os precos de um determinado produto alcanaram um crescimento mdio mensal de 20% nos ltimos meses. Qual ser a tendncia de crescimento dos precos para os prximos trs meses?
Ou aplicar a frmula: Ef = (1,2 x 1,2 x 1,2).100 - 100 = 72,80% 3.4 - Evoluo Acumulada e Clculo da Evoluo Mdia Para calcular a evoluo mdia de um fenmeno, em cada poca, partindo-se da evoluo acumulada em um perodo k, teremos:
O tempo representado por K e i a evoluo acumulada em um perodo K. Exemplo 86 O faturamento da Empresa HHH cresceram, nos ltimos 12 meses, 600%.
a) Calcular o crescimento mdio mensal do faturamento, no perodo.

Pgina 152
b) Calcular a evoluo mdia trimestral do faturamento, no perodo.
c) Calcular a evoluo mdia semestral do faturamento.
4 - Deflator O deflator um nmero ndice relativo a preos aplicado para eliminar a influncia inflacionria sobre os valores monetrios, em um determinado periodo, com o objetivo de medir o poder de compra da moeda. Finalidade do deflator: Comparar ou igualar valores monetrios correntes de diversos perodos de uma srie temporal em funo de um valor referente a um perodo bsico. Eliminar variaes de preos relativos a um atividade empresarial ou setor economico para identificar as variaes de produtividade fsica. Comparar ou reduzir valores momentneos de diversas pocas, em funo de um ndice inflacionrio, com um valor referencial, equivale tirar a influencia da inflao sobre a moeda, durante aquele perodo. Os valores estariam deflacionados, sem a influncia da inflao, utilizado para identificar o poder aquisitivo da moeda ou da Empresa.
Deflacionar valores de uma srie temporal, basta dividir tais valores por um ndice deflator correspondente poca em que eles ocorreram e podemos denominar de deflacionamento. Deflacionamento tem como finalidade reduzir, equiparar ou igualar valores correntes de diversas pocas com o valor de uma poca bsica. O objetivo eliminar as variaes dos preos provocadas pelas flutuaes inflacionrias de cada poca. O valor real VR da moeda ser:

Pgina 153
VR representa o valor real da moeda, IUI representa o ndice unitrio da inflao VC representa o valor corrente da moeda nd.Inf representa o ndice da inflao em %. Elimenado a presso da inflao sobre os valores monetrios obtemse a evoluo real da moeda. As atualizaes dos depsitos nas contas de poupana uma operao denominada de deflacionamento. Exemplo 87 No ms de setembro/2007 o salrio de uma pessoa era de R$1.000,00. Neste ms a inflao foi de 5%. Qual foi o salrio real desta pessoa em setembro2007? O valor corrente dividido pelo ndice unitrio da inflao obetm-s o valor real do salrio, sendo:
4.1 - Evoluo Real

Pgina 154
Comparar a evoluco da amoeda com a inflaco denomimanos de evoluo real. Considera-se a diferena existente entre a evoluo da moeda e a da inflao, sendo:
IUM e IUI simbolizam os ndices unitrios da moeda e o da inflao, respectivamente. a) A evoluo da moeda: Em = IUR x IUI x 100 - 100 b) A evoluo do ndice inflacionrio:
IUM representa o ndice Unitrio da Moeda IUI representa o ndice Unitrio da Inflao IUR representa o ndice unitrio real. Temos que:: IUM = IUR x IUI Exemplo 88 Em abril/2007, o faturamento da empresa PPP cresceu 25% e a inflao foi 4%. Calcular a evoluo real do faturamento em abril/2007.
O crescimento real do faturamento em abril/2007 foi 20,19%.
Exemplo 89 Em abril/2007, os salrios foram reajustados em 54% para compensar uma inflao acumulada de 40% em um perodo considerado. Qual foi a evoluo real dos salrios?

Pgina 155
A evoluo real dos salrios foi de 10%, ou seja, os salrios cresceram 10% acima do crescimento da inflacao. 5 - ndices Compostos Em varias situaces nos interessa a comparao de preos, quantidades ou de valores de um grupo de produtos, que ser aparesentado atraves do estudo dos ndices compostos que envolvem a anlise de diversos produtos. 5.1 - ndices No Ponderados O ndice no ponderado o mais simples para o clculo envolvendo vrios produtos, durante um determinado perodo so definidos por: ndices Mdios Simples e o Agregativo Simples. 5.1.1 - ndice Aritmtico Simples O ndice aritmtico simples a mdia aritmtica dos ndices relativos a preos ou quantidades de K produtos em um determinado perodo. a) ndice mdio aritmtico relativo a preos:
O ndice mdio aritmtico dos preos a mdia aritmtica dos ndices desses preos.

Pgina 156
A variavel Pn representa cada um dos preos dos produtos em uma poca n e K o nmero de produtos. Os preos dos produtos em uma poca n so P1n, P2n, P3n, .... Pkn e, Pi0 simboliza os preos correspondentes em um perodo bsico. b) ndice mdio aritmtico relativo a Quantidades:
O ndice mdio aritmtico das quantidades a mdia aritmtica dos ndices dessas quantidades. A varive Qin e Qi0 simbolizam cada uma das quantidades dos produtos em uma poca n e bsica (0), respectivamente e K a quantidade de produtos. 5.1.2 - ndice Mdio Geomtrico Simples O ndice mdio geomtrico de preos ou de quantidades de n produtos a raiz de ordem n do produto de n ndices de preos ou de quantidades relativos aos respectivos produtos. a) ndice Mdio Geomtrico Simples Relativo a Preos
A raiz de ordem n de um produto de n ndices de preos fornce o ndice mdio geomtrico. Exemplo 90 Os ndices unitrios relativos a preos dos produtos A, B, C e D, em agosto/2007 com base em julho/2007 foram respectivamente de 1,25;
1,35; 1,15 e 1,05. Qual foi o reajuste mdio dos preos em agosto? O reajuste mdio dos n produtos ser calculado pela mdia geomtrica dos ndices. No podera ser calculado pela mdia aritmtica dos ndices.
Pgina 157
O ndice mdio geomtrico = 119,48% Os preos foram reajustados, em mdia, em 19,48%. O ndice mdio aritmtico = (1,25 + 1,35 + 1,15 + 1,05)/ 4 = 120%. O reajuste mdio atravs do ndice mdio aritmtico = 20%. Dado um conjunto de nmeros positivos, a mdia geomtrica menor que a mdia aritmtica, logo a raiz quarta daquele produtrio seria um valor menor que 20%. b) ndice Mdio Geomtrico Simples Relativo a Quantidades
Na tabela abaixo apresenta os preos mdios bem como as quantidades vendidas pela Empresa KKLP dos produtos A, B, C e D, no perodo 2004 a 2007. Preos em mil reais e quantidades em mil unidades.

Pgina 158
Tabela 26 - Preos e Quantidades Faturadas KKLP 2005/2007 2004 2005 2006 2007
Produto Preo Qtde Preo Qtde Preo Qtde Preo Qtde
A B C D
10 15 8 10
15 60 40 60
12 20 14 11
200 80 50 50
15 30 20 20
300 100 60 40
20 35 25 30
450 130 100 60
Exemplo 91 Calcular o ndice mdio aritmtico e a evoluo mdia aritmtica dos preos dos diversos produtos em 2007 com base o ano de 2004. O ndice mdio aritmtico relativo a preos dos produtos de 2004 para 2005. Calcar o reajuste mdio dos preos destes produtos neste perodo. Preos de 2005: A = 12 B = 20 C = 14 e D = 11 Preos de 2004: A = 10 B = 15 C = 8 e D = 10 O ndice mdio aritmtico dos preos ser definido por:
No perodo, os preos dos produtos A, B, C e D apresentaram um ndice mdio aritmtico de 134,58% e um reajuste mdio de 34,58%. Os preos dos produtos A, B, C e D cresceram, neste perodo (2004 a 2005), 20%, 33,33%, 75% e 10%. O crescimento mdio aritmtico ser de: Em = (20 + 33,33 + 75 + 10) / 4 = 34,58%
5.2 - ndices Ponderados Ponderamos os preos ou as quantidades de cada produto, mediante a escolha de um peso conveniente que poder ser o preo ou a quantidade do produto consumido no perodo considerado. Entre os ndices ponderados destacam-se: 5.2.1 - ndices de Laspeyres Os ndices de Laspeyres so denominados de ndices de uma poca bsica. Os fatores de ponderao referem-se os da poca bsica. Considera que no comportamento dos preos, as quantidades da poca atual so as mesmas que as da poca base e no comportamento das quantidades, os preos da poca atual so os mesmos da poca base. Os ndices de Laspeyres so uma mdia aritmtica ponderada dos relativos, tendo como fatores de ponderao os preos ou as quantidades da poca base.Os pesos variam ao mudar a poca bsica. a) ndice de Laspeyres Relativo a Preos a razo existente entre o faturamento de uma empresa com preos atuais e quantidades de uma poca bsica e o seu faturamento, nesta poca bsica. As quantidades dos produtos da poca bsica so fatores de ponderao do ndice. O ndice de preos de Laspeyres definido atravs de uma mdia aritmtica ponderada dos relativos, tendo como fatores de ponderao as quantidades da poca bsica. No conhecendo o fator de ponderao consideramos a participao relativa de cada item no valor total dos bens consumidos na data-base. A participao relativa de um produto i no valor total do conjunto de bens definida por:
Pgina 159

Pgina 160
O ndice relativo a preos ser definido por:
b) ndice de Laspeyres Relativo a Quantidades a razo existente entre o faturamento de uma empresa com preos de uma poca bsica e quantidades atuais e o seu faturamento nesta poca bsica. Os preos dos produtos da poca bsica so fatores de ponderao do ndice. No ndice de preos mede a variao nos preos enquanto no de quantidades, calcula a variao nas quantidades adquiridas, pois os preos permanecem constantes. Sendo:
Os fatores de ponderao sero os preos da poca base. Em sua essncia intrnseca o fator de ponderao ser a participao relativa de cada item no valor total dos bens consumidos na database. No comportamento dos preos considera as quantidades atuais iguais s da poca base e no comportamento das quantidades, considera os preos atuais iguais aos da poca base e no leva em considerao o
efeito da inflao. 5.2.2 - ndices de Paasche Os ndices de Paasche conhecidos como os ndices da poca atual Os fatores de ponderao referem-se esta poca. No ndice de preos de Paasche verificamos que os fatores de ponderao so as quantidades da poca atual, mas levando-se em considerao que a poca atual varivel, os preos mudam quando as pocas atuais mudarem, o que o caracteriza como um ndice agregativo com ponderaes variveis. O indice de Paasche adota como fator de ponderao, a participao relativa de cada item no valor total dos bens consumidos na poca atual. Os ndices mdios harmnicos ponderados relativos a preos ou a quantidades definem os respectivos ndices de Paasche. a) ndice de Paasche Relativo a Preos O ndice relativo a preos de Paasche indica uma relao entre o faturamento, numa poca atual e o valor total deste faturamento, em quantidades atuais aos preos de uma poca bsica. Considera-se as quantidades da poca bsica iguais s atuais. A participao relativa de um produto i no valor total de um conjunto de bens definida por:
Pgina 161
O ndice relativo a preos definido por:

Pgina 162
O ndice de Paasche, relativo a preos, tem como fatores de ponderao as quantidades da poca atual. b) ndice Relativo a Quantidades O ndice relativo a quantidades de Paasche indica uma relao entre o faturamento, numa poca atual e o valor total deste faturamento em funo dos preos atuais e quantidades de uma poca bsica. Considra-se os preos da poca bsica iguais s atuais. O ndice relativo a quantidades:
As quantidades atuais e bsicas, tm como pesos os preos atuais dos produtos. O ndice de Paasche, relativo a quantidades, tem como fator de ponderao os preos da poca atual. Se as quantidades crescerem na mesma proporo os ndices de preos de Laspeyres e Paasche sero iguais e se os preos crescerem na mesma proporo, os ndices de quantidades sero iguais. Exemplo 92 A tabela a seguir mostra o movimento das vendas dos produtos A, B, C e D, em junho e julho de 2007. Os preos e as quantidades esto em mil reais e mil unidades, respectivamente.
Tabela 27 - Vendas dos produtos A, B, C e D, em junho e julho de 2007 Junho Julho Produtos Preos QuantidaPreos Quantidades des A 80 20 100 30 B 60 30 85 40 C 40 50 60 60 D 20 60 25 40 Fonte: Diretoria de Produo Calcular o ndice de Laspeyres relativo a preos em Julho/2007, com base em Junho/2007. Calcula-se o faturamento da empresa em funo dos preos de Julho e quantidades de Junho: Em junho, temos Po e Qo e em julho, temos Pn e Qn, temos: Pn Qo = 100 x 20 + 85 x 30 + 60 x 50 + 25 x 60 = 9.050 PoQo = 80 x 20 + 60 x 30 + 40 x 50 + 20 x 60 = 6.600 O ndice de Laspeyres, relativo a preos ser:

Pgina 163
O ndice de Laspeyres relativo preos foi de 137,12%, em julho com base nas vendas de junho, representando um crescimento mdio nos preos dos produtos faturados da ordem de 37,12%. Exemplo 93 Calcular o ndice de Laspeyres relativo a quantidades, em julho/2007 com base em junho/2007.

Pgina 164
No perodo houve um crscimo mdio das quantidades produzidas dos diversos produtos da ordem de 21,21%. Observaes sobre os ndices de Laspeyres e Paasche De uma maneira geral, os ndices de Laspeyres e Paasche no podem ser usados da mesma forma porque um ndice de base fixa e o outro ndice de base mvel. Pode-se dizer que o ndice de Laspeyres tem por finalidade avaliar o futuro e o de Paasche, o passado. A principal vantagem do ndice de Fisher o fato de satisfazer as propriedades da decomposio das causas, da reversibilidade do tempo e da circularidade. 6 - Propriedades dos ndices 6.1 - Identidade O preo, a quantidade ou o valor de um produto em uma poca n comparado com os respectivos valores desta mesma poca igual a unidade ou 100%. O nmero ndice deve ser igual unidade quando a poca atual coincidir com a poca bsica.
6.2 - Reverso do Tempo/Reversibilidade Ao se permutarem dois perodos (a, b) em (b, a), os resultados correspondentes sero recprocos, isto : P(a,b) x P(b,a) = 1 6.3 - Reverso dos Fatores/Decomposio Decomposio das Causas dos Fatores/
Pgina 165
O produto do ndice unitrio relativo a preos pelo ndice unitrio relativo a quantidades igual ao ndice unitrio de valor. 6.4 - Circular O produto circular de K nmeros ndices igual a unidade. P(a,b) x P(b,c) x P(c,d) x P(d,a) = 1 P(a,d) = P(a,b)xP(b,c)P(c,d) Observe que o nmero ndice da poca d com base na poca a igual ao produto de uma srie de ndices intermedirios. Ento podese concluir que um nmero ndice pode ser decomposto em diversos nmeros ndices. 6.5 - Homogeneidade Mudanas nas unidades das variveis componentes no devero modificar o valor do ndice. 6.6 - Proporcionalidade Se todos os valores das variveis componentes do ndice tiverem a mesma variao, ento o nmero ndice obtido dever fornecer esta mesma variao. Os ndices de Laspeyres e Paasche tm restries conceituais, um define o fator de ponderao na data base e o outro na atual e numricas porque s podem ser usadas para avaliar datas prximas e regies assemelhadas e no resolvem plenamente o problema da

Pgina 166
variao de valores entre duas datas. O ndice de custo de vida em Gois no pode ser usado em Minas Gerais em funes de uma srie de restries: cesta base diferente como diferente a importncia de cada produto para o seu povo, alm de restries sociais e econmicas e temporais. 6.7 - Erros e Restries nos Nmeros-ndice Os nmeros-ndice esto sujeitos a uma srie de erros, entre os quais destacamos: - Erros de Frmula: escolha da frmula adequada s caractersticas dos dados analisados; - Erros de Amostragem: Existe a possibilidade de erros amostrais mesmo que as amostras sejam criteriosamente selecionadas. As amostras s permitem estimar valores populacionais com certa margem de erro (nunca fornecem o valor exato); - Erros de Homogeneidade: os nmeros-ndice consideram os bens mais significativos para uma dada populao. Quando observamos datas diferentes, podem haver produtos significativos numa delas que no so considerados na outra porque no so comuns a ambas (ou porque desapareceram ou porque surgiram entre os perodos analisados). Quanto s restries podemos destacar: - Geogrficas: no so vlidos para grandes regies (como o caso do Brasil); - Sociais: Variao de preos de mercadorias especificas no afetar o padro de vida das diversas camadas sociais do mesmo modo. Como exemplo, podemos citar que um forte aumento no preo dos cigarros, no ter nenhum efeito nos gastos dos no-fumantes. Alguns rgos determinam ndices diferentes para as classes A, B, C, D e assim por diante. - Temporais: Devido s mudanas nos hbitos e preferncias dos indivduos ao longo do tempo e em razo dos avanos tecnolgicos que tornam obsoletos bens anteriormente significativos, a estrutura de clculo de um nmero-ndice qualquer no pode ser mantida
indefinidamente. 7 - Mudanas de Base A data-base ideal para fixar uma srie de nmeros ndices aquela que se refere a um momento de grande estabilidade no mbito da Empresa, ou em uma determinada regio ou do tipo de negcio.* Atravs de uma srie de preos, quantidades ou vendas, de cada poca, considerando um perodo, para construir uma srie de ndices com base fixa, basta dividir cada um dos valores pelo valor da nova base, multiplicando o resultado por 100. Para construir uma srie de ndices com base mvel, atravs de uma srie base fixa de preos, quantidades ou vendas, de cada poca, em um determinado perodo considerado, basta dividir cada um dos valores pelo valor que o antecede, multiplicando o resultado por 100. Exemplo 94 A tabela a seguir retrata produo de carne da Empresa KKPL, no perodo de 2000 a 2007, em mil toneladas. Neste perodo, a Empresa teve trs momentos: 2000, 2002 e 2004. A Empresa deseja visualizar a tendncia de sua produo com base nestas trs pocas. Tabela 28 - Produo de Carne Bovina - Empresa KKPL, 2000/2007 - MIL. TON. Perodo Produo 2000=100% 2002100% 2004=100% 2000 20 100 40 20 2001 30 150 60 30 2002 50 250 100 50 2003 80 400 160 80 2004 100 500 200 100 2005 150 750 300 150 2006 190 950 380 190 2007 250 1250 500 250 Fonte: Departamento de Produo Construir uma srie de ndices para visualizarmos a tendncia da produo de carne, com base em 2000
Pgina 167

Pgina 168
A produo de carne em 2000 est para 100, assim como o valor da produo de cada ano est para x. Atravs de uma regra de trs, vamos construindo a srie desejada. Aplicando o conceito tradicional, isto , cada valor ser dividido por 20, multiplicando o resultado por 100. Exemplo 95 Construir uma srie de ndices para visualizarmos a tendncia da produo de leite em p, com base em 2002. Em 2002 a produo foi de 50, logo 50 est para 100, assim como o valor da produo de cada ano est para x. Atravs de uma regra de trs, vamos construindo a srie desejada. Cada valor ser dividido por 50, multiplicando o resultado por 100. Observe que a srie com base em 2000 apresenta a mesma evoluo da srie referente aos valores nominais. Sendo assim, podemos construir a srie com base em 2002 dividindo cada valor da srie com base em 2000 pelo valor de encontrado no anos de 2002 (250), ou com base nos valores nominais (50), multiplicando o resultado por 100.
Referncias Bibliogrficas Referncias Bibliogrficas Pgina 170 FARIAS, A. A.; CESAR, C.; SOARES, J. F. Introduo Estatstica. Rio de Janeiro: LTC, 2. ed., 340 p., 2002. MOORE, D. S. A Estatstica Bsica e sua Prtica. Rio de Janeiro: LTC, 3. ed., 688 p., 2005. MEYER, P. L. Probabilidade: Aplicaes Estatstica. Rio de Janeiro: LTC, 2. ed., 426 p., 2000. COSTA, A. F. B.; EPPRECHT, E. K.; CARPINETTI, L. C. R. Controle Estatstico de Qualidade. So Paulo: Atlas, 334p., 2004. MONTEGOMERY, D. C.; RUNGEE, G. C. Estatstica Aplicada e Probabilidade para Engenheiros. Rio de Janeiro: LTC, 2. ed., 446p., 2003.
Dados dos Autores Jorge Luiz Brescia Murta Natural de Belo Horizonte - MG, Doutor em Cincias Empresariais, Mestre em Engenharia de Produo e Graduado em Matemtica. professor do Departamento de Engenharia de Produo, escola de Minas, Universidade Federal de Ouro Preto. Tem atuado na rea de Engenharia de Produo, com nfase em Suprimentos, Engenharia Econmica e Produtividade.
Tays Torres Ribeiro das Chagas Natural de Ipatinga - MG, Mestre em Engenharia de Materiais e Graduada em Engenharia de Produo. professora substituta do Departamento de Engenharia de Produo, Escola de Minas, Universidade Federal de Ouro Preto. Tem atuado na rea de Engenharia do Trabalho e Economia.

Apostila Estatistica - Autor CEADUFOP

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apostila Estatistica - Autor CEADUFOP

Uploaded by

Copyright:

Available Formats

ESTATSTICA APLICADA ADMINISTRAO

Jorge Luiz Brescia Murta Tays Torres Ribeiro das Chagas

Ouro Preto/MG, 2008

Luiz Incio Lula da Silva

Jaime Antnio Scheffler Sardi

COORDENAO DO CURSO DE ADMINISTRAO A DISTNCIA

Fernando Haddad Joo Luiz Martins

Iracilene Carvalho Ferreira

165 165 165 166 167

preciso identificar a sensibilidade para novos produtos e desenvolv-los com base em

preciso avaliar a satisfao dos consumidores e o desempenho dos produtos. A Estatstica

96 97 103 122 158 163 167

46 47 48 48 49 50 51 63 64 65 107 113 114 133

Estatstica Aplicada Administrao Introduo

Estatstica Aplicada Administrao Conceitos Bsicos

Estatstica Aplicada Administrao Conceitos Bsicos

Estatstica Aplicada Administrao Variveis Aleatrias

Normas de Apresentao Tabular

Estatstica Aplicada Administrao Normas de Apresentao Tabular

Estatstica Aplicada Administrao Normas de Apresentao Tabular

D) Distribuio de Freqncia o arranjo tabular de um conjunto numrico em grupos, classes, intervalos

Estatstica Aplicada Administrao Normas de Apresentao Tabular

Estatstica Aplicada Administrao Normas de Apresentao Tabular

Estatstica Aplicada Administrao Normas de Apresentao Tabular

Estatstica Aplicada Administrao Normas de Apresentao Tabular

Total 90 120 160 180 220 250 1020

Estatstica Aplicada Administrao Normas de Apresentao Tabular

Estatstica Aplicada Administrao Normas de Apresentao Tabular

Estatstica Aplicada Administrao Grfico Tradicional

Estatstica Aplicada Administrao Grfico Tradicional

Grfico 2 - Produo de Arroz e Trigo, Estado X, 1994/2000, em Toneladas

Fonte: Secretaria da Agricultura

Estatstica Aplicada Administrao Grfico Tradicional

Estatstica Aplicada Administrao Grfico Tradicional

Estatstica Aplicada Administrao Grfico Tradicional

Grfico 6 - Produo de Ao por Empresa, em 2006, Minas Gerais, em mil toneladas

Fonte: Ministrio de Minas e Energia

Estatstica Aplicada Administrao Grfico Tradicional

Fonte: Receita Estadual

Grfico 7 - Vendas das Empresas A, B, C e D, em Mil Reais, Minas Gerais, 2000

Estatstica Aplicada Administrao Distribuio de Freqncias

4 - Nmero de Classes (Frmula da Sturges) Estatstica Aplicada Administrao Distribuio de Freqncias

Estatstica Aplicada Administrao Distribuio de Freqncias

Estatstica Aplicada Administrao Distribuio de Freqncias

Estatstica Aplicada Administrao Distribuio de Freqncias

Xi =( Limite superior + Limite inferior) / 2 Estatstica Aplicada Administrao Distribuio de Freqncias

Estatstica Aplicada Administrao Distribuio de Freqncias

Estatstica Aplicada Administrao Distribuio de Freqncias

Estatstica Aplicada Administrao Distribuio de Freqncias

Fonte: Departamento de Recursos Humanos

Estatstica Aplicada Administrao Distribuio de Freqncias

Estatstica Aplicada Administrao Distribuio de Freqncias

Fonte: Departamento de Recursos Humanos

Estatstica Aplicada Administrao Medidas de Posio

Estatstica Aplicada Administrao Medidas de Posio

onde n o tamanho da amostra.

Observa-se que fi, no caso, tanto representa a freqncia simples quanto

Estatstica Aplicada Administrao Medidas de Posio

Estatstica Aplicada Administrao Medidas de Posio

Para calcular o desvio de cada nmero, necessita-se da mdia aritmtica do conjunto.

Estatstica Aplicada Administrao Medidas de Posio

Exemplo 27 Sejam os valores 6, 4, 8, 5 e 7. Calcular a mdia aritmtica do conjunto.

Os desvios, em relao mdia aritmetica, so:

Ento os desvios so: O somatrio dos desvios nulo: 0 + (- 2) + 2 + ( - 1) + 1 = 0