Вы находитесь на странице: 1из 235

DIALGICA SRIE GESTO FINANCEIRA

EDITORA
intersaberes
SRIE GESTO FINANCEIRA

O selo D IAL G ICA da Editora InterSaberes faz referncia s


publicaes que privilegiam uma linguagem na qual o autor
dialoga com o leitor por meio de recursos textuais e visuais,
DIALGICA

o que torna o contedo muito mais dinmico. So livros que criam


um ambiente de interao com o leitor - seu universo cultural,
social e de elaborao de conhecimentos possibilitando um
real processo de interlocuo para que a comunicao se efetive.

EDITORA
intersaberes
Adriano Toledo Pereira Mtodos
quantitativos
aplicados
contabilidade
edito ra

VS* in tersab eres

Av. ViccnU* Machadu, 317. 14'- andar


Centro . C E P 80420-010 . Curitiba . PR . Brasil
l one: (41) 2103-7306
w w vv.edito ra intcr saber es.c o m.br
cditoraaeditoraintcrsabcrcs.com.br

Conselho editorial Dr. Ivo lost1 Both (presidente)


Dr.-* Elena Godoy
Dr. Nelson Lus Dias
Dr. U lf Gregor Baranow

Editor chefe Lindsay Azambuja

Editor-assistente Ariadne Nunes Wenger

Preparao de originais Gustavo Ayres Scheffer

Capa Design Lais Gal vo dos Santos

Imagens Fotolia

D ijg rj mao Capitular Design Editorial

Projeto grico Raphael Bernadelli

I edio, 2014.
Toi feito o depsito legal.

Dados Internacionais de Catalogao na Publicao (CIP)


(Cmara Brasileira do Livro, SP. Brasil)

Pereira. Adriano Toledo iiiihaiAiuiuu


Mtodo: q u an titativo * ap licad o s co n tab ilid ad e Iliv ro
lelrmco|/Adt iv>Toledo Perird - 1 ui iliba; laterSabvrrs. um 4 Informamos que de inteira res
(Srk* ('.evlo Pinamxfira). ponsabilidade do autor a emisso
I Mb; PDF
de conceitos.
B ibliografia
Venhuma parte desta publica
ISBN o poder ser reproduzida por
qualquer meio ou forma sem a
1. Contbil idade 2. Contbilidade Mtodos estatsticos previa autorizao da Editora
l. Ttulo. II. Srie.
InlerSaberes.
14 -113 5 7 i : i 3U - 6 57
A violao dos direito* autorais
crime estabelecido na Lei
n. 9.610/199# e pumdo pelo
Indue p*ra eatilngn tinfi-mtionc
1. Conlabilldade 057 art. 184 do Cdigo Penal
Apresentao 9
Como aproveitar ao mximo este livro 11
Introduo *15

Conceitos sobre estatstica e a estatstica descritiva 19

.i Conceito geral de estatstica 21

1.2 Populao #25

1.3 A most ragein 26

1.4 Fases do mtodo estatstico 27

1.5 Variveis * 3 0

1.6 Nveis de mensurao das variveis 34

1.7 Fontes de pesquisa 38

1.8 Estatstica descritiva 40

1.9 Clculos do roteiro de distribuio de frequncia 48

1.10 Clculo das frequncias 49


I

Estatstica descritiva: medidas, caractersticase usos# 57

2.1 Med idas de posio 59

2.2 Medidas de disperso 75

2.3 Medidas de assimetria (As) 83

2.4 Medidas de achatamento ou curtose (K) S5

3
D is t r ib u i e s e a m o s t r a g e m 9 7

3.1 Distribuio normal 99

3.2 Distribuio amostrai 104

3.3 O processo de amostragem na distribuio de valores estatsticos# no

i
A aplicao dos intervalos de confiana e dos testes
de hipteses em estatstica 121

4.1 Intervalos de confiana 124

4.2 Teste de hipteses 133

/
Correlao, regresso e sries temporais 159

5.1 Correlao e regresso estatstica 162

3.2 Series temporais# 178

3.3 Anlise de sries temporais 184


/
Fatores dinmicos dos clculos e das anlises da estatstica 195

6.i Programao linear 198

6.2 Nmeros ndices 202

Para concluir... 211


Referncias 213
Anexos *2 17
Respostas 223
Sobre o autor 235
l^ e s t a obra, iremos tratar dos mtodos quantitativos
aplicados contabilidade. Muitas vezes, os conceitos desenvol
vidos nessa cincia so considerados complicados e de difcil
aplicao no dia a dia dos contadores. Aqui, procuraremos
desm istificar essa concepo por meio de explicaes c de
exerccios prticos.

No difcil percebermos, hoje, que a grande falha nos cur


sos de cincias sociais, entre eles o cu rso superior em Cincias
Contbeis, no deixar ntido que as disciplinas de mtodos
quantitativos devem ser ferramentas de auxlio gesto para a
tomada de deciso, em vez de disciplinas que assustam, repro
vam e "massacram" os alunos. Essa fama advinda, sobretudo,
do fato de que, em geral, essas disciplinas no so contextua-
lizadas nas atividades profissionais dos contadores.
Como em qualquer cincia, nesse caso tambm os conceitos
devem ser entendidos - bvio - e os clculos devem ser rea
lizados. No entanto, o mais importante que o aluno entenda
a aplicabilidade desses conhecimentos em situaes reais do
dia a dia das organizaes. Assim, sob a perspectiva de que o
ensino das disciplinas de mtodos quantitativos, nos cursos
de contabilidade, deve estar voltado prtica, buscando alter
nativas criativas ao entendimento do aluno e sua aplicao em
situaes concretas, esta obra explica e relata vrios assuntos
ligados estatstica e matemtica aplicada.
Este livro apresenta os principais conceitos dos mtodos
quantitativos voltados ao ensino da contabilidade, com suas
anlises e o diferencial de sua aplicabilidade. Todos os temas
desenvolvidos aqui so de fcil entendimento e expostos de
forma a facilitar sua aplicao no dia a dia dos profissionais
da rea.
Este livro traz alguns recursos que visam

enriquecer o seu aprendizado, facilitar a

com preenso dos contedos e tornar a leitura

m ais dinm ica. So ferram entas projetadas de

acordo com a natureza dos tem as que vam os

exam inar. Veja a seguir com o esses recursos se

encontram distribudos no decorrer desta obra

s
m
niiii

C o n te d o s do cap tu lo

Logo na abertura do capitulo,


C ontedos d o capitu lo

. Mee** o*p<*s4o. voc fica co nhecendo


Mtd-das o * dupersao.
os contedos que
M e M a i (fe a d u ca m e ro o - curtose.
sero abordados.
Cafactertst*cas e apbcaoes 0 * estatstica d s s c rii va.

Aps o estudo deste capitulo eoc se* capaz de

i conhece e cakula as mecfidas utRndM na esuOstka


drsrrdva; A p s o e stu d o d este cap tu lo ,
a. a n a t ^ a . 74> oo^ m p d iw s d a ^ ^ t k ^ d p c r it va:

\. tonwr dctstfs ccm* pase nos dados esu*:isdcos;


vo c ser c a p a z de:
4. an**aa? o fenm eno ptsqiAsado;

5. id iT / itc .ir o posicjorum cnta dos valores ru m * Voc tambm informado a res
d b tn b u ic u

A. rcldi <mar j >dercnles wcditlasddesUt^tic* dexritrvd peito das competncias que ir

desenvolver e dos conhecim en

tos que ir adquirir com o estudo

do captulo.
Smlese
Neste cjp tu k* pmaiuunub>0fi conratus e as M anuim para
ijiii vihV' pn*v .U : rm irw .i \.r m d.i a m ^ d o d i ror-
Sntese
r.-laco ou c fe g r e m a rntrc varivvi* c * <snuo que medira
*eu cuinf^irLinmika. Voc dispe, ao final do captulo, de
A f m os p s s io s de clculos c a n a lis a i e p a n v d c.>mpra?n-
iW*r t<*uo<luti %. M ttu n.p(iwlit pelo C>mpt>H5mento
um a sntese que traz os principais
do u n u varia vrl dependente. al&n dc idcntifcar c a virlw c te
indcpcndvnlrfcg jr jo im p x m pnwtivnou nc%irviv pnvndc\
conceitos nele abordados.
d M U forma, o comportamento futuro <fcvariAvel dependente.

A ssrie* temporal* tambm lifjrn -nfil.nl.- m *tr capitu la


Estabelecemos par mciros advindos de eoncettoao fr muis
para. em seguida, aplici-lc* cm sitiuK<vs p r it ic . pois d e s
r.i/4-m parte d e y m cunjunUi de inxtrumcuhk* para um j onaliat
detalhada - 1>que permite ao p r o t o f i d tom ai deuises com
haxe rm i I^i Um o fatn*

Paia entendermeilxx o ^vjvaranta dlvtd*Jo * suas ooneKfes


infi rnav. vi^a a *fnfe*r on |u n n itira a y.uir.

Q u e st e s para reviso Questes para reviso

Com estas atividades, voc 1. Em determir-ada irvdu*;tr.a de pneustm re.V.izar.a une. p a


i)U]a rom ume a n x jr tr j J e 35 pneu.. V erifk au -tc qtie a

tem a possibilidade de rever os n i\i 1.1 (U\ vidau til d ^ p r v u s i te 7* mil k n rodados c <*te v
vxvpad w e d e 9 mil km m dados Determ ine0 ntcreatede
principais conceitos analisados. ix fu in j |x*ra .1 nW\!ia |X>puLw m n jk m n yVk d r o 1 rian^
a) 7 3 0 if.y i km p i km.
Ao final d o livro, o autor b) 7V.'<kt4o k m 5 p 5 ^ Sfn ix ik n i
0 7ac<w*k>kms u<> 7*961.50 kan
disponibiliza as respostas s d> 7108040 ;vftiii*n k m

2. Varria j;ravadi*rj. dc4rntcwa ftuv difeitn* JuUwai* cie urna


questes, a fim de que voc
ca moca dc giandccvpressAon.v^onal le r unw pesquisa de
m a a d o <ibre um d e mxi * Lanamento*. Foram pesquisa
possa verificar com o est
d a* 1 m p m ao ep erg u n to u -se a riu *c*CDrihriam o novo
CD. O resu lu d o fui que 130 d d a >cunheoa/n a> msicas e
sua aprendizagem .
I
Q u e st e s para reflexo

Nesta seo, a proposta lev-lo a refletir

criticam ente sobre alguns assuntos e trocar

ideias e experincias com seus pares.

ercuntro-fii* u iv m i IU iJ o da tvrin* cuni U jc


1

i

*>-- 4t?
il|-- rj1
tto m
JB
8
1

Si05

3.

?
A^ i 4 ipflila:

a) Depois da afcricv constanted* tabela podemos


i l i i r r i |im .1 iT.ij>rv*sa n * t m v . ih -* q u .in ! t i 'i i s l in i i.t

ou no de em s u a produo? Prque?

Exerccios reso lvid os


i $r W f th\*$5C que determinar o iMjmevo rrnlmo dc pes*
A obra conta tam bm com Mias M i-Tirntnn istx :a s r jin a m n Hnvrn.''>iu'j,

u ni um itivel de oonhana Je um eno auximo pro-


exerccios seguidos da resoluo vw de 4%, o que voc faria?
Para e d m e p io fcem * t e ? paseos:
feita pelo prprio autor, com o
i* poo Apliui- 4 frmuU obtt/fvuiidii qui* nid f >rum
objetivo de dem onstrar. fornecidos os v a lo r d propottes no enunciado do
rw r n c fo . C a io i*n cxxirro, drtfm tM -.imar y f ^ j\ir.i

na prtica, a aplicao dos cada um deles.


2*paw \*a k>pr*bli rn.>., tnduM* volnn^ |*i
conceitos exam inados. eeimiab devem ser inseridos no problema cwnudevimab,
OU <**a d**v n ** dividido* pn* ico
Kstudii de caso
VauiosctaefwrAsjtuACdo v i\ enc ada em Arteiro iivada ernproM
d o nstor secundaria da rcunncnia, produtora de leite cm p.
O diicLU de produo deo em preso t2* preuctipjdu cum
a quantidade de produto em cada ata. Fm aferlfo feira por
seu* analista, estrr verificaram q n r a s lafav cm media esta
vam ssindo d a fib r.c j um 502 k* rc\ttn um d e v v x ^ u r t di
> g EU* ento q u e s t io n co r* wWraixk *** d a t o * Qual serf*
Estu d o d e caso
a Q iotb.ito* d latas competo ntroaos sos gwair-at?
Esta seo traz ao seu
Grafico ).2 - C u rva normal referente A ooem pvo

conhecim ento situaes q u e vo

aproxim ar os contedos estudados

de sua prtica profissional.

W grafico. a a rta marcada ae refere a sroluco 4c>problema.


iajetivMda pe*qut** I- U*, Hitin, pUcKi .1 frm ula d ta ve/***,
p ois c** a trabalhando com do:s valores aleatrio*

Sail>a mais
Para am pliar *ctis conhecim ento obre *crw $ trm porois.
c inlm ^M iU e v e rific a r* material p rop icio por D aviU Unu>

S aib a m ais para a U nss^M djde L4<*Ju*il oc C n | i n : iL a it in p ) :


HWII A.V.H I 4%%*!%!npori^ I .ivn-I.WW F.tdtftual
iW ( >iii|4iii> tji4mp. Difcpusiival ciic cfrttp au
Voc pode consultar as obras Ime mraniphcMilAififHiV.itrrlalSt Areanifli \pd.20*4
O uiia e m l e n l f a to v d a g m , com u m tt* e scw p k ^ ef rm v -
indicadas nesta seo para lo% pera *ne* tu n p tv a i* nbytiY.indn a tomada d r d ciiat
na empresa ucoexKuntrj iw fregufcue material:
aprofundar sua aprendizagem . M - K K M K A , T. A . M lr# * n i9 ptcvnfco d i M IMn^OUrt

em:<htpOWwwcir\ulpeifA-aiie|Um)*MiUfc-lAS'tdd c*a/T.wrSrrk*
pptJ A tw .o oti 4 |ui. 2.>4.
%^este livro, sero estudados os conceitos gerais sobre
mtodos quantitativos aplicados contabilidade, pois eles
so instrumentos bastante teis na gesto das organizaes.
No entanto, antes e para entendermos a importncia deste
estudo, importante termos em mente o significado real da
estatstica em nosso cotidiano. Afinal, alm de fazer parte de
nossa vida em inmeras situaes, essa cincia norteia muitas
de nossas atividades e, com certeza, norteou muitas das aes
de nossa rotina pessoal e profissional, que foram desenvolvidas
com base em resultados estatsticos.
Perguntas como "Por que certo programa de televiso ainda
est no ar?", "Quais tributos aumentaram ou diminuram nas
empresas?" e "Qual a mdia salarial de certa categoria profis
sional?" so apenas alguns exemplos do que, em nosso dia a
dia, respondido por meio da estatstica.
No Brasil, durante as eleies, todos os dias somos "bom
bardeados" por inmeras pesquisas polticas que nos dizem,
quase antecipadamente, o resultado das eleies. Essas situa
es demonstram a importncia de uma pesquisa estatstica.
A maioria das empresas faz pesquisas de mercado para o
lanamento de seus produtos, buscando definir, entre os seus
consumidores, quais as caractersticas que esses produtos
devem ter. Alm disso, h as pesquisas de preo, algo roti
neiro nas principais cidades do pas. Esse tipo de pesquisa nos
d o clculo da inflao - ndice que repercute em inmeras
decises no pas, inclusive nos salrios pagos aos brasileiros.

Nas organizaes, muitas decises so realizadas por meio


de dados quantitativos. Assim, h a necessidade de conceitos
estatsticos para que cada deciso seja a mais correta possvel.
Faturamento, quantidade de tributos pagos, necessidade de
investimentos, oramento, custos e projees de vendas so
dados que fazem parte do dia a dia da vida do gestor nas
empresas. Indicadores de desempenho gerenciais e empresa
riais sero autnticos c qualificados somente por meio do uso
das medidas estatsticas.

Nesta obra, o principal assunto abordado a estatstica, pre


sente em todos os captulos. Assim, poderemos utilizar todos
os conceitos estatsticos (que tambm so quantitativos) para
a tomada de deciso, entender o comportamento de certos
fenmenos e auxiliar a empresa no levantamento de dados
e informaes.
O bom uso da estatstica nas organizaes, principalmente
pela contabilidade, pode facilitar a mensurao de dados para
o planejamento estratgico. Dessa forma, a empresa pode se
antecipar a seus concorrentes, prever o mercado consumidor e
projetar e simular decises. Alm de se adaptar era do capital
intelectual, a organizao ter xito em analisar os riscos com
mais coerncia, tornando as decises mais assertivas.
Com esses poucos exemplos, percebemos a importncia
da estatstica. Alm disso, se considerarmos que a funo da
contabilidade disponibilizar aos usurios do sistema contbil
uma gama de informaes ajustadas e convenientes ao pro
cesso decisrio estratgico das organizaes, fcil entender
por que a utilizao de modelos contbeis com base em mto
dos quantitativos tem se tornado uma ferramenta cada vez
mais solicitada - tambm em decorrncia do desenvolvimento
da tecnologia da informao.

Em resumo, podemos a firm a r-e isso que iremos demons


tr a r - que a utilizao de mtodos quantitativos propicia aos
contadores oferecer informaes teis e objetivas a seus clientes.
Como afirmamos, a estatstica aplicada nas m ais varia
das reas de conhecimento. Especificamente em nossa rea,
contbil/administrativa, podemos estabelecer as seguintes
conexes bsicas:
Firmas de contabilidade e contadores usam processos de
amostragem estatstica quando, por exemplo, vo fazer
auditoria para seus clientes.
Os econom istas recorrem a inform aes estatsticas
para fazer previses futuras de aspectos relacionados
economia.
Os profissionais d a rea de finanas baseiam -se em
indicadores de mercado e contbeis para direcionar
os investimentos.

Analisando as conexes entre esses fatores, percebemos que


evidente a necessidade de conhecermos as ferramentas que
a estatstica nos proporciona e, sobretudo, serm os capazes
de aplic-las.
Contedos do captulo

Conceitos da estatstica.
A aplicao da estatstica na contabilidade.
Conceitos relativos estatstica descritiva.
Clculos e montagem de tabela da estatstica descritiva.

Aps o estudo deste captulo, voc ser capaz de:

1. d efin ir e e n te n d e r os co n ce ito s b sico s d e estatstica;

2. relacion ar as p rin cip a is a p lic a e s d a estatstica na


co n ta b ilid a d e ;

3. e n te n d e r c o m o a p lica r os co n ce ito s b sico s d e estatstica

nas prticas co n t b e is e e m p e sq u isas;

4. co n stru ir u m a d istrib u i o d e fre q u n cia;

5. c o m p re e n d e r o fe n m e n o q u a n tita tiv o an alisad o ;

6. an alisar a d istrib u i o d o s d a d o s n u m a tab ela estatstica;

7. utilizar variveis e e sca las d e m e n su ra o em p esq u isas;

8. d efin ir a estatstica d e scritiva e su as fases.


&

?ste captulo, examinaremos os princpios de estats


tica e abordaremos questes bsicas sobre a aplicao dessa
cincia na contabilidade, alm dos conceitos tericos sobre
populao, amostras e as fases do processo estatstico. Tambm
discorreremos sobre a forma de utilizar as variveis e as esca
las de mensurao em pesquisas, pois esse um fator que ter
influncia constante no uso de todas as teorias estudadas na
sequncia desta obra.

i.i Conceito geral de estatstica


Estatstica o conjunto de mtodos e processos quantitativos
que servem para estudar e medir fenmenos. Por mtodos e
processos, podemos entender todas as aes necessrias para a
atividade estatstica, como pesquisa, tabulao, apresentao e
anlise e concluso dos resultados. Os fenmenos citados aqui
o
so os chamados fenmenos mensurveis, ou seja, aqueles que
podem ser medidos. Fenmenos imensurveis, aqueles que no
podem ser medidos, no fazem parte do processo estatstico.

Para evitar confuses no que se refere terminologia, c sem


pre importante remetermos ao fato de que a estatstica recebe
tambm o nome de mtodos quantitativos, como j mencionamos.
Portanto, um termo remete, necessariamente, ao outro.

A estatstica, de acordo com Stevenson (1981), compreende:


Estatstica descritiva - Quando nos referim os a taxas e
ndices para resumirmos, organizarmos ou simplificar
mos informaes.

Teoria da probabilidade - Quando fazemos a anlise de


situaes que envolvem o acaso (jogos esportivos ou de
dados e cartas, por exemplo).
Amostragem - Quando fazemos a anlisee a interpretao
de dados amostrais.

V o c j d e v e 1er percebido que, ao fa la rm o s de estatstica, con

seq u en tem en te fala m o s em quantidade; isso p o rq u e a esta ts

tica trab alh a com o s n m e ro s" q u e resu ltaram d a p esq u isa.

C ontu do, podem os ter u m a vari v e l qu alitativa com resultados

qu an titativos - fator que ser visto m ais adiante.

V a m o s co n te x tu a liz a r. Por exem p lo , se lhe p e rg u n ta re m

"Q u a l o seu grau de esco larid ad e? a su a resposta, o resultado,

no ser um nm ero, m as u m atributo, com o mdio, superior etc.

P od em os, no entanto, tran sfo rm ar e sses resultados, atrib u

tos, em valo res percentuais, com o: d o s en trevistad o s, 30 % tem

en sin o superior". A p o ssib ilid ad e de tran sform ao q u e p er

m ite trabalharm os com essa varivel.


A agregao dos preceitos e da prtica da estatstica rea
da contabilidade tem sido denominada contabilomctria, que,
segundo Iudcibus (1982, p. 40-43), criador dessa terminologia,
trata-se de "uma nova rea dessa conhecimento contbil que
busca desenvolver o raciocnio matemtico dos contadores
atravs da aplicao de mtodos quantitativos na soluo de
problemas matemticos". H, ento, uma tentativa da contabi
lidade de produzir informaes relevantes para o desenvol
vimento da gesto.

Nesse contexto, os mtodos quantitativos, principalmente


as suas fundamentaes matemticas e estatsticas, so instru
mentos imprescindveis na contabilidadee na gesto. Portanto,
vamos aqui definir e detalhar os principais fatores do processo
estatstico ou dos mtodos quantitativos.
Ao desenvolverm os os conceitos sobre estatstica ou os
conceitos aplicados em mtodos quantitativos, interessante
visualizarm os como se compem essas conexes - como
possvel visualizar na Figura 1.1.
t
*i
cr
c
Conceito geral cu
qualitativas
queso
quantitativas
I
e apresentam

Nveis de
mensurao

CL
CU
a>
lidos em
n
*n
Cui
G-
a
cu

n
cu
De acordo com Kazmier (2004, p. 1), a "estatstica aplicada
refere-se s tcnicas pelas quais os dados de natureza quanti
tativa so coletados, organizados, apresentados e analisados".

1.2 Populao
Quando falamos em populao, o primeiro conceito que vem
nossa mente o de habitantes de determinada regio. Para a
estatstica, no entanto, o termo populao pode ser qualquer
item que possa ser medido. Por exemplo: pessoas, salrios,
peas, computadores, tempo de produo, animais, entre tan
tos outros elementos para os quais h necessidade de estudo
por parte do pesquisador. O critrio bsico, como j mencio
namos, que eles devem ser itens mensurveis.

Como vim os no Quadro x.x, populao compreende o con


junto de todos os dados em observao sobre os quais se quer
tirar concluses. Em qualquer estudo quantitativo, a popula
o ser a primeira preocupao do pesquisador, pois repre
senta a totalidade de elementos que descrevem certo fenmeno.
Devemos ficar atentos a essa escolha, pois a partir desse ponto
que os erros comeam.

A populao pode ser classificada da seguinte forma:


populaofinita - m en o r q u e io o m il e le m e n to s (N < ioojOOO);
populao infinita - maior que 100 mil elementos (N > 100.000).
De acordo com estudos da Universidade de So Paulo (USP)
(Conceitos, 2014), populao " o conjunto de unidades expe
rimentais que apresentam uma 011 mais caractersticas em
comum". O critrio para que determinados elementos sejam
agrupados em uma populao, portanto, que apresentem
caractersticas prprias, ou seja, que formem um grupo
relativamente uniforme - integrantes que se agregam a um
grupo geral de elementos. Por exemplo: os carros de passeio
1.0, os usurios de um plano de sade, eleitores de um pas etc.
i.3 Amostragem
A amostra estatstica refere-se a um subconjunto de uma popu
lao. Porm, essa amostra precisa (e deve) ser representativa.
Essa representaiividade dar confiana amostra e, assim,
a probabilidade de que os resultados advindos da amostra
sejam corretos ser muito grande.

Se recorremos amostragem para fazer um levantamento


estatstico porque no estamos fazendo um censo. Mas qual
a diferena entre eles? Quando falamos em censo, estamos nos
referindo ao estudo de um a populao na sua totalidade -
levantamento que, em geral, caro e invivel em curto prazo.
Como alternativa, podemos usar as amostras da populao.

Assim , em uma pesquisa estatstica, se a populao for


grande e no houver possibilidade de a pesquisa ser censi
tria (realizada em toda a populao), o pesquisador dever
utilizar uma amostra, ou seja, um subconjunto da populao.
Essa amostra, contudo, dever ser representativa.

Figura 1.2 - Processo da amostra

Para que uma amostra seja representativa, ela dever tei


as mesmas caractersticas da populao da qual foi retirada.
&
: EXEM PLOS

. U m a p e sq u isa sobre a q u a lid a d e d e en sin o de

: d e te rm in ad a in stitu io . j

P o p u lao : lo d o s o s alunos d essa instituio. Entretanto, :

caso ela tenha m u ito s alu n o s, o q u e im p o ssib ilita ria a :

realizao d a p esq u isa com todos, d evem o s u tilizar u m a :

; p esq u isa am ostrai. :

A m ostra: \ o s s e caso, o m ais in d icad o ser aplicar a p e s- j

quisa com vrios alu nos de todas as tu rm as da instituio, j

S e a p e n a s a lg u m a s salas forem esco lh id as, co rrem o s o j

risco de no atin gir todos o s itens a serem pesquisados,

i. U m a p e sq u isa eleito ral.

P o p u la o : T o d o s o s eleitores d a cid a d e d everiam fa z e r :

p arte d a p e sq u isa . M a s, n e sse caso , seria im p o ssv e l ;

realiz-la com to d o s e, se n d o assim , d e v e m o s u tiliz a r |

: a am ostra.

A m ostra: P ara que a p esq u isa seja totalm ente representa

tiva, o nm ero de eleitores da am ostra deve conter pessoas :

de todas as classes sociais, sexo, grau de escolaridad e e :

regies, resp eitan d o a s caractersticas da p o p u la o da :

cidade. S e a pesquisa no segu ir essa regra bsica, terem os \


um resultado da pesquisa errado, o que poder, cm algu n s \
: casos, alterar o resultado d a s eleies.

Portanto, a escolha certa de uma am ostra determ ina a


veracidade dos resultados de uma pesquisa estatstica. Se a
amostra for escolhida de forma equivocada, todo o processo
ser perdido.

1.4 Fases do mtodo estatstico


Quaisquer pesquisadores, diante da necessidade de um estudo
quantitativo, costumam questionar: "O que fazer primeiro?",
o
"Como fazer?" e "De que modo fazer?". A estatstica uma
cincia exata e, portanto, seguir sempre os mesmos passos.
As diferenas ocorrero nas anlises e interpretaes e em
algumas caractersticas dos fenmenos analisados, como tama
nho da populao, aprofundamento da anlise, uso da estats
tica descritiva (abordada no captulos i e 2) ou da inferncia
estatstica (captulos 3 e 4).
Portanto, para chegarmos a uma concluso sobre como rea
lizar o trabalho ou o estudo estatstico, devemos:
Definir o problema - Saber exatamente o que pretendemos
pesquisar.
Planejar - Estabelecer objetiva mente:

como iremos coletar as informaes;


quais dados devemos procurar e obter;
qual levantam ento ser utilizado (por censo ou
por amostragem);
o cronograma das atividades;
os custos.
Estabelecida e concluda essa etapa, partimos para a fase
operacional, quando de fato iremos realizar o recolhimento
de dados - que significa fazer o registro sistemtico das infor
maes com um objetivo predefinido, de acordo com as etapas
de cada fase, como mostramos a seguir.

Etapa 1: Coleta de dados - amostragem, pesquisa, questionrio

A coleta de dados, incluindo a amostragem, a pesquisa e o


questionrio, a primeira etapa do processo estatstico e tam
bm a mais relevante, pois os demais passos dependem dos
resultados obtidos na pesquisa.

Um bom processo de amostragem (forma que o pesquisador


utilizar para elaborar sua amostra) e a aplicao da pesquisa
(por meio de um questionrio coerente) daro ao pesquisador
tranquilidade para continuar o trabalho estatstico.
De acordo com Vojta (2014), a coleta de dados pode ser:
Direta - Quando realizada com dados de registro obriga
trio ou recolhidos pelo pesquisador. Neste ltimo caso,
a coleta direta dos dados pode scr contnua, peridica
011 ocasional.

Indireta Quando realizada com base em dados j pes


quisados e publicados em revistas, jornais, livros etc.

Etapa 2: Apurao dos dados - tabulao, contagem, softwares

Nessa etapa do processo estatstico, o pesquisador ter em


mos muitos dados coletados. Para obter o resultado, dever,
em primeiro lugar, tabul-los, para ento aplicar os clculos
estatsticos e matemticos. Outra opo a aquisio de soft
wares estatsticos para facilitar a obteno dos resultados.

Etapa 3: Apresentao dos dados - tabelas, grficos, planilhas

Hoje em dia, nenhuma pesquisa encerrada sem a utilizao


de softwares eletrnicos para o desenvolvimento de grficos,
tabelas e planilhas. Esse recurso disponibilizar a sntese dos
resultados da pesquisa.

Etapa 4: Anlise, interpretao e concluso das informaes

Com o encerramento do processo estatstico, os dados coleta


dos passam condio de informaes, as quais podem ser
utilizadas na tomada de deciso ou na anlise do fenmeno
pesquisado.
A tomada de deciso a sntese de todo o processo de anlise
estatstica. Muitas organizaes tm informaes, mas no as
utilizam na tomada de deciso. Esses dados ficam guardados
e as aes continuam sendo as mesmas de anos anteriores.
Para todos os conceitos explicados neste livro, sero realizadas
anlises sobre os resultados obtidos, demonstrando a impor
tncia do uso dos mtodos quantitativos.
&
1.5 Variveis
Nos estudos estatsticos, as variveis so os valores que assu
mem certas caractersticas, que por sua vez recebem o trata
mento estatstico. Assim , as variveis so os resultados da
coleta de dados.

Por exemplo: Quanto de imposto Sobre Servio (ISS) foi


pago no ms de janeiro de 2013? Ou, ainda, que conceito voc
d ao trabalho realizado pelo contador da empresa? As duas
respostas - uma, em valores monetrios, e a outra, um con
ceito - so, em cada caso, as variveis que sero trabalhadas.
Essas variveis podem ser qualitativas ou quantitativas,
como veremos a seguir.

1.5.1 Variveis qualitativas


As variveis qualitativas, tambm denominadas categricas, no
representam uma quantidade, mas sim categorias. So aquelas
que se referem a um atributo, a uma qualidade, por exemplo:
classe social, sexo, estado civil.

1.5.1.1 Variveis qualitativas nominais

Uma varivel qualitativa nominal quando no apresentar


uma ordem, como as categorias dc sexo (masculino e feminino),
que no apresentam uma ordenao prpria.

So os tipos mais simples de variveis e tambm inferiores


em termos de informao obtida. Denominadas ou classifi
cadas por meio de nmeros ou categorias, so consideradas
nominais porque sua funo identificar para nomear os atri
butos ou seres.
&
EXEM PLO

Q u al a sua profisso?

. Jornalista.

2. Mdico.
3. Engenheiro.

4. Dentista.

5. O u tr a ? ____________

Os nmeros ao lado de cada categoria da varivel (profisso)


servem apenas para classific-las ou nome-las, no repre
sentando um nvel hierrquico ou um peso maior ou menor
entre elas.
Esses tipos de variveis podem ser dicotmicos (exemplo:
Qual o seu gnero? Masculino ou feminino?) ou categricos,
que assumem trs ou mais categorias.

Em termos de anlises estatsticas, essa escala de mensu-


rao dar ao pesquisador apenas a possibilidade de obter
dados absolutos e relativos (porcentagem) de cada uma das
categorias pesquisadas.

EXEM PLO

Utilizando o exemplo anterior, supe-se uma pesquisa com 1 19 |


profissionais, a qual apresenta os resultados a segu ir:

Tabela 1.1 - Pesquisa sobre profisses

Q u a l a s u a p r o f is s o ? E n t r e v is t a d o s %

1. J o r n a lis t a 17 1 4 ,2 8

2 . M d ic o 23 19.32

3 . E n g e n h e ir o 38 31.93

4 . D e n t is t a 26 2 1,8 4

5 . O u tra ? IS 1 2 ,6 0

T o ta l 119 = 100
o
Portanto, p ara a p o ssib ilid a d e de a n lise s, e x istem ap en as

e ssa s in fo rm a e s, n o h a v e n d o a co n d i o de relao entre

as categorias.

1.5.1.2 Variveis qualitativas ordinais

As variveis ordinais tm o objetivo de ordenar certa categoria.


Alm de classific-las, como na varivel nominal, podemos
estabelecer uma ordem hierrquica entre elas.

Nesse nvel de mensurao, a relao entre os itens tem uma


variao de peso, ou seja, cada item pesquisado na varivel tem
um valor maior do que o outro.

EXEM PLO

Q u a l o seu grau de escolaridade?

1. A n alfabeto .

2. E n sin o fundam ental.

3. Ensino m dio.

4. E n sin o superior.

5. Ps-graduao.

No exemplo mostrado, as categorias da varivel grau de esco


laridade tm pesos diferentes entre si. A categoria ps-gra
duao maior que a categoria ensino superior, que, por sua
vez, c maior que a categoria ensino mdio, e assim por diante.

Nesse caso, alm da possibilidade de anlises estatsticas


iguais s da escala nominal, o pesquisador pode aferir o quanto
o peso dessa varivel impacta numa avaliao final.
1.5.2 Variveis quantitativas

As variveis quantitativas representam quantidades e se refe


rem a um valor numrico. Por exemplo: idade, salrio e tempo.
Esse tipo de varivel pode ser dividido em duas categorias:
. Contnuas - Quando puderem assum ir qualquer valor
que esteja com preendido em determ inado intervalo.
So aquelas nas quais se encontram infinitos valores em
um intervalo, ou seja, que aceitam casas decimais.

Exemplo: peso, salrio e tempo.


Se focarmos no exemplo do peso, voc pode observar que
este uma varivel continua, uma vez que ele pode assumir
infinitos valores, como 25,324354... kg.

2. Discretas - Aquelas nas quais se encontram finitos valores


em determinado intervalo. Ou seja, so aquelas que no
aceitam casas decimais.

Exemplo: nmero de filhos, pessoas, automveis.


Esses elementos, ao contrrio das variveis contnuas, s
podem assumir valores inteiros: 3 filhos, 1.000 pessoas
etc.; portanto, so dados que correspondem s variveis
quantitativas discretas.
Quadro .i - Resumo de classificao das variveis

T ip o d e
C la s s if ic a o D e s c ri o
v a r i v e is

U m a v a r i v e l q u a l it a t i v a n o m in a l

q u a n d o n o t e m u m a o r d e m . P o r e x e m p lo ,

N o m in a is a s c a t e g o r ia s d o s e x o ( m a s c u lin o e

f e m in in o ) , q u e n o a p r e s e n t a m u m a

o r d e n a o p r p r ia .
Q u a lit a t iv a s
A s v a r i v e is o r d i n a i s t m 0 o b j e t iv o

d e o r d e n a r c e r t a v a r i v e l. A l m d e

O r d in a is c la s s if ic - la s . c o m o n a v a r i v e l n o m in a l,

p o d e m o s e s t a b e le c e r u m a o r d e m

h ie r r q u ic a e n t r e e la s .

A s v a r i v e is q u a n t i t a t i v a s s o

c o n s id e r a d a s c o n t n u a s q u a n d o

p u d e r e m a s s u m ir q u a l q u e r v a lo r e m

C o n t n u a s d e t e r m i n a d o in t e r v a lo . S o a q u e la s n a s

q u a is s e e n c o n t r a m i n f i n i t o s v a lo r e s
Q u a n t it a t iv a s e m u m in t e r v a lo , o u s e ja , q u e a c e it a m

c a s a s d e c im a is .

S a o a q u e l a s n a s q u a is s e e n c o n t r a m f in i t o s

D is c r e t a s v a lo r e s e m d e t e r m i n a d o in t e r v a lo . O u s e ja ,

s o a s q u e n o a c e it a m c a s a s d e c im a is .

Rara o profissional da rea, muito importante conhecer as


variveis quantitativas, assim como a sua classificao, pois
so sempre utilizadas e devem ser tratadas de forma correta.

i.6 Nveis de mensurao das variveis


O processo de mensu rao de variveis, como alerta Guimares
(2007, p. 3), compreende "diferentes formas de medir - e tipos
de desafios a superar". Ainda de acordo com a autora, devemos
observar que as condies de mensu rao esto relacionadas
a situaes como:
o tipo de mensu rao: direta ou indireta?
o tipo de varivel que queremos pesquisar: Fato? Crena?
At itude? Comporta mento?
a escala em que a varivel ser expressa - os nveis de
mensurao propriamente ditos: nominal, ordinal, inter
valo ou razo.
So quatro os diferentes tipos de escalas - ou nveis de men
su ra d o - cm que a varivel c opcracionalmentc definida e
coletada: i) nominal; 2) ordinal; 3) intervalo; e 4) razo.

Quando nos referimos mensurao de uma varivel esta


mos falando de quanta informao o seu nvel de mensurao
pode nos fornecer. Nesse contexto, destacamos que os tipos
nominal e ordinal de mensurao no permitem quantifica
o e, por isso, restringem-se s variveis qualitativas, como
j observado.
Variveis intervalares e de razo proporcionam informaes
quantitativas. Elas permitem ordenar, quantificar c comparar.

1.6.1 Variveis intervalares

Essa escala de mensurao nos permite classificar e ordenar


as variveis por meio de intervalos numricos, abrangendo
resultados maiores e possibilitando a identificao do perfil
de determinada varivel.

EXEM PLO

Q ual a sua renda fam iliar?

1. De 1 a 3 salrios mnimos.
2. De 4 a 6 salrios mnimos.
3. D e 7 a 9 salrio s m n im o s.

4. De 10 a 12 salrios mnimos.
5. Mais de 12 salrios mnimos.

Por meio dessa escala de mensurao, possvel analisar os


resultados absolutos e relativos e tambm determinar vrias
medidas estatsticas, como a mdia e o desvio-padro (assuntos
que sero trabalhados no prximo captulo).
1.6.2 Variveis mtricas ou de razo

As variveis mtricas ou de razo podem assum ir quaisquer


valores num ricos. Com elas, possvel desenvolverm os
todas as anlises estatsticas - tanto as descritivas quanto as
de inferncia.

j EXEM PLO

: Q u al o seu peso?

: Qual a sua idade?


Qual a sua renda?

Nessa escala de mensurao, portanto, os resultados das


variveis-qu e so utilizadas para indicar medidas absolutas e
fazer comparao de propores - so totalmente quantitativos.

1.6.3 Outras escalas de mensurao

Embora as escalas nominal, ordinal, intervalar e de razo


sejam consagradas pelo uso para fazermos a mensurao de
uma varivel, h, claro, outras, que podem ser aplicadas no
processo de coleta de dados. So escalas de mensurao com
as quais possvel avaliar percepes, comparar dois objetos,
analisar situaes, expectativas, avaliar afirmaes ou, ainda,
medir opinies, de acordo com a seguinte classificao:

Diferencial semntica - Utilizada para avaliar percepes,


atitudes, hbitos de consumo, opinies etc.

EXEM PLO

Barato + Caro

1 2 3 4 5 6 7
A
Stapel- E uma adaptao da diferencial semntica, usada
para comparar produtos. Os atributos so avaliados em
dez pontos.

EXEM PLO

Sabor

-5 -4 -3 - 2 - 1 +1 +2 +3 +4 +5

Com parativa - U tilizada para com parar estados, situ


aes, expectativas.

EXEM PLO

Pior. :

Igual. j
Melhor.

Thurstone - Utilizada para medir declaraes com valores


preestabelecidos.

EXEM PLO

Concordo.
Discordo.

Likert - Utilizada para medir opinies, atitudes, percep


es, afirmaes. Nessa escala, as variveis podem assu
m ir pesos (como no exemplo a seguir) e, assim , pode
mos obter os resultados finais com uma nica nota, por
meio da mdia dos resultados (conceitos apresentados no
Captulo 2), a qual pode ser utilizada como um indicador
de desempenho empresarial.
o
EXEM PLO

1. Discordo plenamente.
2. Discordo parcial mente.
3. Indiferente.
4. Concordo parcialmcntc.
5. Concordo plena mente.

As escalas de mensurao ajudam a identificar quais as for


mas de coleta de dados mais adequadas para uma pesquisa.
Assim , podemos obter informaes mais coerentes sobre o
fenmeno analisado.

1.7 Fontes de pesquisa


A palavra pesquisa, por definio, refere-se busca por resul
tados, informaes, novos conhecimentos ou dvidas a serem
esclarecidas. A s fontes de pesquisa, por sua vez, so o arse
nal do pesquisador, onde e como as informaes so obtidas.
Essas fontes podem ser classificadas cm primrias, secundrias
011 tercirias.

Sempre que fizermos uma pesquisa, importante distin


guirmos que tipo de fonte estamos utilizando, pois, " medida
que a informao retirada da fonte original, vai perdendo
cada vez mais detalhe e a ideia original pode ficar corrompida"
(Biblioteca Geral da Universidade de Evora, 2005).

Fontes primrias - Quando o pesquisador vai at o local e


faz a sua prpria pesquisa. Tambm so conhecidas como
pesquisas de campo. Elas contm informao original sobre
um assunto e seus dados podem estar registrados em
relatrios tcnicos, normas tcnicas, livros, revistas, atas,
leis, teses, dirios, entre outros, ou, ento, ser frutos de um
trabalho direto de coleta de dados. As fontes primrias
tm as seguintes caractersticas:

so aquelas que contm informaes originais


ou, pelo menos, novas interpretaes de fatos
ou ideias j conhecidos; :
os documentos primrios so geralmente pro- :
duzidos com a interferncia direta do autor
da pesquisa; j
por sua natureza, so dispersas e desorgani
zadas do ponto de vista de produo, divulga- \
oe controle.

Ft>\ i>: Santo, 2005.

Fontes secundrias - Representam a pesquisa na qual o


pesquisador faz uso de outras pesquisas. Ou seja, so
registros que encontramos em documentos que analisam,
interpretam e comentam as fontes primrias. Podem com
preender tabelas, unidades de medidas estatsticas, bases
de dados e banco de dados, alm dc biografias, bibliogra
fias, catlogos, anurios, livros e artigos que sintetizem
um conhecimento j existente etc. Essas fontes tm as
seguintes funes bsicas:

facilitar o uso do conhecimento disperso nas


fontes primrias;
trazer a informao j filtrada e organizada de :
acordo com um arranjo definido, dependendo
de sua finalidade.

Fo v t f : Santos, 2005.

Fontes tercirias - Essas fontes, para Santos (2005), "tm a


funo de guiar o usurio para as fontes prim rias e
secundrias". So obras especializadas que agregam
um conjunto de conhecimentos ou explicaes concisas
sobre determinados temas, autores, trabalhos, associa
es ou recursos. As fontes tercirias relacionam, clas
sificam e organizam informaes de fontes primrias e
secundrias. Entre elas, encontramos: centros de infor
mao, bibliotecas, resumos, servios de indexao. Essas
fontes possibilitam ao leitor entender as informaes e,
principalmente, como obt-las de forma correta, sem
comprometer sua pesquisa.

Saiba m ais

Vrios conceitos da estatstica so utilizados diariamente pelos


contadores, na maioria das organizaes brasileiras. Para saber
mais sobre esse assunto c sobre como as pesquisas so realiza
das, voc pode pesquisar sites de empresas de pesquisa, como
Ibope e Datafolha. Outra fonte o site do Instituto Brasileiro de
Geografia e Estatstica (IBGE), no qual o leitor pode fazer uma
busca sobre informaes relevantes da sua regio.
DATAFOLHA. Disponvel em: <http://datafolha.folha.uol.com.br>.
Acesso em: 30 nov. 2013.
IBGE Instituto Brasileiro de Geografia e Estatstica. Disponvel em:
<http://www.ibge.gov.br>. Acesso em: 4 dez. 2013.
IBOPE - Instituto Brasileiro de Opinio Publica e Estatstica.
Disponvel em: <http://www.ibope.com.br>. Acesso em: 4 dez. 2013.

1.8 Estatstica descritiva


As m ais diversas fontes servem, como j vimos, para obter
dados para as anlises estatsticas: informaes publicadas por
institutos de pesquisas, informaes obtidas pelo prprio pes
quisador ou por empresas, anurios estatsticos, entre outros.
d
O trabalho da estatstica descritiva descrever determi
nado fenmeno estudado, seja ele quantitativo ou qualitativo.
Por meio da estatstica descritiva, podemos construir plani
lhas, tabelas e grficos e tambm determinar as medidas que
explicaro o comportamento das variveis numa distribuio
estatstica, para as quais necessitamos de um estudo. a pri
meira etapa aps a coleta de dados, ou seja, trata-se do resumo
dos dados.

Como esclarece Davila (2014, p. 5), "a estatstica descritiva


a etapa inicial da anlise utilizada para descrever e resumir
os dados. A disponibilidade de uma grande quantidade de
dados e de mtodos computacionais muito eficientes revigorou
esta rea da estatstica"'. Devemos realizar vrias etapas at a
anlise final da estatstica descritiva.
Podemos, de forma resumida, dizer que processo estats
tico, quando orientado para a estatstica descritiva, obedece s
seguintes etapas: definio do problema, planejamento, coleta
dc dados e crtica dos dados.

Na fase da crtica dos dados (que o assunto abordado neste


captulo), devemos realizar:
a apresentao dos dados - em tabelas e grficos;
a descrio dos dados.

Quadro 1.2 - Etapas de elaborao da apresentao


dos dados

1. D is t r ib u i o d e f r e q u n c ia s R o t e ir o

C l c u lo s

2. M e d id a s D e p o s i o d e t e n d n c ia c e n t r a l

s e p a r a t r iz e s

D e d is p e r s o
D e a s s im e t r ia

D e c u rto s e

3. A n lis e A p lic a o

Verem os neste captulo a distribuio de frequncia.


Os demais itens sero abordados na sequncia do livro.
1.8.1 Distribuio de frequncia
A distribuio de frequncia uma srie estatstica na qual
as variveis quantitativas so divididas em classes e catego
rias, com as frequncias correspondentes. Trata-se, portanto,
de uma tabela ou de um arranjo tabular dos dados com as
respectivas frequncias. So essas tabelas que usam os para
elaborar as representaes grficas.
Por meio da tabela estatstica, podemos responder a inme
ras perguntas sobre o fenmeno analisado. s distribuies
de frequncia, j com os dados coletados, dividiro os valores
em vrios intervalos, a fim de que seja mais fcil visualiz-los.
Alm disso, esse tipo de srie estatstica nos possibilita obter
informaes sobre o grau de concentrao, ou seja, saber onde
h m ais valores posicionados, a amplitude dos valores, o grau
de disperso e tambm onde h menos valores.

1.8.2 Elementos de uma distribuio de frequncia


A montagem de uma distribuio de frequncia segue sempre
a mesma sequncia de aes. Sendo assim, bastante simples,
porm existem vrios elementos a ser observados ou calcu
lados - e cada um deles pode fornecer diversas informaes
para tomarmos uma deciso.

Relao dos valores (ROL) - E o arranjo dos dados brutos
em ordem de grandeza crescente.
*
Am plitude total (AT) - E a diferena entre o maior e o
menor valor observados no ROL.
Classes - Cada uma das divises ocorridas no campo de
variao de uma distribuio de frequncia.
Frequncia simples (fi) - o nmero de observaes ocor
ridas em cada classe.
Limites de classe - So os valores externos de cada classe.
Assim, temos o limite inferior (li) e o limite superior (ls).
Intervalo de classe - Existem muitas maneiras de represen
tarmos um intervalo de classe, sejam eles iguais, sejam
diferentes. Devemos, contudo, escolher intervalos iguais,
o que facilitar os clculos. Mesmo com intervalos iguais,
podemos represent-los de quatro formas diferentes:

. l i ----- ls: corresponde a todos os valores, excluindo


os extremos.

2. li I-----1 ls: corresponde a todos os valores, incluindo


os extremos.

3. li I-----ls: corresponde a todos os valores, incluindo o


li e excluindo o ls.

4. l i ----- 1 ls: corresponde a todos os valores, excluindo o


li e incluindo o ls.

Ponto mdio (X i)-H o nmero que representa a classe para


efeito de clculos. Pode ser obtido pela seguinte frmula:

Nmero de classes - Existem vrias m aneiras de deter


minar o nmero de classes de uma distribuio de fre
quncia. Assim, caber ao pesquisador escolher o melhor
nmero. Todavia, para que haja uniformidade nos clcu
los, utilizaremos a frmula de Sturges.

K = 1 + 3 3 logN
O nde:

N = n m e ro d e e le m e n t o s o b s e r v a d o s .

Tipos de frequncia - Podemos observar os seguintes tipos


de frequncia:
Frequncia relativa simples (fri) Corresponde ao quo
ciente entre a frequncia simples de cada classe e o
nmero de elementos observados.
Frequncia acumulada crescente (Fii) - Corresponde
soma das frequncias simples de cada classe com as
suas anteriores.
Frequncia acumulada decrescente (Fi) - Corresponde
soma das frequncias simples de cada classe com as
suas posteriores.

Na distribuio de frequncia, importante lembrarmos da


observao feita por Peternelli (2012, p. 162): "as tabelas devem
ter significado prprio [...] devem ser entendidas mesmo
quando mo se lc o texto em que esto apresentadas. O mesmo
vlido para as tabelas de distribuio de frequncias".

1.8.3 Roteiro para elaborao de uma distribuio


de frequncia
Criar um roteiro auxilia muito ao elaborar a distribuio de
frequncia, pois essa facilidade de montagem, contraposta
quantidade de informaes que ela d ao pesquisador, torna
a tabela estatstica essencial para obter as medidas estatsticas.

Devemos, portanto, percorrer os seguintes passos:


1. fazer o ROL;

2. encontrar a amplitude total;

3. calcular o nmero de classes;


4. determ inar a am plitude do intervalo de classe (h) pela
frmula:

5. definir os limites de classe;

6. construir a distribuio dc frequncia.


Exerccio resolvido
. Certa organizao necessita contratar um traiuee para o seu
departamento contbil. Contudo, a empresa no sabe qual
ser a remunerao para esse cargo. Assim, antes de tomar
um a deciso, foi realizada um a pesquisa com 50 em pre
sas sobre os valores salariais para um cargo compatvel ao
desejado. Com os dados coletados, construa uma distribuio
de frequncia: (log 50 = 1,70).

700 720 740 750 770 790 800 840 840 85O
860 870 880 880 890 910 920 930 940 960
990 1000 1010 1020 1020 1030 1050 1050 IO6O 1080
1080 1080 1090 1120 II30 1140 1150 1170 1180 1180
1210 1230 1230 125O 1260 1270 1300 1330 136O 14OO

Passos para a resoluo:

a) Para construir a distribuio de frequncia, a


primeira ao construir o R O L. Neste exerccio,
contudo, os dados j esto em ordem. Sendo assim, j
podemos ir para o prximo passo.
b) Encontrar a amplitude total (AT):
AT = Xmax - Xmin
A T - 1 4 0 0 - 700
AT = 700

Nesta pesquisa, por enquanto, sabemos dos salrios de


50 profissionais, que tm uma amplitude de RS> 700,00, e
tambm temos os valores mximo e mnimo pagos a esse
cargo polas empresas.
c) Para calcular o nmero de classes, utilizaremos a
seguinte frmula:
o
K = i + 1,3 3 - logN
K = i + 1,33 log 50
K= 1 + 1,33-1,70
K= 1 +5,61
K = 6,6i
K = 7 classes
Esse resultado no poder ter casas decimais, ou seja,
ser inteiro. Caso o resultado no seja inteiro, devemos
sempre arredondar para cima.
A amplitude de RS 700,00, portanto, ser dividida em
sete classes ou categorias.
d) Chegaremos amplitude do intervalo de classe por
meio da seguinte frmula:

h= ^

h = 100

Ou seja, as sete classes ou categorias tero um inter


valo de R$ 100,00.

Com essas informaes, j podemos comear a cons


truir uma distribuio de frequncia:

Tabela 1.2 - Montagem da distribuio de frequncia

Salrios fi Xi fri fri (%) FU FiT


7001----800 6
8001----900 9

9001----1.000 6
1.0001----1.100 12
1.1001----1.200 7

1.2001----1.300 6
1.3001--- 11.400 4

50
&
Consideraes

a) Podemos observar que os limites de classe so


representados da seguinte forma: (I----- ), que
significa que o limite inferior includo e o limite
superior excludo da contagem. Assim, caso exista
no R O L um valor 900, por exemplo, ele ser inserido
na segunda classe, e no na primeira. No caso da
ltima classe, o intervalo est fechado (|-----1), assim
o valor 1.400 ser contado na ltima classe.
b) A coluna fi (frequncia simples) refere-se ao nmero
*
de observaes em cada classe, b uma simples
contagem do RO L. Devemos lembrar que as classes
tm seu limite inferior fechado (conta o valor) e o
limite superior aberto (no conta o valor, se existir;
conta para a prxima classe). E assim exceto na
ltima classe, na qual o intervalo est fechado.
c) A quarta classe a que representa a maior frequncia
simples (12).
Essas duas colunas so a base para a concluso da tabela,
bem como para o clculo de todas as medidas estatsticas que
sero aprendidas nesta obra.

Como foi possvel observar no exerccio resolvido, esta


mos trabalhando em um processo de descrio e avaliao de
certo grupo, sem formularmos quaisquer concluses sobre
um grupo maior. E, uma vez realizado esse primeiro proce
dimento (roteiro) da primeira etapa de elaborao da apresen
tao dos dados (distribuio de frequncia), devemos passar
para os clculos.
.g Clculos do roteiro dc distribuio
de frequncia
Para realizarmos uma distribuio de frequncia, elaboramos
alguns clculos com os dados apresentados. Esses clculos
so: ponto mdio, frequncia relativa simples, frequncia
acumulada crescente c frequncia acumulada decrescente.

1.9.1 Clculo do ponto mdio (Xi)

Sendo a frequncia a quantidade de vezes que um mesmo valor


de um dado repetido, e, por sua vez, o RO L, a ordenao dos
valores obtidos em ordem crescente ou decrescente de gran
deza numrica (que pode ser qualitativa tambm) - que dis
tribumos em intervalos de abrangncia, a que denominamos
classes - para realizarmos uma tabela precisamos estabelecer
o ponto mdio de uma classe. Ponto mdio aquele que est
numa posio media da distribuio de valores do intervalo
da classe, dividindoo intervalo em duasclasses (Novaes, 2008).

que faremos agora calcular esse ponto mdio. A fr


mula simples, pois ser a mdia entre o limite inferior (li) e
o limite superior (ls).

li+ls
Xi =
2
Xi = 750
700 + 800
Xi =
2

Podemos dizer, portanto, que a mdia salarial dos seis pro


fissionais da primeira classe de R$ 730,00.

Ento, completando a tabela, teremos:


Tabela 1.3 - Distribuio de frequncia

S a l r io s fi Xi fri fri ( % ) F il FiT

700 |-------- 8 0 0 6 750

8 0 0 |-------- 9 0 0 9 850

90 0 j-------- 1.000 6 950

1.000 |-------- 1.100 12 1.050

1.10 0 |-------- 1.200 7 I.150

1.20 0 |-------- 1-300 6 1.250

I.3OO |-------- 1 1.4OO 4 1.350

50

Com o clculo do ponto mdio concludo, podemos agora


fazer o clculo das frequncias.

1.10 Clculo das frequncias


A frequncia, como j mencionamos, a quantidade de vezes
que um mesmo valor de um dado repetido. Ser com esses
dados que iremos calcular as diversas frequncias que fazem
parte da representao da estatstica descritiva.

.io.i Clculo da frequncia relativa simples:


fri e fri%
O clculo da frequncia relativa simples facilitar a visualiza
o dos resultados, pois indicar o percentual referente a cada
classe. Esse clculo nos fornece a proporo de observao de
um valor em relao ao nmero total de observaes.
&
Multiplicando por ioo, podemos observar que 12% dos entre
vistados esto na primeira classe, com uma mdia salarial de
R$ 750,00.

Fazendo os mesmos clculos para as dem ais classes, a


nossa distribuio de frequncia ficar como apresentado na
Tabela 1.4.

Tabela 1.4 - Distribuio de frequncia das medidas


fri e fri%

S a l r io s fi Xi fri fri (%) FU FiT

7001----800 6 750 0,12 12

8001----900 9 850 0,18 18


900 |----1.000 6 950 0,12 12
1.000 --- 1.100 12 1.050 0,24 24

1.100 1.200 7 1.150 0,14 14

1.200 |----1300 6 1.250 0,12 12


1300 |----11.400 4 1.350 0,08 8
50 100%

1.10.2 Clculo da frequncia acumulada


crescente (Frii)
N esse caso, devem os acum ular as frequncias sim ples de
cada classe com as suas anteriores, pois se trata do clculo
da soma de todas as frequncias abaixo do limite superior de
determinada classe. Vamos, ento, dar seguim ento ao pro
cesso de clculos utilizando os dados que constam das tabelas
anteriores; portanto:
6 da primeira classe, pois, como no havia algo acumu
lado, permanece o mesmo valor;

9 da segunda classe, mais o 6 acumulado, teremos 15;


6 da terceira classe, mais o 15 acumulado, teremos 21.

E assim sucessiva mente, seguindo o sentido da seta.


&
1.10.3 Clculo da frequncia acumulada
decrescente (FriT)
Nesse caso, devemos acu mu lar as frequncias simples de cada
classe com as suas posteriores:
4 da stima classe, pois, como no havia algo acumulado,
permanece o mesmo valor;
6 da sexta classe, mais o 4 acumulado, teremos w;

7 da quinta classe, mais o 10 acumulado, teremos 17.

E assim sucessivamente, seguindo o sentido da seta.


Concluindo a distribuio, ela ficar como apresentado na
Tabela 1.5.

Tabela 1.5 - Concluso da tabela de distribuio de classes

S a l r io s fi Xi fri fri ( % ) F ii F i

7 0 0 1-------- 800 6 750 0,12 12 6 50

8 0 0 1-------- 900 9 850 0,18 18 15 44

9 0 0 1-------- 1.000 6 950 0,12 12 21 35

1.0 0 0 1-------- 1.100 12 1.050 0,24 24 33 29

1.1001-------- 1.200 7 1.150 0,14 14 40 17

1.20 0 |-------- I.3OO 6 1.250 0,12 12 46 10

I.3OO |-------- 11.400 4 1.350 0,08 8 50 4

so 100 %

Perguntas e respostas
Quantas faixas salariais h nesse estudo?

Quem define o nmero de classes (as faixas salariais, nesse


caso) o prprio pesquisador, porm, da maneira explicada,
h uma padronizao dos clculos. No exemplo dado, por
tanto, so sete classes. Dessas sete faixas salariais, podemos
definirem qual faixa o trainee estar, de acordo com o mercado.
Essa questo depender da poltica salarial da empresa.
Em que classe h maior concentrao de valores?

A faixa de maior concentrao a quarta classe, que paga


salrios entre RS 1.000,00 e R$ 1.100,00, com uma mdia de
R$ 1.050,00 (valor representado pelo ponto mdio Xi), repre
sentando 24% do total de pesquisados.

Quanto representa a classe de maior concentrao?

No acumulado das classes, a faixa de maior concentrao


engloba 33 das 50 empresas pesquisadas. Isso representa 66%
do total.

E a menor concentrao de valores? Quanto ela representa?

A faixa de menor concentrao representa apenas 8% do


total, com um salrio mdio de R$ 1.350,00.

Vale ressaltar que todas essas concluses so obtidas apenas


ao se observar a distribuio de frequncia.

Sntese
Hoje, nas organizaes, bastante comum que a tomada de
deciso dependa direta mente de informaes obtidas por meio
de coleta de dados. Assim, para essas empresas, imprescind
vel saber como obter essas informaes, como interpret-las e
como aplic-las no dia a dia. Sob essa perspectiva, neste cap
tulo discutimos os primeiros conceitos da estatstica, alem de
sua terminologia bsica, suas funes e finalidades.

Para o pesquisador da rea contbil, esse tipo de conheci


mento uma necessidade constante, sobretudo porque faz
parte de inmeras situaes do cotidiano desse profissional
e, assim, do dia a dia e da tornada de decises nas empresas.
Tratamos tambm dos conceitos especficos e da aplicao
da estatstica descritiva, que ocorre aps a coleta de dados, ou
seja, quando tabulamos e calculamos as medidas da estatstica
descritiva - as quais, como o prprio nome j diz, descrevem
o fenmeno estudado na pesquisa. O tratamento dessas infor
maes ser discutido nos captulos a seguir.

Questes para reviso

. Considerando os fenmenos apresentados a seguir, defina


a populao e a amostra a ser trabalhada em cada um
dos casos.

i. Histrico do custo de manuteno de uma empresa:

a) Apenas uma listagem com os custos dos ltimos


trs meses.
b) O total dos custos com manuteno e um subconjunto
desse total.
c) Apenas um subconjunto do total.
d) Escolha aleatria de alguns meses.

ti. Mdia de preos pagos por serv ios de consultoria de uma


organizao:
a) Todos os valores pagos e um subconjunto
desses valores.
b) Apenas uma listagem com os ltimos seis meses
pagos de consultoria.
c) Apenas o total pago pela empresa no ltimo ms.
d) Apenas os valores pagos na sua totalidade.
2. Para responder s perguntas a seguir, considere que certo
escritrio contbil esteja desenvolvendo um estudo sobre
previdncia privada. Um dos critrios para o clculo dos pla
nos saber a idade dos seus clientes, com o objetivo de pro
porcionar as melhores opes. Dessa forma, foram coletadas
as idades de 30 clientes. Com esses dados, primeiro vamos
construir uma distribuio de frequncia (log 30 = 1,48):

18 19 21 24 26 27

27 29 30 30 31 32

33 34 35 39 40 41

43 44 46 47 48 51

52 54 57 62 65 66

Id a d e s fi Xi fri fri ( % ) FU FiT

Agora que voc j montou a tabela, responda:


a) Qual a classe de maior concentrao e a idade mdia
dessa classe?
b) Qual a classe de menor concentrao e a idade mdia
dessa classe?
c) Qual a porcentagem de clientes nas duas classes que
representam as maiores idades?
d) Qual a idade media da classe dc menor idade?
&
Questes para reflexo
Considerando os questionamentos que acabou de responder,
podemos tentar refletir a respeito das informaes obtidas na
execuo do problema. Neste exemplo, o escritrio contbil est
desenvolvendo um estudo sobre previdncia privada, por isso
coletou a idade de uma amostra de clientes. Como voc pde
aprender neste captulo, a amostra representa um subconjunto
da populao. Os resultados foram tabulados e apresentados
numa distribuio de frequncia, sendo importante lembrar
que a tabela estatstica proporciona uma viso total dos dados
pesquisados. Responda s seguintes questes:
. O escritrio contbil poder definir quais so as ida
des de maior concentrao e apresentar um produto de
previdncia privada mais adequado s necessidades de
seus clientes?
2. O escritrio contbil ter uma viso total da descrio
dos seus clientes?
Contedos do captulo

Medidas de posio.
Medidas de disperso.
Medidas de assimetria.
Medidas de achatamento - curtose.
Caractersticas e aplicaes da estatstica descritiva.

Aps o estudo deste captulo, voc ser capaz de:

1. conhecer e calcular as medidas utilizadas na estatstica


descritiva;
2. analisar a utilizao das medidas da estatstica descritiva;
3. tomar decises com base nos dados estatsticos;
4. analisar o fenmeno pesquisado;
5. identificar o posicionamento dos valores numa
distribuio;
6. relacionar as diferentes medidas da estatstica descritiva.
medidas da estatstica descritiva, como a mdia, a
mediana, a moda e o desvio-padro, tm por finalidade des
crever ou resum ir o fenmeno analisado. Com isso, propor
cionam a clara compreenso e interpretao das informaes
sobre esse fenmeno, o que, consequentemente, auxilia na
tomada de deciso.
Entre as variveis quantitativas, encontramos as medidas de
posio e as medidas de disperso. Elas servem para determi
nar os graus de concentrao e disperso de valores. J as medi
das de assimetria e as de achatamento ou curtose servem para
indicar o grau de disposio dos valores numa distribuio.

2.1 Medidas de posio


M edidas de posio so as medidas de tendncia central e
as separatrizes, as quais determinam o posicionamento dos
valores numa distribuio de frequncia. So elas que nos per
mitem analisar o fenmeno estudado com mais exatido.
As medidas de posio se dividem em medidas de tendncia
central e separatrizes; por meio delas, podemos determinar,
por exemplo, moda, mdia, mediana, percentise quartis, como
possvel observar no Quadro 2.1.

Quadro 2.1 - Diviso das medidas de posio

M e d id a s d e p o s i o

M e d id a s d e t e n d n c ia c e n t r a l M d ia a r it m t ic a , m e d ia n a e m o d a

S e p a r a t r iz e s q u a r t is , c e n t is e p e r c e n t is

A seguir, analisaremos as especificidades dcada uma delas


e, ainda, suas subdivises.

2.1.1 Medidas de tendncia central

So as medidas que determinam o grau de concentrao dos


valores numa distribuio. Elas so utilizadas, de acordo com
Balieiro (2014), para "localizar a distribuio dos dados bru
tos (ou das frequncias) sobre o eixo de variao da vari
vel em questo". Como foi possvel observar no Quadro 2.1,
a mdia aritmtica, a mediana e a moda so as medidas de
tendncia central.

Vale relembrar, no Quadro 2.2, alguns conceitos apresenta


dos no captulo anterior.

Quadro 2.2 - Conceitos para clculos

R e la o d o s v a lo r e s ROL

A m p lit u d e to ta l AT

F r e q u n c ia s im p le s fi

L im i t e in f e r io r li

L im i t e s u p e r io r Is

P o n t o m d io Xi

(continua)
iQuadro 2.2 concluto)
-

F r e q u n c ia r e la t iv a s im p le s fri

F r e q u n c ia a c u m u l a d a c r e s c e n t e FU

F r e q u n c ia a c u m u l a d a d e c r e s c e n t e F it

A anlise do grau de concentrao dos valores tem grande


importncia no entendimento dos fenmenos pesquisados.
Por meio desse tipo de medida, podemos determinar onde
a maioria dos valores est disposta, suas particularidades e
tambm se existem valores fora de contexto (o que conhecido
como out-liers).

2.1.1.1 Mdia aritmtica

A mdia aritmtica uma medida estatstica que representa o


grau de concentrao dos valores numa distribuio. Tambm
vai caracterizar a distribuio por meio do seu resultado.
Numa distribuio simples, a mdia aritmtica obtida ao
somarmos cada um dos elementos e, depois, dividi-los pela
sua quantidade.

j EXEM PLO

: 4 -7-9 -13-15-19 -22-25

\ Y - * XI i
j X ~rT :
j - + 7 + 9 + 13 + 1 5 + 1 9 + 2 2 + 2 5
4 j
! ~ 8
x=
: 8
X = 1 4 ,2 5

Como c possvel observar nesse caso, ao somarmos todos os


elementos e depois dividi-los pela sua quantidade, podemos
concluir que a mdia igual a 14,25.

Assim, o valor da mdia representar o grau de concentrao


de valores. No h nenhum valor 14,25, mas a maioria deles
est prxima ao valor da mdia.
Para o clculo da mdia aritmtica de uma distribuio de
frequncia, utilizamos a frmula a seguir:

: - ixi-fi :

EXEM PLO

Numa pesquisa realizada por um rgo de fiscalizao tribu


tria, foi coletado o numero de reclamaes por dia que o local
recebeu. Para que possamos descrever melhor o fenmeno,
preciso calcular a mdia aritmtica.

Tabela 2.1 - Tabela para a mdia de reclamaes


versus dias

R e c la m a e s fi (d ia s)

1001----180 8
1 8 0 1---- 260 12

2 6 0 1--- 340 16
3401----420 10
4201--- 500 9

5 0 0 1----580 5

60

Para a resoluo, devemos calcular primeiro o ponto mdio


de cada classe:

Tabela 2.2 - Clculo de ponto mdio

R e c la m a e s fi (d ia s) Xi

1 0 0 1-------- 180 8 140

1 8 0 1---------260 12 220

260 j-------- 340 16 300

3 4 0 1-------- 420 10 38O

4 2 0 1-------- SOO 9 460


5 0 0 1-------- S80 5 540
60
&
Em seguida, necessrio determinar, de cada classe, o soma
trio do produto entre ponto mdio e frequncia simples:

Tabela 2.3 - Produto entre ponto mdio e frequncia


simples

R e c la m a e s fi (d ia s) Xi X i fi

1 0 0 1-------- 180 8 140 1.120

1 8 0 1-------- 26o 12 220 2.640

2 6 0 1-------- 340 16 300 4800

3 4 0 1-------- 420 10 38O 3.800

4 2 0 1-------- 500 9 460 4.140

Soo |-------- 580 5 540 2.700

60 19 200

A p lican d o a frm ula, teremos:

y iX i-fi
*= N
^ 19200
A
60
X= 320

A resposta ser 320 reclamaes por dia.

Podemos observar que a mdia se posicionou na classe de


maior frequncia simples, pois onde se encontra a maior
concentrao de valores.

Consideraes sobre a m dia aritm tica:

A media aritmtica representa o grau dc concentrao


dos valores, ou seja, onde a maioria dos valores est
posicionada.
A mdia sofre alteraes de valores extremos (out-liers),
que podem alterar o resultado da mdia e levar a uma
deciso errada.
Estudo de caso
Certa empresa produtora de chocolates formulou o Grfico 2.1,
que representa o volume de vendas obtido no ano. Com base
nesses valores, a empresa deseja determinar a mdia anual
de vendas.

Grfico 2.1 - Volume de vendas da empresa X

Clculo da mdia:

2500 + 2600 4-3 1 0 0 + 15100 + 4600 + 4000 + 4100 + 3700 +3400 +3600 +3900 + 4200
12
54800
12
X = R$4.566,67

Ao calcularm os a m dia, som ando os 12 valores e d ivi


dindo-os por 12 (quantidade de meses), chegamos ao valor
da mdia aritmtica de R$ 4 .5 6 6 ,6 7 . Observando os valores do
grfico, podemos notar que apenas os meses de abril e maio
esto acima dessa mdia. Isso acontece sobretudo em decor
rncia do aumento exponencial das vendas no ms de abril, em
virtude, supomos, da Pscoa. Essa situao acaba nivelando o
valor da mdia para cima, deixando-a menos representativa.
Assim, para obtermos resultados mais precisos, necessrio
calcular outras medidas de tendncia central, como a mediana
ou a moda.

2.1.1.2 Mediana

A mediana a medida que divide uma distribuio cm duas


partes iguais, ou seja, 50% dos valores ficam abaixo e 50% ficam
acima da mediana. A mediana no sofre alteraes por out-Iiers,
pois sempre representa o valor central de uma distribuio.
Em distribuies simples de valores, a mediana calculada
conforme o exemplo a seguir, mas vale ressaltar que os valores
devem estar em ordem de grandeza crescente.

: EXEMPLO j

; Se formos trabalhar com os valores: 4 - 8 - 1 1 - 1 2 - 1 9 - 2 1 - 2 2 , j


: a resposta para a mediana 12 , pois o valor central.

Em distribuies de frequncias, o clculo da mediana


obtido por meio das seguintes frmulas:

E m d - F a n t i
Md = li +
fm d

Em que:

l i = l im i t e i n f e r i o r d a c la s s e q u e c o n t m a m e d ia n a ;

Emd = e le m e n t o m e d ia n o ;

Fant 1 = f r e q u n c i a a c u m u la d a c r e s c e n t e , a n t e r io r c la s s e d a m e d ia n a ;

fmd = f r e q u n c i a s i m p l e s d a c la s s e d a m e d ia n a ;

h - a m p l i t u d e d o in t e r v a l o d e c la s s e .
Exerccio resolvido
Faa o clculo da mediana em uma distribuio de frequncia,
usando os mesmos dados do exerccio resolvido apresentado
anteriormente, quando falamos sobre a mdia aritmtica.

Resoluo:

Utilizando os dados que j foram apresentados, teremos a


seguinte distribuio de valores:

Tabela 2.4 - Distribuio de valores reclamaes/dias

R e c la m a e s ft ( d ia s )
1 0 0 1-------- 180 8

1 8 0 1---------260 12

26O |---------3^0 16

34 0 | ------- 420 10

4 2 0 1------- 500 9

5 0 0 1------- 580 5

60

1. No clculo da mediana, a primeira tarefa determinar a


frequncia acumulada crescente. Assim:

Tabela 2.5 - Determinao de frequncia


acumulada crescente

R e c la m a e s fi ( d ia s ) FU

10 0 j-------- 180 8 8

1 8 0 1-------- 260 12 20

2 6 0 1-------- 340 16 36

3 4 0 1-------- 420 10 46

4 2 0 1-------- 500 9 55

5 0 0 1-------- 580 5 60

60

Emd. =
N

Em d=f
E m d = 3 0 e le m e n to
2. Aps ser desenvolvida essa coluna, devemos aplicar a
primeira frmula.
A m ediana ser, portanto, o 30o elemento da distribui
o. Essa informao nos permitir descobrir em qual classe
est posicionado o elemento mediano, que, nesse caso, o
30- elemento.

Tabela 2.6 - Determinao da classe de elemento mediano

R e c la m a e s f i ( d ia s ) Fii
O
O
O

8 8

i 8 o 1------- 2 6 0 12 20

2 6 0 1 ------- 3 4 0 16 36

3 40 1 ------- 4 2 0 10 46

4 2 0 1------- 5 0 0 9 55

5 0 0 1 ------- 5 8 0 5 60

60

A terceira classe ser a classe da mediana, pois essa classe


compreende os elemento da distribuio de 2 i a 36-',

3. Com essa informao, podemos aplicar a frmula a


seguir. Vale ressaltar que o valor deve estar entre 260 e
340 visitantes.

Emd - F a n t i
Md = li + ---------------- h
fmd

M d = 2 6 0 + 3Q 2 0 80
16

M d = 2 6 0 + 80
16

Md = 2 6 0 +
16

M d = 26 0 + 50

Md = 3 1 0 reclam a es

Resposta: o resultado da mediana ser de 310 reclamaes,


ou seja, em metade dos dias teremos menos de 310 e, na outra
metade, mais de 310 reclamaes.
2.1.1.3 Moda (Mo)

Moda uma medida de tendncia central que determina o


valor de maior frequncia na distribuio, ou seja, o valor que
*
mais aparece. E, alm disso, a medida de tendncia central
menos efetiva. Podemos observar trs diferentes situaes
com a moda:
Distribuio modal - Ocorre quando existe apenas um
valor para a moda.
:.............................................................................................................. :
Ex.: 3 - 6 - 6 - 6 - 8 - 1 0 - 1 2 - 1 2 - 1 3 - 1 5 - 1 9 - 2 2 - 2 3 - 3 6
i Mo = 6 I

Distribuio bimodal - Ocorre quando existem dois ou


mais valores para a moda.
.............................................................................................................. :
Ex.: 12 - 1 4 - 1 6 - 1 7 - 1 7 - 1 7 - 1 7 - 1 8 - 2 0 - 2 0 - 2 0 - 2 0 - 2 3 - 2 7 -39 :
Mo = 17 e Mo = 20.

Distribuio amodal - Ocorre quando no existe um valor


para a moda, ou seja, no h repetio de valores.

Ex.: 4 - 8 - 1 1 - 1 2 - 1 9 - 2 1 - 2 2 :
Mo = 0 i

Numa distribuio de frequncia, a frmula a seguir uti


lizada para o clculo da moda:
M0 = M+ d l f d 2 'k

Em que:

l i = l im i t e i n f e r i o r d a c la s s e q u e c o n t m o v a lo r d a m o d a - s e r a c la s s e d e m a io r

f r e q u n c i a s im p le s ;

d l - d if e r e n a e n t r e a f r e q u n c i a s im p le s d a c la s s e d a m o d a ( o u m o d a l) c o m a
s u a a n t e r io r ;

2 - d if e r e n a e n t r e a f r e q u n c i a s i m p l e s d a c la s s e d a m o d a ( o u m o d a l) c o m a

s u a p o s t e r io r ;

h = a m p lit u d e d o i n t e r v a l o d e c la s s e .

Exerccio resolvido
Ainda utilizando os dados dos exerccios resolvidos anteriores,
determine o clculo da moda.

Tabela 2.7 - Clculo da moda

Reclamaes fi (dias)
loo 1----180 8
1801----260 12
260 1---- 340 16
3401----420 10
4201--- soo 9

5001----580 5

60

1. O clculo da moda simples. Basta identificar a classe


de maior frequncia simples - esta ser a classe da moda.
Nesse caso, a terceira classe (em destaque).

Observao: se h o u v e sse d u a s c la sse s c o m m aio r freq u n cia, j

d everam o s aplicar a frm ula para as d u a s classes, ou seja, teria- !

m os u m a distribu io bimodal.
2. Determinada essa classe, devemos aplicar a seguinte frmula:

Mo = n + dTTd2 k

M o = 26 0 + -----------< 1 6 ~ 12 )---------------80
(16 - 12 ) + ( 1 6 - 10 )
4
M o = 2 6 0 + ---------- 80
4+ 6
4
M o = 2 6 0 + -------80
10
320
M o = 26 0 + -------
10
M o = 26 0 + 32

M o = 2 9 2 reclam a es

O resultado da moda foi 292, ou seja, em um nmero maior


de dias houve reclamaes de 292 pessoas.

2 .1.2 S e p a ra triz e s

As separatrizes so medidas estatsticas descritivas, de fcil


compreenso e aplicao. Dividindo uma sequncia de valo
res ordenados por grandeza crescente, podemos determinar
o posicionamento de certo valor na distribuio.
As separatrizes so valores que dividem uma distribui
o em partes iguais. Existem o quartil, o decil e o percentil
(ou centil).

O clculo das separatrizes e idntico ao clculo da mediana.


Para isso, devemos:
montar a frequncia acumulada crescente;

determinar o elemento do quartil, do decil ou do percentil;


determinar em que classe est o elemento;

aplicar a frmula.
o
2.1.2.1 Quartil (Qi)

O quartil um tipo de separatriz que divide uma distribuio


de valores em quatro partes iguais, cada uma representando
25% dos valores. Com isso, podemos determinar o posiciona
mento de certo valor.
Por exemplo: uma empresa tem um histrico de pagamen
tos de tributos municipais realizados. Se, no ltimo perodo,
o valor for igual ao terceiro quartil (Q.?), ele ser 75% superior
aos valores pesquisados - e em apenas 25% das vezes houve
um pagamento superior a esse valor.

Quadro 2.3 - Exemplo de distribuio de quartis

25% 25% 25% 25%

Q, q2 Q3

No clculo de quartil, utilizamos a frmula a seguir:

E Q i - F a n t J , F n i _ i - N
Q i = l i + --------------------------- --- h -------
fQ i

Em que:

i = e le m e n t o q u e e s t s e n d o c a lc u la d o ;

l i = l im i t e i n f e r i o r d a c la s s e q u e c o n t m 0 v a lo r d o q u a r t il;

E Q i ^ e l e m e n t o d o q u a r t il;

F a n t i = f r e q u n c i a a c u m u l a d a c r e s c e n t e , a n t e r io r a c la s s e d o q u a r t il;

f Q i = f r e q u n c ia s im p le s d a c la s s e d o q u a r t il;

h = a m p l i t u d e d o in t e r v a l o d e c la s s e .

2.1.2.2 Decil (Oi)

O decil a separatriz que divide uma distribuio de valores


em dez partes iguais, cada uma representando 10% dos valores.
Quadro 2 4 - Exemplo de distribuio de decis

10% 10% 10% 10% 10% 10% 10% 10% 10% 10%

Di 02 03 04 D5 D 07 Ou O9

Para o clculo do decil, utilizamos a frmula a seguir:

li + EDi - Fant i N
EDi =
fDi 100
Em que:

i- e l p m e n t o q u e e s t s e n d o c a lc u la d o ;

li - l i m i t e i n f e r i o r d a c la s s e q u e c o n t m 0 v a l o r d o d e c il;

EDi = e l e m e n t o d o d e c il;

Fantl = f r e q u n c i a a c u m u la d a c r e s c e n t e , a n t e r io r c la s s e d o d e c il;

fDi = f r e q u n c i a s im p le s d a c la s s e d o d e c il;

h = a m p lit u d e d o in t e r v a l o d e c la s s e .

2.1.2.3 Percentil ou centil (Pi)

O percentil (ou centil) a separatriz que divide uma distribui


o dc valores em cem partes iguais, cada uma representando
1% dos valores.

Figura 2.1 - Representao de percentil (ou centil)

1% 1% 1% 1%
\v f / l1\ i * /
11

P1P2 P50 P98 P99


Para o clculo de percentil, utilizamos a seguinte frmula:

E P I-Fan ti i-N
Pi = li + ----- 7= ----- h EPi =
fPi 100
Em que:

i = e le m e n t o q u e e s t s e n d o c a lc u la d o ;

l i = l im i t e i n f e r i o r d a c la s s e q u e c o n t m o v a lo r d o p e r c e n t il;

EPi = e l e m e n t o d o p e r c e n t il;

Fantl = f r e q u n c i a a c u m u la d a c r e s c e n t e , a n t e r i o r a c la s s e d o p e r c e n t il;

fPi = f r e q u n c i a s i m p l e s d a c la s s e d o p e r c e n t il;

h = a m p l i t u d e d o i n t e r v a l o d e c la s s e .

Exerccio resolvido
Faa o clculo das separatrizes, em pregando os valores da
tabela a seguir. Para isso, utilize:
o primeiro quartil;

osextodecil;
o 95y percentil.

Tabela 2.8 - Distribuio de frequncia sobre a renda


familiar de 104 famlias que recebem assistncia

R e n d a ($)a ($ ) fi FU

5 0 0 1-------- 1.000 8 8

1.0 0 0 1-------- 1.500 12 20

1.5 0 0 1-------- 2.000 14 34 (Q.)

2 .0 0 0 1-------- 2.500 19 53

2 .5 0 0 1-------- 3 0 0 0 21 74
3 .0 0 0 1 3.500 15 87

3 .5 0 0 1-------- 4.000 8 95

4 .0 0 0 1-------- 4 5 0 0 7 102

4 .5 0 0 1-------- 5.000 2 104

104
Resoluo:

i-N
EQi =

EQi - Fant J,
Qi = li + ------------- - -h
fQi

EQi = 1 2 * Q, = 1 5 0 0 + - 20 50 0
4 14

10 4 Q = 1 5 0 0 + ^ -5 0 0
EQi = = 2 6 ele m e n to 14

30 0 0
Q, = 15 0 0 +
14

Q, = 1 5 0 0 + 2 14 ,2 8

Q 1 = R $ 1 .7 1 4 ,2 8

d) primeiro quartil:

D. E P i-F a n t i . w i-N
P i = 1 1 + --------- --------------h EPi =
fPi 100

O resultado do primeiro quartil R$ 1.714,28.

Executando os mesmos clculos para o decil e o percentil,


teremos os seguintes resultados:

e) sexto decil = R$ 2.723,81;

f) 95 percentil = R$ 4.271,43.

Perguntas e respostas
O que o primeiro quartil determina?
O primeiro quartil divide a distribuio em duas partes,
sendo que a primeira representa 25% e a segunda, 75% dos
valores. Assim, podemos afirmar que apenas 25% das famlias
pesquisadas tm renda inferior a R$ 1.714,28, e os demais 75%
tm renda superior a esse valor. Temos, ento, uma anlise
sobre o posicionamento dos valores.
&
O que o sexto decil determina?
Essa medida ser dividida em duas partes, sendo que a pri
meira representa 60% e a segunda, 40% dos valores. Assim,
podemos afirmar que 60% das famlias pesquisadas tm renda
inferior a RS 2.723,81 e 40%, acima desse valor.

E o 9 5 o percentil?

Nesse caso, 95% das famlias tm renda inferior a R$ 4.271,43,


e apenas 3% acima desse valor.
Determinar qual separatriz ser calculada depender das
dvidas a serem resolvidas. Por exemplo, caso o contador pre
cise da informao sobre 20% das rendas familiares, qual seria
o valor? Nesse caso, seria calculado o segundo decil (D2) ou
o 20o percentil (P20).

2.2 Medidas de disperso


s m edidas de disperso so valores que, de acordo com
Balieiro (2014, p. 24), "caracterizam o grau de variao existente
em um conjunto de valores. [...] e servem para indicar o quanto
os dados se apresentam dispersos em torno da regio central".
Por exemplo, vamos considerar que, em um levantamento
realizado por um contador, foi coletado o valor de imposto
pago por uma empresa nos ltimos dez meses, conforme dis
posto a seguir:

ms 1 - RS 1.500,00;

ms 2 - RS 1.500,00;

ms 3 - RS 1.500,00;
ms 4 - R$ 1.500,00;

ms 5 - RS 1.500,00;
ms 6 - RS 1.500,00;

ms 7 - RS 1.500,00;
o ms 8 - R$ 1.500,00;

ms 9 - R $ 1.500,00;

ms 10 - R$ 1.500,00.
N esse caso, todos os valores so iguais e, claro, a mdia
tambm seria RS 1.500,00. Assim , no h disperso de valores,
011 seja, no h distncia dos valores em relao mdia.

No entanto, em outro levantamento, os resultados foram bas


tante diferenciados, como podemos observar na lista a seguir:

ms 1 - R$ 500,00;
ms 2 - R$ 1.000,00;
ms 3 - R$ 1.500,00;

ms 4 - R$ 1.800,00;

ms 5 - R$ 1.900,00;
ms 6 - R$ 2.200,00;

ms 7 - R$ 2.300,00;

ms 8 - R$ 2.300,00;
ms 9 - R $ 2.500,00;

ms 10 - R$ 3.000,00.

Nesse caso, h valores diferentes e, assim, podemos afirmar


que existe disperso de valores, os quais aumentaro o valor
numrico caso a amplitude (RS 3.000,00 a RS 500,00) aumente.

Dentre as medidas de disperso, podemos destacar a ampli


tude total, o desvio-padro, a varincia amostrai e o coeficiente
de variao. Aprofundaremos cada uma delas a seguir.
&
2 .2 .1 A m p litu d e total (AT)

A AT refere-se diferena entre o maior e o menor valor obser


vado na amostra. Quanto maior for o valor da AT, maior ser
a disperso dos valores.

j EXEMPLO

: Numa pesquisa salarial, dez profissionais foram pesquisados. :


: Os resultados obtidos foram os seguintes:
funcionrio 1 - R$ 1.000,00;
funcionrio 2 - R$ 1.200,00;
funcionrio 3 - R$ 1.200,00;
funcionrio 4 - R$ 1.300,00;
: funcionrio 5 - R$ 1.600,00; :
funcionrio 6 - R$ 1.900,00;
funcionrio 7 - R$ 2.000,00;
: funcionrio 8 - R$ 2.100,00;
funcionrio 9 - R$ 2.200,00;
funcionrio io - R$ 2.600,00.
Nesse caso, a amplitude total ser dada pela frmula:

: AT = Xmax-Xmin

: Ou seja: AT = 2600 - 1000 = 1600. :


Assim, podemos afirmar que os valores observados na amos-
: tra esto dentro do intervalo de R$ 1.600,00.
Quanto maior a amplitude total de uma amostra, maior ser
; a disperso dos valores nessa distribuio.
2.2.2 Desvio-padro (S)

O desvio-padro o valor que representa um intervalo de


valores que esto dispersos em uma distribuio de valores.

Grfico 2.2 - Curva da distribuio normal: Curva de Gauss

Curva de Gauss

Md = X = Mo

x -- 5 68% x -5

X - 25 95% x + 25

x -3 5 99% * + 35

Sendo X = M d = M o

X - S a t a X + S = a p r o x i m a d a m e n t e 6 8 % d o s v a lo r e s .

X - 2 S a t a X + 2 S = a p r o x i m a d a m e n t e 9 5 % d o s v a lo r e s .

X - 3 S a t a X + 3 S = a p r o x i m a d a m e n t e 9 9 % d o s v a lo r e s .

Grfico 2.3 - Curva normal com a representao do


posicionamento dos valores numa distribuio
Se o clculo corresponder a uma amostra, utilizam os
a seguinte frmula:

Se o clculo corresponder a uma populao, utilizam os


a frmula:

2.2.2.1 Clculo do desvio-padro

Para o clculo do desvio-padro, utilizaremos o exemplo de


uma pesquisa realizada num rgo de fiscalizao tributria,
no qual foi coletado o nmero de reclamaes por dia que esse
local recebeu. Primeiro elaboramos a tabela de distribuio a
seguir.

Tabela 2.9 - Distribuio de valores reclamaes/dias

R e c la m a e s f i ( d ia s )

1001--- 180 8
I8O|----26O 12
2601--- 340 16
3401--- 420 10
4201--- 500 9

5001--- 580 5

60
Para o clculo do desvio-padro, necessrio, primeiro, cal
cular a m dia aritmtica:
Tabela 2 .10 -D istribuio de valores reclamaes/dias

V is it a n t e s fi (d ia s) Xi Xi fi

1 0 0 1------- 1 8 0 8 14 0 1.120

1 8 0 1------- 2 6 0 12 220 2 .6 4 0

2 6 0 1------- 3 4 0 16 300 4 .8 0 0

3 4 0 1------- 4 2 0 10 380 3 .8 0 0

4 2 0 1------- 5 0 0 9 460 4.140

5 0 0 1-------5 8 0 5 540 2 .7 0 0

60 1 9 .2 0 0

( IX i-fi
N
g 19200
60
X= 320

Aps termos o valor da mdia aritmtica (320 visitantes),


podemos, ento, calcular o desvio-padro:

Tabela 2.11 - Distribuio de valores reclamaes/dias

V is it a n t e s fi (d ias) Xi Xifi ( X i - X ) 2 fi

1 0 0 1---------1 8 0 8 14 0 1.120 2 5 9 .2 0 0

1 8 0 1------- 2 6 0 12 220 2 .6 4 0 1 2 0 .0 0 0

2 6 0 1------- 3 4 0 16 300 4 .8 0 0 6 .4 O O

3 4 0 1------- 4 2 0 10 38O 3 .8 0 0 3 6 .0 0 0

4 2 0 1------- s o o 9 460 4.140 1 7 6 .4 0 0

SO O |------- 5 8 0 5 540 2 .7 0 0 24 2 .O O O

60 1 9 .2 0 0 84O .O O O
o
s = / Z (Xi X)2 fi
V N -1

/ 840000
"V 6 0 - 1
s _ 1840000
" 7 59

S= 1 1 9 ,3 2

O desvio-padro de 119 reclamaes. Vale ressaltar que


esse valor foi arredondado, uma vez que a varivel quanti
tativa, discreta. Aps somarmos e diminuirmos a mdia arit
mtica, esse valor corresponder ao intervalo de concentrao.
Os valores abaixo c acima dessas contas estaro no grau de
disperso.

Figura 2.2 - Demonstrao do intervalo de concentrao

100 201 320 439 580

Xm in X - s X X + s Xmax

Assim, conclumos que a maioria dos valores est concen


trada entre 201 e 430 reclamaes por dia. Com o clculo do
coeficiente de variao (C V), poderemos determinar o percen
tual dos valores nesse intervalo.

2.2.3 Varincia amostrai (S2)


A varincia amostrai determina o quanto os valores esto dis
persos numa distribuio. Essa medida de disperso tambm
determina quo distantes os valores esto cm relao mdia.
2.24 Coeficiente de variao (CV)
O coeficiente de variao o valor que representa o percentual
de valores dispersos, ou seja, "longe" da mdia. Fie pode ser
obtido por meio da seguinte frmula:

CV = S - 100
X

Se o resultado do C V for menor que 30%, ele representa


uma srie estatstica (distribuio de frequncia) homognea
e a mdia aritmtica representativa.

Se o resultado do CV for maior ou igual a 30%, uma srie


estatstica (distribuio de frequncia) heterognea e a mediana
representativa.

Com o exemplo do desvio-padro, podemos determinar o


coeficiente de variao:

S -100
CV =
X
119100
cv- 320

119 0 0
CV =
320

C V = 3 7 ,3 %

O resultado do coeficiente de variao 37,3%. Isso significa


que 37,3% dos valores esto dispersos e os demais, 62,7%, esto
no intervalo de concentrao.
Nesse caso, devido ao resultado do coeficiente de variao,
a mediana ser a medida mais efetiva para futuros clculos.
Portanto, como foi visto, as medidas de disperso so: ampli
tude, varincia, desvio-padro e coeficiente-padro.
&
2.3 Medidas de assimetria (As)
A assimetria uma medida que representa o valor do grau de
desvio - ou afastamento - de simetria em uma distribuio.
O coeficiente de assimetria demonstrar se os valores esto
mais concentrados para o lado esquerdo (concentrao nos
valores menores) ou para o lado direito (concentrao nos valo
res maiores).
No primeiro caso, h poucos valores maiores e muitos valo
res menores. Para exemplificar, consideremos um dado geral,
como o salrio mdio dos brasileiros: sabemos que a maior
concentrao estar nos salrios mais baixos.

No segundo caso, h deslocamento para a direita. Podemos


dar o exemplo da tributao que as empresas pagam: h mais
valores maiores do que menores.
Para calcularmos as medidas de assimetria, trabalhamos
com os coeficientes de assimetria de Pearson, que so dois:

ou

3 (X - Md)

Contudo, devido pouca efetividade da moda, devemos sem


pre utilizar o segundo coeficiente de assimetria de Pearson.

Ateno! Se As = 0 , a distribuio ser simtrica.


Isso significa que os valores dessa distribuio esto concen
trados nos valores centrais c que os valores maiores e menores
esto dispersos, ou seja, esto cm menor concentrao.

Se houver distribuio simtrica, a mdia e a mediana so


valores iguais.

Grfico 2.4 - Distribuio simtrica

Se As > 0 , a distribuio ser assimtrica positiva. Nesse caso


ela acentuada para a esquerda, ou seja, a concentrao est
nos valores menores. H, portanto, poucos valores maiores,
que representam a disperso.

Grfico 2.5 - Distribuio assimtrica positiva

Se As < 0 , a distribuio ser assimtrica negativa. Logo, a curva


ficar acentuada para a direita.
&
Grfico 2.6 - Distribuio assimtrica negativa

Como podemos observar, o clculo por meio do coeficiente


de assimetria de Pearson permite estabelecer uma curva no
grfico da distribuio de valores, a qual ir inform ar se a
distribuio simtrica ou assimtrica (negativa ou positiva).

2.4 Medidas de achatamento ou curtose (K)


A curtose a m edida que proporciona o grau de achatamento
de uma distribuio de valores. Em outras palavras, de acordo
com Baliciro (2014, p. 51), ela serve "para caracterizar a forma
da distribuio quanto ao seu achatamento" Considerando o
achatamento na forma de distribuio dos valores, podemos
encontrar trs situaes:

1. distribuio de frequncias mesocrticas;


2. distribuio de frequncias platicrticas;

3. distribuio de frequncias leptocrticas.


A frm ula para determ inar esses diferentes tipos de fre
quncias a seguinte:

Q3 - Q 1
2 (P9 0 - PIO)
EXEMPLO

i. Se K = 0,263, a distribuio ser mesocrtica e 0


formato corresponde ao grfico representado pelo
Grfico 2.7.

Grfico 2.7 - Distribuio mesocrtica

11. Se K > 0,263, a distribuio ser platicrtica. Nesse


caso, a distribuio c achatada c, assim, os valores
esto distribudos cm toda a amplitude. Nessa
configurao, o desvio-padro corresponder a um
valor alto.

Grfico 2.8 - Distribuio platicrtica


&
ui. Se K < 0,263, a distribuio ser leptocrtiea. Nesse
caso, a distribuio alongada e, assim, os valores
esto distribudos em toda a amplitude. Nessa
configurao, o desvio-padro corresponder a um
valor baixo.

Grfico 2.9 - Distribuio leptocrtiea

Hoje, os graus da curtose ou do achatamento em uma dis


tribuio de valores tm sido classificados dessa forma.

Vale ressaltar que, aqui, damos exemplos e uma definio


geral desses conceitos e de sua teoria, mas sempre interes
sante aprofundar os seus estudos.

Saiba mais
Para melhor anlise das aplicaes prticas do processo da esta
tstica, acesse o site da Escola Nacional de Cincias Estatsticas
(Ence), disponvel em: <www.ence.ibge.gov.br/index.php/
sobre-cstatistica/2oi3-o5-2o-i3-27-46>. Acesso em: 14 jul. 2014.
Sntese
Na anlise da estatstica descritiva, devemos observar as medi
das utilizadas, bem como suas caractersticas e classificaes,
para compreendermos os seus resultados. Por meio dessa an
lise, podemos concluir vrias condies da aplicao e da dis
tribuio das medidas, como a mdia aritmtica, a mediana, a
moda, o desvio-padro, o coeficiente de variao, a assimetria,
a curtose, entre outras. Apresentamos, a seguir, alguns dados
gerais do que foi estudado neste captulo sobre cada uma des
sas medidas.

Mdia aritmtica

Medida de concentrao mais eficiente c usual.


O seu resultado caracteriza a distribuio para a qual
foi calculada.
Sofre alteraes de out-liers (valores extremos, fora
de contexto).
Deixa de ser efetiva quando h muita disperso de
valores (Coeficiente de Variao (CV) > 30%).
Mediana
Divide a distribuio analisada em duas partes iguais.

No sofre alteraes com out-liers.

Substitui a mdia nos casos em que ela no efetiva.


Moda

Representa o valor de maior frequncia na distribuio.

Das medidas de tendncia central, a menos usual.


Muito importante quando forem visualizadas duas ou
mais reas de concentrao.
Desvio-padro

Determina o intervalo de valores dispersos numa


distribuio.
Quanto maior o desvio-padro, maiores sero a dis
perso e a amplitude total da distribuio.
Coeficiente de variao (CV)

Representa o percentual de valores dispersos numa


distribuio.
Sc C V < 15%, h baixa disperso c forte rcpresentati-
vidade da mdia.
Sc 15% < CV < 30%, h mdia disperso e moderada
representa tivida de da mdia.
Se CV > 30%, h alta disperso e fraca representa ti vi-
dade da mdia. Nesse caso, a mediana deve ser consi
derada. Se houver duas ou mais concentraes, deve
mos utilizar a moda.
Assimetria

Sc A s = o, X = Md = Mo.

Se As > o, X > Md > Mo.


Sc As < o, X < Md < Mo.

Se o < A s < I 1 I: assimetria fraca - o deslocamento c


fraco.

Se A s > I 1 I: forte assim etria - o deslocamento


acentuado.
Curtose (K)

K = 0,263: indica distribuio de frequncia mesocrtica.


K > 0,263: indica distribuio de frequncia platicrtica.

K < 0,263: indica distribuio de frequncia leptocrtica.


Todos os aspectos da estatstica descritiva abordados neste
captulo servem de subsdio para o estudo que faremos na se
quncia de captulos desta obra, bem como para sua aplicao
no dia a dia da contabilidade.
Questes para reviso

i. Dadas as tabelas a seguir, calcule a moda:

i. Consumo de energia:

C o n s u m o (kW ) fi

5 5 1------- 75 4

7 5 1------- 95 8

9 5 1------- 105 9

1151------- 135 12

1 3 5 1------- 155 10

1 5 5 1------- 175 3

46

ii. Quantidade de veculos:

V e c u lo s f i ( d ia s )

2 0 0 |------- 310 8

3101------- 4 2 0 21

4 2 0 |------- 530 40

5 3 0 1------- 6 4 0 30

6 4 0 1------- 750 19

7 5 0 1------- 8 6 0 12

no

m. Salrios:

S a l r i o (R $ ) fi

2 4 0 1------- 2 8 0 6

2 8 0 |------- 3 2 0 12

3 2 0 |------- 3 6 0 20

3 6 O |------- 4 0 0 25

4 0 0 (------- 4 4 0 10

4 4 O |------- 4 8 0 7

80
2. Dadas as tabelas a seguir, calcule a mdia aritmtica:

i. Consumo de energia:

C o n s u m o (kW ) fi

5 5 1------- 75 4

7 5 1------- 9 5 8

9 5 1-------- 105 9

1151---------135 12

1 3 5 1-------- 155 10

1551-------- 175 3

46

ii. Quantidade de veculos:

V e c u lo s f i ( d ia s )

2 0 0 1------- 310 8

3 1 0 1------- 4 2 0 21

4 2 0 1------- 530 40

5 3 0 1-------6 4 0 30

6 4 0 1------- 750 19

7 5 0 1------- 8 6 0 12

130

ui. Salrios:

S a l r io (R$) fi

2401----280 6
2801--- 320 12
3201--- 360 20
3601-------- 400 25

4001-------- 440 10
0
0

7
1

*0*

80
3- Dadas as tabelas a seguir, calcule o valor da mediana e assi
nale as alternativas que correspondem s respostas corretas:

i. Consumo de energia:

C o n s u m o (kW ) fi

551 ------- 75 4

751 ------- 95 8

951 -------- 105 9

1 1 5 1-------- 135 12

1 3 5 1-------- 155 10

1551--------- 175 3

46

a) Mediana = 112, 25 Kvv.


b) Mediana = 118,33 Kw.
c) Mediana = 1 1 2 ,1 3 Kw.
d) Mediana = 118,17 Kw.

ir. Quantidade de veculos:

V e c u lo s fi (d ia s)

2001--- 310 8

3101----420 21

4201----530 40

5301----640 30

6401--- 750 19

7 5 0 1--- 860 12

130

a) Mediana = 222 veculos.


b) Mediana = 620 veculos.
c) Mediana = 510 veculos.
d) Mediana = 519 veculos.
m. Salrios:

S a l r io ( R s ) ffi

2401-------- 280 6
2801--- 320 12
3201--------36O 20
3 6 0 1-------- 4 0 0 25

4 0 0 1-------- 440 10

CO
4^
4
4*
O

O
7

80

a) Mediana - R $ 265,30.
b) M ediana = R$ 363,20.
c) Mediana = R$ 289,55.
d) Mediana = R$ 368,33.

4. Uma nova praa de pedgio est sendo construda na rodo


via BR-277. No trecho da construo, h um fluxo de veculos
transitando. A empresa detentora da concesso desse ponto
de pedgio fez o clculo desse fluxo, referente a 130 dias
pesquisados, demonstrado na distribuio de frequncia
a seguir:

V e c u lo s f i( d ia s )

2 0 0 1 ------- 31 0 8

3 IO |------- 4 2 0 21

4 20 1 ------- 530 40

5301 ------- 6 4 0 30

6 4 0 1 ------- 750 19

7 5 0 1------- 8 6 0 12

13 0

Agora, a gerncia de RH da em presa precisa estim ar o


nmero de funcionrios necessrios para trabalhar, de acordo
com o nm ero de veculos que transitam diariam ente na
praa de pedgio. Para esse clculo de nmeros de veculos,
o RH deve determ inar o prim eiro quartil, o nono decil e o
70- percentil.
a) Io quartil = 430 veculos; 90 decil = 744 veculos;
yoQpcrcentil = 6 11 veculos.
b) Io quartil = 431 veculos; 9 decil = 724 veculos;
70- percentil = 610 veculos.
c) ie quartil = 331 veculos; 9- decil = 824 veculos;
ycf percentil = 510 veculos.
d) i quartil = 431 veculos; ( f decil = 734 veculos;
70o percentil = 626 veculos.

5. Uma pesquisa de cargos e salrios foi desenvolvida para


um novo grupo hoteleiro. Uma das etapas necessrias
pesquisar quanto o mercado paga para os cargos desse tipo
de empresa. Uma das categorias profissionais analisadas,
que representa cerca de 80 concorrentes pesquisados, est
representada na distribuio de frequncia a seguir. Com
base nela, calcule o desvio-padroe o coeficiente de variao.

S a l r io (R $ ) fi

2 4 O |------- 2 8 0 6

2 8 0 |------- 320 12

3 2 0 |------- 3 6 0 20

3 6 O |------- 4 0 0 25

4 0 0 (------- 4 4 0 10

4 4 O |------- 4 8 O 7

80

a) Desvio-padro: R$ 43,62; coeficiente de


variao: 12,9%.
b) Desvio-padro: R$ 33,65; coeficiente de
variao: n,8% .
c) Desvio-padro: R$ 25,65; coeficiente de
variao: 15,8%.
d) Desvio-padro: R$ 53,62; coeficiente de
variao: 14,9%.
6. Certa indstria eltrica aferiu a quantidade de produo
nos ltimos 250 dias, conforme a tabela a seguir. Calcule a
media, a mediana e a moda.

P ro d u o fi

1 .0 0 0 1 -------- 1 .2 0 0 50

1.2001 -------- 1 .4 0 0 55

I.4 O O |------- 1 .6 0 0 45

1 .6 0 0 1 ------- 1 .8 0 0 40

1 . 8 0 0 1------- 2 . 0 0 0 30

2 .0 0 0 1 ------- 2 . 2 0 0 20

2 .2 0 0 1 ------ 12 .4O O 10

250

Questes para reflexo

1. Vamos considerar certa empresa produtora de leite em p


que aferiu sua produo em busca de possveis falhas na
quantidade de leite cm cada lata. Essa ao visa qualificar
a empresa para a certificao ISO. Na distribuio a seguir,
encontra-se o resultado da aferio, com 288 latas:

P eso s em g ra m a s fi

4 90 1 ------- 4 9 3 32

4 9 3 1------- 4 9 6 45

4961 ------- 4 9 9 67

4 9 9 1------- 5 0 2 70

5021 -------505 53

so s| 508 21

288

Agora, reflita:

a) Depois da aferio, constante da tabela, podemos


dizer que a empresa est segura quanto existncia
ou no de falhas em sua produo? Por qu?
b) H outros passos da estatstica descritiva que
deveriam ser aplicados para obter mais informaes
sobre as condies da produo?

2. Numa aferio realizada na produo de certo modelo de


veculo, foi observado um problema na pintura. A tabela a
seguir se refere ao percentual de impureza encontrado na
pintura dos veculos produzidos:

% d e im p u r e z a fi ( v e c u lo s )

S l------- 7 8
7 |------- 9 21
9 1-------n 40

n ( ------- 13 30

1 3 1------- 15 19

1 5 1------- |>7 12
130

Se voc participasse da diretoria de produo, poderia tomar


suas decises com base nos dados da tabela?
Contedos do captulo

Conceitos de parmetros.
Parmetros de distribuio amostrai.
Distribuio normal.
Distribuio amostrai.
Teorema do Limite Central.
Definio e tamanho de amostragem.

Aps o estudo deste captulo, voc ser capaz de:

1. entender os conceitos de estimao de parmetros de


populao de pesquisa;
2. entender os processos de inferncia estatstica;
3. identificar os tipos de amostragem;
4. aplicar os conceitos de distribuio normal;
5. aplicar os conceitos de distribuio amostrai;
6. usar a frmula do Teorema do Limite Central;
7. montar uma amostra;
8. definir e calcular o tamanho de uma amostra.
?ste captulo, estudaremos a distribuio de valores
em um grfico e os processos de amostragem. IJara isso, uti
lizaremos frmulas especficas, que iro nos permitir montar
uma amostra, calculando e estabelecendo o tamanho neces
srio desta para quaisquer estudos quantitativos. Destacamos
que quem define o tipo de amostragem e o tamanho da amos
tra o pesquisador, com base na importncia do estudo a
ser realizado.

3.1 Distribuio normal


A distribuio amostrai de muitos fenmenos tende a ser esta
tisticamente representada por uma distribuio normal. Isso
significa que, em certos fenmenos, h grande concentrao de
valores centrais e poucos valores entre os menores e os maio
res. Assim, de posse apenas da mdia e do desvio-padro da
amostra, podemos descobrir a probabilidade de certo evento
ocorrer ou no.
Um fenmeno distribudo normalmente ter algum as
caractersticas padronizadas, o que facilitar o clculo e a
compreenso pelo pesquisador, l.ogo, podemos dizer que a
distribuio normal permite determinar a probabilidade de
encontrarmos certo valor em uma amostra.

Nesse sentido, a distribuio norm al uma distribuio de


probabilidade, que determina o posicionamento dos valores
dentro dos parmetros da mdia e do desvio-padro. Ela
representada por uma curva em forma de sino, simtrica e
mesocrtica. Nela, os resultados da probabilidade - ou seja,
o posicionamento dos valores - so obtidos por meio de uma
tabela de escores padronizados, denominada tabela Z.

EXEMPLO j

Suponhamos a arrecadao de Imposto Predial Territorial :


Urbano (1PTU) de determinada cidade. Esses valores esto dis-
postos numa distribuio normal, com uma mdia de arreca- j
dao de R$ 235,00 e desvio-padro de R$ 70,50. Sendo assim, :
podemos determinar o percentual de residncias com um valor :
de imposto maior que RS 300,00 ou menor que RS 150,00, ou, :
ainda, quaisquer outras situaes dentro dos parmetros da j
curva normal, que so a mdia menos trs desvios (X - 3 S) at j
a mdia mais trs desvios (X + 3 S).

No sino que representa a curva da distribuio normal os


valores da amostra esto na base e a altura da curva representa
a frequncia desses valores. Ou seja, a curva mais alta no
centro porque h maior concentrao de valores.
Grfico 3.1 - Curva de distribuio normal: Curva
de Gauss

Curva de Gauss

A distribuio normal apresenta algum as caractersticas


padronizadas. No intervalo representado por (- S) at (+ S),
esto aproximadamente 68% dos valores. Assim, no caso da
arrecadao do IPTU de certa cidade, com uma mdia RS 300,00
e desvio-padro de R$ 70,50, podemos afirmar que:

em 68% das residncias o valor de imposto varia entre


R$ 229,50 e RS 370,50;
em 95% das residncias o valor de imposto varia entre
RS 159,00 e RS 441,00;
em 99% das residncias o valor de imposto varia entre
RS 88,50 e RS 511,50.
A frmula para os clculos de distribuio normal :

Em que:

Z = V a lo r d a t a b e la Z;

X = V a lo r a le a t r io ;
p ( le t r a g r e g a mi) = m d ia a r it m t ic a ;

a ( le t r a g r e g a sigma) - d e s v io - p a d r o .
Observao: o valor da tabela Z (ver Anexo i) sempre dar
o resultado do valor aleatrio X at a mdia. Para observar o
valor de percentual correspondente ao valor Z, basta verificar
o nmero inteiro, a primeira casa decimal na primeira coluna
e a segunda casa decimal na primeira linha.

Estudo de caso
Vamos observar a situao vivenciada em determinada empresa
do setor secundrio da economia, produtora de leite em p.
O diretor de produo dessa empresa est preocupado com
a quantidade de produto em cada lata. Pm aferio feita por
seus analistas, estes verificaram que as latas, em mdia, esta
vam saindo da fbrica com 502 g e com um desvio-padro de
3 g. Ele ento questiona, considerando esses dados: Qual seria
a probabilidade de latas com peso entre 4 9 5 e 5 0 5 gramas?

Grfico 3.2 - Curva normal referente ao exemplo


//
/

\
/

jT

// X
495 502 505

No grfico, a rea marcada se refere soluo do problema,


objetivo da pesquisa. Ele, ento, aplicou a frmula duas vezes,
pois est trabalhando com dois valores aleatrios.
X -M
2 =
a
z = 495 - 502
3

z = - 2 ,3 3

O valor Z = -2,33 se refere a 49,01% da distribuio. Isso


significa que 49,01% das latas produzidas por essa empresa
pesam de 495 g a 502 g.

X-M
z= a

z = 505 - 502

z=!
z = 1,00

O valor Z = i,oo se refere a 34,13% da distribuio. Isso signi


fica que 34,13% das latas produzidas por essa empresa pesam
de 502 g a 505 g.

Assim, ele obteve como resultado:

P(E) =49,01 + 34,13 + 83,14%.

Portanto, 83,14% das latas produzidas por essa empresa esto


de acordo com a especificao, com a probabilidade de pesarem
entre 493 a 305 gramas.
Utilizamos a distribuio normal quando o estudo da pes
quisa sc basear cm dois fundamentos:
1. quando a distribuio da prpria populao de eventos
c normal;
2. quando a distribuio da populao no for normal,
mas o nmero de casos for grande.

Logo, se considerarmos a populao objeto da pesquisa, per


ceberemos que, embora ela seja a mais comum, nem sempre
e possvel utiliz-la. Por isso, estudaremos outras formas de
distribuio, que no so possveis na Curva de Gauss.

3.2 Distribuio amostrai


Como j mencionamos, o objetivo da estatstica utilizar a
amostra para buscar informaes que nos ajudaro a inferir
sobre a populao envolvida na pesquisa. Isso ocorre porque,
na maioria dos fenmenos estatsticos, fica invivel realizar a
pesquisa em toda a populao.
Assim, no caso de o estudo ser amostrai, temos a necessidade
do estudo da inferncia estatstica para validarmos os dados
advindos da amostra.

3.2.1 inferncia estatstica


A inferncia estatstica um processo estatstico que se refere
possibilidade de obtermos informaes sobre a populao
por meio de resultados amostrais.
No caso de necessidade de uma deciso sobre a popula
o - por exemplo, os tributos pagos pelas empresas de deter
minada cidade dependendo do tempo para a pesquisa, fica
impossvel levantar essa informao em todas as empresas.
Sendo assim, cria-se a amostra e, com base nela, so calculados
os parmetros necessrios, como a mdia e o desvio-padro
(conforme estudam os nos captulos anteriores). Com essas
informaes e utilizando os conceitos da inferncia estatstica,
chegamos, ento, a informaes sobre a populao. A Figura 3.1
ilustra esse processo:

Figura 3.1 - Processo de inferncia estatstica

P o p u l a o (N ) A m o s t r a (n)

t 1

Parmentros Parmentros
I n f e r n c ia
populacionais amostrais
e s t a t s t ic a

A inferncia estatstica pode ser dividida em duas reas: os


testes de hipteses, que abordaremos no Captulo 4, e a esti
mao de parmetros.

: Estimao de parmetros: em muitos estudos estatsticos, no :


j h a possibilidade de coletar os dados de forma populacional j

: 011 censitria. Sendo assim, necessrio usar uma amostra para ;


aferir o fenmeno.

Ainda que os clculos de amostras sejam clculos vlidos, h


a necessidade de dar maior representatividade ao parmetro
amostrai. Ou seja, ele deve ser vlido e representativo a toda
a populao envolvida na pesquisa.

So exemplos de estimadores de parmetros as medidas de


posio, disperso, assimetria e curtose, vistas no Capitulo 2.
A media aritmtica ou media amostrai X c um estimador da
mdia populacional p.
3.2.2 Processos de distribuio amostrai

Dc acordo com M agrini (2013, p. 3), c preciso considerar "'todas


as possveis amostras de tamanho n que se pode extrair de uma
determinada populao. Se para cada uma das amostras for
calculado o valor de uma medida (ou estimador), tem-se uma
distribuio amostrai desta medida ou estimador".

Dessa forma, podemos entender que os parmetros popu


lacionais, como a mdia, no se alteraro, ou seja, sero cons
tantes dc amostra para amostra. Contudo, a media amostrai
variar de acordo com a amostra selecionada, revelando valo
res diferentes de X.
Nesse processo, importante entendermos a distribuio
amostrai das mdias, pois sabemos que a mdia aritmtica
amostrai um estimador da mdia aritmtica populacional.
E, como a mdia amostrai uma varivel aleatria, devemos
conhecer sua distribuio de probabilidade.
Como vim os na Figura 3.1, nem sempre a mdia populacio
nal est nossa disposio, seja pelo tamanho da populao,
seja pela dificuldade de acesso aos dados. Desse modo, neces
srio desenvolver esse clculo porque, por meio da mdia
amostrai, podemos obter mais informaes sobre a populao.

Figura 3.2 - Parmetros populacionais e amostrais

P o p u la o (N ) A m o s t r a (n)

A mdia aritmtica amostrai (X) representa uma varivel


aleatria. Considerando as distribuies de frequncias da
populao como uma distribuio de probabilidades, temos
a distribuio da populao.
Nesse processo de distribuio da mdia, usamos o clculo
de teoremas. Veja:

O valor da mdia aritmtica obtida de uma amostra reti


rada de certa populao tem o mesmo valor da mdia
aritmtica populacional. Isso significa que o resultado
amostrai representa a populao. Se a populao for infi
nita (N > 100.000) ou, ainda, se a amostragem for com
reposio, a varincia amostrai das mdias igual razo da
varincia populacional pelo nmero de elementos da amostra.
Nesse caso, a varincia amostrai menor que a varincia
populacional.

No caso de uma populao finita (N < 100.000) ou de a


amostra representar mais que 5% da populao, a varin
cia amostrai dada pela frmula a seguir:

O termo final da frmula se refere ao fator de correo para


populao finita.

Vale destacar que:

se a amostra for estatisticamente representativa (n > 30),


a distribuio amostrai da mdia deve ser aproximada pela
distribuio normal (distribuio simtricae mesocrtica) -
essa propriedade chamada de Teorema Central do Limite;

se a amostra for estatisticamente pequena (n < 30), a dis-


tribuio amostrai da mdia no pode ser aproximada
pela distribuio normal, mas sim pela distribuio t de
Studcnt, com graus de liberdade = n - 1. A distribuio
t de Student ser sempre utilizada quando o nmero de
elementos da amostra for menor que 30, deixando de
utilizar a distribuio normal.

3.2.3 Distribuio amostrai das propores ou


frequncias relativas
Para determ inara distribuio amostrai da proporo ou fre
quncias relativas, identifica-se p como um parmetro que
expressa a probabilidade ou proporo de determinado evento
populacional. Para o clculo, utilizamos a frmula:

Em que: :

x = n m e ro d e c a s o s f a v o r v e is ;

n = n m e ro to ta l d e c a s o s d a a m o s tra .

0 X r e p r e s e n t a u m a p o p u l a o in f in it a , e o p a p ro p o r o p a ra c e rto
e v e n to d e X. j

Portanto:

q = 1 - p a probabilidade de no ocorrer o evento (p = pro


poro favorvel e q = proporo desfavorvel).

Seja ( x i , X2, X 3 , . . . Xn) uma amostra aleatria estatisticamente


representativa (n > 30), a distribuio amostrai das propores
se aproxima da distribuio normal, como mostra a frmula
a seguir:

Z
3.24 Distribuio amostrai da soma ou diferena
entre duas mdias
Tem o intuito de identificar a distribuio amostrai da estats
tica (Xi X2). Sabe-se que a distribuio amostrai da mdia
normal com mdia = (.ie varincia = (j-/n.

A soma ou diferena de duas m dias ter tambm d is


tribuio normal, com mdia igual soma ou diferena
das m dias populacionais e varincia igual soma das
varincias populacionais.

3.2.5 Distribuio amostrai da soma ou diferena


entre duas propores

O clculo utilizado para identificarmos a distribuio amostrai


da estatstica (f1 f2), ou seja, a diferena de proporo de duas
amostras, aproxima-se da distribuio normal e aplicado
utilizando a frmula a seguir:

(f, f2) - ( P l dt p 2)
Z =

N esse clculo, podem os determ inar se a opinio sobre


determinado assunto igual ou realmente diferente entre
duas amostras.
Por exemplo: em entrevistas com uma amostra de contado
res da cidade X, foi observado que 70% deles esto satisfeitos
com a profisso; na cidade Y, foi observado 73% de satisfao.

Ser que essa diferena real? Ser que podemos consi


derar resultados iguais estatisticamente? Ou so propores
realmente diferentes? Todas estas so perguntas respondidas
nesses conceitos. As respostas para essas perguntas sero expli
citadas no Captulo 4, sobre testes de hipteses.
3.3 O processo de amostragem na
distribuio de valores estatsticos
A amostra faz parte do dia a dia do pesquisador, pois a maio
ria das decises tomadas pelos profissionais da contabilidade,
sempre que houver a necessidade de clculos, ser executada
com informaes obtidas por meio de amostras.
Portanto, o mtodo de formatao da amostra deve ser correto,
para que ela seja representativa e evite informaes erradas.

3.3.1 Tipos de amostragem

Definir o tipo de amostragem muito importante para o pes


quisador, pois isso proporcionar a construo de amostra
representativa. A s amostragens se dividem em:
Amostragem probabilsticas - Nesse tipo de amostragem,
todos os elementos da populao tem a mesma chance
de fazer parte da amostra. Por exemplo: caso queiramos
desenvolver uma pesquisa sobre a atividade dos contado
res da nossa cidade, todos eles tero uma probabilidade
conhecida e diferente de zero para fazer parte da amostra.
Os tipos de amostragem probabilstica so:
Aleatria simples - Nesse processo, escolhemos os ele
mentos da amostra aleatoriamente, sem nenhum crit
rio ou definio realizada. Assim, qualquer elemento
da populao poder fazer parte da amostra. Ou seja,
todos os elementos da populao tero a mesma pro
babilidade de serem sorteados ou escolhidos. Esse tipo
de amostragem a m ais vantajosa financeiramente,
uma vez que se trata de uma escolha simples. Contudo,
tambm a menos confivel. Por exemplo: com a rela
o de todos os contadores de certa cidade, o pesqui
sador escolhe aleatoriamente aqueles que faro parte
da amostra, at complet-la.
&
Sistemtica - Nesse tipo de amostragem probabilstica,
a amostra formada sistematicamente, ou seja, uti
lizado um padro de repetio. Assim, cada elemento
da amostra ser conhecido por sua posio numa lista
populacional. Por exemplo: o pesquisador recebe a lista
com todos os contadores da cidade, com o objetivo de
um a pesquisa. Nesse caso, podemos escolher quem
far parte da amostra pela sua posio e, desse modo,
entrevistaremos o 10-, o 20-, o 30^ da lista, e assim por
diante, ate completar a amostra.
Proporcional - Se utilizarmos esse tipo de amostra, ela
ser formada proporcional mente em relao popu
lao e a alguns critrios como sexo, idade, grau de
escolaridade etc. Ela representa o tipo de am ostra
gem com processos m ais caros, porm m ais confi
veis. Essa amostragem ser definida proporcional
mente a cada estrato populacional Por exemplo, sc na
populao de contadores de certo estado 55% deles so
homens, obrigatoriamente 55% da amostra deve ser de
contadores homens. E assim deve ser feito para cada
estrato da populao. Na amostragem proporcional,
a formatao de cada estrato na amostra ser realizada
de forma aleatria.

Amostragem no probabilstica - A amostra no escolhida


de forma aleatria, porque caber ao pesquisador utilizar
critrios especficos para dcfini-la. Nessa amostragem,
nenhum elemento que no faa parte dos critrios poder
fazer parte da amostra. As amostragens no probabils-
ticas so subdivididas da seguinte maneira:
Por convenincia - Nesse tipo de amostragem no pro
babilstica, o pesquisador montar a sua amostra de
acordo com fatores como disponibilidade, tempo ou
convenincia. Em muitos casos, a amostra pode estar
concentrada em algum local ou estrutura montada,
como um congresso, uma feira empresarial ou outro
local onde estejam os elementos da amostra. Nesse caso,
um integrante da populao que no estivesse nesse
local teria 0% de probabilidade de fazer parte da amos
tra. Ela , portanto, no probabilstica.

Intencional - Nesse tipo de amostragem no probabi


lstica, o pesquisador montar a sua amostra de acordo
com suas vontades, seus critrios ou suas necessida
des. Por exemplo: a pesquisa a ser realizada trata de
contadores de grandes empresas; desse modo, ape
nas esses profissionais podero fazer parte da am os
tra. Os dem ais, de em presas pequenas ou mdias,
no fariam parte da amostra em hiptese alguma.
Por trfego - Nesse tipo de amostragem no probabi
lstica, o pesquisador montar a sua amostra de acordo
com concentrao, volume ou trfego de elementos da
populao cm determinado local. Por exemplo: a pes
quisa a ser realizada ser com contadores; assim, ela
pode ser feita no Conselho Regional de Contabilidade,
pois o trfego de contadores nesse local ser intenso.
Por quotas - Nesse tipo de amostragem no proba
bilstica, o pesquisador montar a sua amostra de
acordo com os dados populacionais, determinando
algum as categorias necessrias. Por exemplo: a pes
quisa a ser realizada ser com contadores. Dessa forma,
ela depender de alguns critrios, corno gnero, tama
nho da empresa em que trabalha, se autnomo ou
registrado, ou quaisquer outros critrios definidos
pelo pesquisador.
d
Essas so caractersticas que definem as amostras no
probabilsticas, como anteriormente tambm citamos as
caractersticas das am ostras probabilsticas. So infor
maes que servem para formatar e organizar a amostra.
Contudo, apenas definir o tipo de amostra no ser sufi
ciente para um estudo estatstico, precisamos aprender
a calcular o tamanho da amostra para que o processo
ocorra de forma coerente.

3.3.2 Como calcular o tamanho da amostra


Para que determinado estudo estatstico, realizado por meio
de uma amostra, possa ser mais confivel, a amostra precisa
ter um nmero mnimo de elementos. Esse nmero mnimo
obtido pela frmula a seguir:

Z2 P q i
n = ------ :
e :

Em que: :

n = a m o stra ; :

Z = n v e l d e c o n f ia n a Z; \
p = p ro p o r o f a v o r v e l;

q = p r o p o r o d e s f a v o r v e l; j

e = e rro m x im o p r o v v e l - r e p r e s e n t a 0 e r r o - p a d r o , p o r m d e f in id o p e lo :
p r p r i o p e s q u is a d o r . C a s o q u e ir a t e r u m a a m o s t r a m a io r . 0 p e s q u i s a d o r d e v e r

d e f i n ir u m e r r o p e q u e n o . P o r o u t r o la d o , s e n o p o d e a s s u m ir u m a a m o s t r a

m u i t o g r a n d e , d e v e r d e f i n i r u m e r r o m a io r . :

Destacamos nesse processo de estudo estatstico que h,


necessariamente, limites de confiana para a aplicao das fr
mulas do clculo do tamanho da amostra, os quais so valores
obtidos da tabela da distribuio normal.
Tabela 3.1 - Limites de confiana para o clculo do
tamanho da amostra

L im it e d e
V a lo r Z
c o n fia n a

80% 1,28

90% 1,65

95 % 1.96

99 % 2,58

Com essas informaes sobre os tipos de amostragem e o


clculo do tamanho da amostra, podemos trabalhar com os
dados da contabilidade de uma empresa e oferecer subsdios
para a administrao. Considerando a importncia dessa pr
tica, vamos detalhar o passo a passo desse processo.

Exerccios resolvidos
1. Se voc tivesse que determinar o nmero mnimo de pes
soas a serem entrevistadas numa pesquisa socioeconmica,
com um nvel de confiana de 93% e um erro mximo pro
vvel de 4%, o que voc faria?

Para a resoluo desse problema, siga estes passos:


1 o passo - Aplicar a frmula, observando que no foram
fornecidos os valores das propores no enunciado do
exerccio. Caso isso ocorra, devemos estimar 30% para
cada um deles.
2 o passo - Na resoluo do problema, todos os valores per
centuais devem ser inseridos no problema como decimais,
ou seja, devem ser divididos por 100.
&
z 2P q

1,95'-0,50 0,50
n = -----------------------
0,042
0,9604
0,0016
n = 600 entrevistados

O resultado do problema deve ser 6oo pessoas a serem


entrevistadas.

A frmula para determinar o tamanho mnimo de uma amos


tra, apresentada anteriormente, deve ser utilizada somente
quando o valor da populao no for fornecido ou quando
for estatisticamente in fin ito -o u seja, N > loo.ooo elementos.

Caso a populao seja finita - ou seja, N < i o o .o o o elementos -


e fornecida no problema, deve ser utilizada a frmula a seguir:

2. Agora, se voc tivesse que determinar o nmero mnimo de


pessoas a serem entrevistadas numa pesquisa socioecon-
mica, com um nvel de confiana de 95% e um erro mximo
provvel de 4%, ciente de que a cidade onde ser realizada
a pesquisa tem uma populao de 50 mil habitantes, o que
voc faria?
importante observar que, nesse caso, a populao foi for
necida e, sendo finita, voc deve utilizar a frmula maior:

V p -q N
(N - 1 ) e2 + Z 2 p q
1 ,9 6 2 0 ,5 0 0 ,5 0 5 0 0 0 0
{5 0 0 0 0 - 1) 0 ,0 4 2+ 1 ,9 6 2 0 ,5 0 0 ,5 0
48020
~~7 9 ,9 9 8 4 + 0 ,9 6 0 4
48020
n_ 8 0 ,9 5 8 8
n = 5 9 3 ,1 4

O resultado do problema deve ser 593 pessoas a serem


entrevistadas.

Sntese
Neste captulo, estabelecemos os conceitos de estimao de
parmetros de uma populao por meio de parmetros amos
trais. Tambm elaboramos um roteiro explicativo para aplicar
os conceitos da distribuio normal como uma distribuio
amostrai na tomada de deciso e, ainda, entender o Teorema
do Limite Central.

Alm disso, apresentamos as formas de montar a amostra


e qual o tamanho necessrio desta para quaisquer estudos
quantitativos, bem como discorremos sobre a definio do
tipo de amostragem e do tamanho da amostra.
Questes para reviso

. Em certo balnerio, foi verificado que, em mdia, o custo


das dirias das pousadas para turistas de R$ 230,00, com
um desvio-padro de R$ 45,00. Determine a diria corres
pondente a 10% dos valores e a 75% dos valores.

a) 10% dos valores = R$ 17240; 75% dos valores =


R$ 260,15.
b) io% dos valores = R$ 152,30; 75% dos valores =
R$ 363,00.
c) 10% dos valores = R$ 186,50; 75% dos valores =
R$ 348,12.
d) 10% dos valores = R$ 125,30; 75% dos valores =
R$ 215,00.

2. Numa indstria automotiva, um dos componentes do motor


foi testado e foi verificada uma vida mdia til de 20.000 km
e um desvio-padro de 2.950 km. Calcule a probabilidade
de encontrarmos componentes com vida til: 1) superior a
18.500 km; e 2) inferior a 24.000 km. Determine tambm a
quilometragem que representa 20% dos valores.

a) Superior a 18.500 km = 39,40%; inferior a 24.000 km =


81.32 km. Quilometragem que representa 20% dos
valores = 15.999 km.
b) Superior a 18.500 km = 59,60%; inferior a 24.000 km =
38.32 km. Quilometragem que representa 20% dos
valores = 16.980 km.
c) Superior a 18.500 km = 66,40%; inferior a 24.000 km =
61.32 km. Quilometragem que representa 20% dos
valores = 14.390 km.
d) Superior a 18.500 km = 69,50%; inferior a 24.000 km =
91,31%. Quilometragem que representa 20% dos
valores = 17.522 km.
3- Numa fbrica de motores, aps uma auditoria na rea de
produo, constatou-se que a vida til dos seus motores c
de 40.000 km e o desvio-padro de 3 500 km. Ciente disso,
qual a probabilidade de um pneu rodar: Mais que 45.000 km?
Menos que 36.000 km? Entre 40.000 km e 42.000 km?

a) Mais que 45.000 km = 6,64%; menos que 36.000 km =


11,71% ; entre 40.000 km e 42.000 km = 21,27%.
b) Mais que 45.000 km = 7,64%; menos que 36.000 km =
12,71%; entre 40.000 km e 42.000 km = 21,57%.
e) Mais que 45.000 km = 7,84%; menos que 36.000 km =
12,11% ; entre 40.000 km e 42.000 km = 21,17%.
d) Mais que 45.000 km = 3,46%; menos que 36.000 km =
71,12%; entre 40.000 km e 42.000 km = 33,12%.

4. Numa verificao das lmpadas de indstria eltrica, cons


tatou-se uma mdia de funcionamento de 2 mil horas e um
desvio-padro de 285 horas. Calcule a probabilidade de
encontrarmos lm padas com funcionamento: superior a
3.150 horas e inferior a 2.400 horas.
a) Superior a 3.150 horas = 0% e inferior a 2.400
horas = 91,92%.
b) Superior a 3.150 horas = 1% e inferior a 2.400
horas = 92,92%.
c) Superior a 3.150 horas = 9% e inferior a 2.400
horas = 82,01%.
d) Superior a 3.150 horas = 3% e inferior a 2.400
horas = 96,12%.
5- Ao anotar a velocidade de uma srie de veculos que pas
saram por determinado ponto de uma estrada, a polcia
rodoviria concluiu que a velocidade mdia era de 65 km/h,
com um desvio-padro de 9 km/h. Determine a probabi
lidade de o prximo veculo passar com uma velocidade
maior que 80 km/h.

a) 3,2%.
b) 5,25%.
c) 4,75%.
d) 5,68%.

6. Certa montadora testou seus aparelhos e realizou uma con


sultoria com o objetivo de avaliar a vida til mdia dos
aparelhos produzidos por ela. Foi constatada uma mdia de
8.640 horas, com desvio-padro de 864 horas. Determine a
probabilidade de que um desses aparelhos tenha vida mdia
til inferior a 6.912 horas.

a) 1,9%.
b) 3,08%.
c) 2,77%.
d) 2,28%.

7. vida mdia til de certa marca dc pneus de 38.000 km


rodados, com um desvio-padro de 3.000 km rodados.
Calcule a probabilidade de um pneu, escolhido ao acaso,
ter vida mdia til entre 43.000 km e 47.300 km rodados.

a) 0,60%.
b) 0,91%.
c) 0,93%.
d) 0,68%.
8. Num a fbrica de pneus, aps uma auditoria na sua rea
dc produo, constatou-se que a vida til dos seus pneus c
de 41.000 km e o desvio-padro de 3.500 km. Ciente disso,
qual a probabilidade de um pneu rodar entre 38.850 km e
39.500 km?

a) 6,27%.
b) 8,12%.
c) 5,67%.
d) 5/99%
9. O Procon de determinada cidade realizou uma pesquisa de
preos. O produto que apresentou maior oscilao de preo
foi a carne bovina de primeira, com uma mdia de preos
de R$ 8,70 e desvio-padro de R$ 0,75. Qual a probabilidade
de que, em um supermercado qualquer, essa carne tenha o
preo menor que RS 10,25?

10. A vida til mdia de determinado equipamento eletrnico


de 2.000 horas e seu desvio-padro de 250 horas. Qual a
quantidade de horas que representa 85% dos valores?

Questes para reflexo

O Conselho Regional de Contabilidade pretende descobrir


com seus associados o quanto as suas aes esto sendo, ou
no, efetivas. Para isso, necessrio fazer uma pesquisa, mas
os dirigentes do Conselho no sabem quantos associados
sero entrevistados.

1. Os conhecimentos obtidos neste captulo poderiam resolver


esse problema? De que forma?

2. Os nveis de confiana alteram o tamanho da amostra?


Contedos do captulo

Mtodos de inferncia estatstica.


Intervalos de confiana.
Testes de hipteses.

Aps o estudo deste captulo, voc ser capaz de:


1 . entender o processo de inferncia estatstica;
2 . compreender o conceito de intervalos de confiana em

estatstica;
3 utilizar os intervalos de confiana para definir a mdia
.

populacional e a proporo de uma amostra;


4 . aplicar os passos de testes de hiptese na estatstica

probabilstica;
5. aplicar as frmulas de clculo dos intervalos de confiana
na mdia populacional e dos testes de hipteses;
6. decidir sobre a validade ou no de uma hiptese
estatstica.
C
z e studar
7 os conceitos do intervalo de confiana, tanto para
a mdia quanto para a proporo, muito importante para
os mtodos quantitativos, pois nos ajudar a compreender a
utilizao dessas ferramentas quando advindas de amostras.
No contexto de trabalho, ou seja, no dia a dia da contabili
dade, esses conceitos so utilizados para determ inares limites
(inferior e superior) da mdia e da proporo, aumentando o
entendimento sobre os fenmenos analisados.

estudo dos mtodos de inferncia estatstica sobre os tes


tes de hipteses, por sua vez, permite-nos compreender as
diferenas entre valores amostrais e populacionais e se tais
diferenas so reais ou foram observadas ao acaso.

Por exemplo: digamos que a proporo histrica de satisfa


o em relao s polticas de contabilidade pblica de certo
governo mantm-se estvel historicamente. Em um novo
levantamento, no entanto, houve uma diferena. Como o novo
resultado amostrai, preciso analisar se a diferena entre
os dois resultados real (os valores so mesmo diferentes) ou
no (a diferena no significativa).

Esse clculo estatstico permite que o pesquisador defina um


valor hipottico ao parmetro populacional e, com as informa
es obtidas na amostra, aceite ou rejeite tal hiptese e defina
o risco de uma tomada de deciso.

4.1 Intervalos de confiana


Quando fazemos levantamentos estatsticos, h, muitas vezes,
a necessidade de utilizar uma amostra para obter resultados.
Esse resultado, contudo, refere-se somente amostra; assim,
precisamos fazer com que esse levantamento seja ampliado
para toda populao envolvida na pesquisa. Esse processo
envolve os intervalos de confiana, que, conforme esclarece
Peternelli (2004, p. 162), constituem-se em "um a maneira de
calcularmos uma estimativa de um parmetro desconhecido.
Muitas vezes tambm funciona como um teste de hipteses".

Por exemplo: numa situao em que h a necessidade dc


determ inarm os a mdia salarial para determ inado cargo,
necessrio formatar um a amostra, como vim os no cap
tulo anterior. Formada a amostra, obtemos a mdia e o des
vio-padro. O resultado da mdia amostrai, mas temos de
validar esse resultado para parmetros populacionais, calcu
lando os limites (mnimo e mximo) da mdia. Assim, quais
quer valores dentro desses limites so valores vlidos para
a mdia. F.sse conceito tambm pode ser utilizado para as
propores populacionais. Esses limites populacionais so
denominados intervalos de confiana.
&
Utilizamos esse parmetro conceituai a fim de estabelecer
intervalos de confiana para:
a mdia;

a diferena de medias;

a proporo;
a diferena de propores;

a varincia;

a determinao do tamanho de uma amostra.

N esse sentido, o nvel de confiabilidade associado a um


intervalo de confiana, como afirma Guim ares (2012, p. 74),
"indica a percentagem de intervalos que incluiriam o valor do
parmetro que se deseja estimar".

4.1.1 Intervalo de confiana da mdia


populacional (p)
Na estimao da mdia populacional, com base em dados
amostrais, podemos obter valores que sero vlidos para toda
a populao objeto da pesquisa. Com os valores desse estudo,
obteremos um intervalo referente mdia populacional, dando
maior confiabilidade ao resultado da mdia.
Na estimao da mdia populacional, os dados advindos de
uma amostra precisam ser validados para toda a populao.

: EXEMPLO

: Dando continuidade ao exemplo anterior, sobre a mdia :


; salarial de determ inado cargo, vam os supor que, em ;
uma amostra de 50 salrios, obtivemos mdia salarial de ;
: R$ 2.500,00 e desvio-padro de R$ 625,00.
: i
O valor da mdia, R$ 2.500,00, refere-se apenas amostra. !
: Com os clculos que veremos a seguir, obteremos o intervalo de :
confiana para a mdia populacional. Nesse exemplo, com 95% :
: de confiana, os limites sero K$ 2.326,76 (mdia populacional :
: mnima) e R$ 2.673,24 (mdia populacional mxima). Assim, :
podemos afirmar que quaisquer valores denlro desse intervalo |
: de confiana podem ser considerados v a lo re s m d io s.

: Outra concluso a que podemos chegar a seguinte: uti- j


: lizando o mesmo exemplo, se a empresa X pagar RS 2.400,00 :
: para o cargo e a empresa V pagar R$ 2.600,00, afirmaramos :
: que os dois salrios so estatisticamente iguais, isso porque os :
j dois esto dentro do intervalo de confiana. Essa concluso ser |
: mais bem explicitada na sequncia, quando abordarmos testes |
: de hipteses.

Ao estabelecermos o intervalo de confiana para a mdia


populacional, devemos considerar os fatores expostos a seguir.

4.1.1.1 Erro-padro amostrai para a mdia

Refere-se diferena do resultado amostrai em relao ao


populacional, tanto para mais quanto para menos.
O erro-padro sempre ocorrer quando houver a necessi
dade de estimar parmetros populacionais com base em par
metros amostrais. Logo, se o estudo for realizado com toda a
populao, o erro amostrai deixa de existir.

Quanto maior for a amostra envolvida na pesquisa, menor


a amostra e o erro-
ser o erro-padro, e vice-versa. Ou seja,
padro so grandezas inversam ente proporcionais. O clculo
deerro-padro pode ser obtido por meio da seguinte frmula:
Em que:

S = desvio-padro;
N = populao;
n = amostra.

Se a populao for desconhecida ou no fornecida no


problema, ou, ainda, se a amostra representar mais que
5% da populao (n > 5% N), a segunda parte da frmula
dever ser excluda do clculo. A frmula, ento, ficar da
seguinte maneira:

4.1.1.2 Estimao da mdia populacional

Esse conceito determinar o intervalo para a mdia popula


cional. Obtendo esses valores, definiremos os limites mnimo
e mximo dessa mdia. O clculo pode ser obtido por meio
da seguinte frmula:

X-Z*Sx<|i<X + Z S x j
Em que: :

X = mdia amostrai; j

p = mdia populacional.

Utilizando essa frmula, o clculo ser obtido aps determi


narmos o erro-padro amostrai. Quanto maior for a amostra,
menor ser esse intervalo, torneando o resultado mais confivel.
Se utilizarmos uma amostra muito pequena, o intervalo ser
grande 0, assim, os resultados sero superficiais.
4-i.1-3 Nveis de confiana da tabela Z

Esses nveis so os valores determinados pela tabela da distri


buio norm al tambm conhecida como tabela Z (ver Anexo 1).
Dela so extrados os valores para determ inar os valores
mximo e mnimo da mdia populacional.

Tabela 4.1 - Nveis de confiana da tabela Z

% d e c o n f ia n a V a lo r Z

80% 1,28

90% 1,65

95% 1,96

99% 2.58

Contudo, apesar de utilizarmos todas essas ferramentas de


clculo, em muitas situaes, como quando realizamos uma
pesquisa, no conseguim os obter uma amostra representa
tiva - ou seja, so poucos os dados para o estudo. Nesses casos,
preciso fazer uma pequena alterao nos clculos; trata-se
do clculo de confiana da mdia para amostras pequenas.
No entanto, importante observar que a essncia da anlise
no muda, nem a sequncia de clculos, como veremos a seguir.

4.1.2 intervalo de confiana da mdia para


amostras pequenas
Como observamos anteriormente, o intervalo de confiana da
mdia para amostras pequenas obtido em situaes nas quais
o clculo desse intervalo desenvolvido com uma amostra
estatisticamente pequena (n < 30) e, portanto, devemos utilizar
outra forma de clculo.

Nessa situao, no utilizamos a distribuio normal para


definir o intervalo de confiana, mas sim a distribuio t de
Studcnt (ver Anexo 2), que tornar o resultado rnais confivel
Assim, a frmula do intervalo de confiana ficar da seguinte
maneira:

x - g. Sx < M< x + tg, - Sx j

: Em que: :

gl = n - i (graus de liberdade, q u e r e p r e s e n t a m o n m e r o d e e l e m e n t o s d a :

a m o s t r a m e n o s o n m e r o d e p a r m e t r o s p o p u l a c i o n a i s a s e r e m e s t im a d o s ) ;

: d = risco (i-n v e l de confiana). :

Observe que a mudana necessria a troca do nvel de con


fiana da tabela Z pelo valor da tabela t de Student. Os demais
clculos, assim como suas anlises, so os mesmos.

Exerccio resolvido
Um escritrio de contabilidade desenvolveu um estudo com
empresas de determinado municpio, a pedido da prefeitura
da cidade. Para esse estudo, foi utilizada uma amostra de 50
empresas, nas quais foram pesquisadas a mdia de salrios
paga a profissionais de contabilidade no incio de carreira.
O estudo revelou uma mdia de RS 2.500,00, com um des-
vio-padro de R$ 625,00. A prefeitura, ento, quer saber qual
o intervalo para a mdia populacional com 95% de confiana.

Resoluo:
Nesse processo, o primeiro aspecto a ser observado o
tamanho da amostra. Como nessa pesquisa/problema a
amostra era maior do que 30 elementos, o valor Z da tabela
da distribuio normal foi aplicado no problema. Assim,
o prim eiro passo do clculo o valor do erro-padro
amostrai:
X - Z S x < m<X + Z S x
2 5 0 0 - 1,9 6 8 8 ,39 < \i < 2 5 0 0 + 1,9 6 * 88,39

2 5 0 0 - 1,7 3 ,2 4 m 2 5 0 0 + 17 3 ,2 4

2 3 2 6 ,7 6 2 6 7 3 ,2 4

Observao: Esse resultado demonstrou que existia uma


diferena entre o resultado da mdia amostrai e o da mdia
populacional de R$ 88,39, tanto para mais quanto para menos.

O prximo ou o segundo passo estabelecermos o intervalo


de confiana.
Concluses

Analisando o resultado, podemos afirmar, com 95% de con


fiana, que a mdia populacional de salrios pagos aos profis
sionais de contabilidade no incio de carreira era, no mnimo,
de R$ 2.326,76 e, no mximo, de R$ 2.673,24.

Na anlise, 95% de confiana representa que, se essa pes


quisa fosse realizada outras cem vezes, a mdia amostrai
estaria dentro desse intervalo em 95% das vezes, ou seja,
nesse resultado, haveria 3% de risco de erro.

O risco sempre existir quando estimamos valores popu


lacionais com base em valores amostrais, a no ser que a
pesquisa seja realizada com toda a populao.

O intervalo de confiana significa que quaisquer


valores dentro do intervalo podem ser considerados
mdia populacional.

4.1.3 Estimao da proporo populacional

Como vim os anteriormente, outra forma de estim arm os a


proporo populacional por meio dos dados obtidos de
&
uma amostra. Os conceitos a seguir e as anlises so os mes
mos j demonstrados, mas com frmulas diferentes, visto que
as variveis em estudo so outras.

Para obtermos parmetros populacionais, podemos esti


mar a proporo de uma amostra para que ela seja validada
para toda a populao envolvida na pesquisa. Nessa fase da
pesquisa, trabalhamos com os clculos de erro-padro amos
trais e de intervalo de confiana. Veja mais detalhes sobre eles
na sequncia.
Erro-padro amostrai para a proporo - Refere-se dife
rena do resultado amostrai cm relao ao populacional,
tanto para mais quanto para menos. Esse erro-padro
amostrai pode ser obtido por meio da seguinte frmula:

: Em que:

: p = P ro p o r o f a v o r v e l;

\ q = P r o p o r o d e s f a v o r v e l;

: P = i-q: :
; n = A m o s tra . ;

Logo, quanto maior for a amostra, menor ser o erro,


ou seja, o intervalo de confiana ser menor, dando maior
representatividade aos resultados obtidos. Caso contrrio,
se a amostra for menor, maior ser o erro-padro, o que
tornar os resultados menos confiveis.

Intervalo de confiana para a proporo populacional -


Refere-se aos valores, mximo e mnimo, da proporo
populacional. O clculo para esse intervalo pode ser feito
por meio da seguinte frmula:
d
p - Z S p < T T < p + Z-5p
Em que:

Z = nvel deconfianada tabela normal.

Exerccio resolvido
Um instituto de pesquisa revelou, por meio de um estudo
realizado com 300 microempresas paranaenses, que 77% delas
esto satisfeitas com os servios prestados por seus contadores
e as demais esto insatisfeitas. Estime, com 95% de confiana,
o intervalo da proporo populacional para aquelas empresas
satisfeitas com os seus contadores.

Resoluo:

Neste problema, o primeiro passo o desenvolvimento do


erro-padro amostrai, com o valor p = 7 7 % - pois esse o
valor a ser estimado. Faremos isso por meio da aplicao
da frmula a seguir:

Sp = ,'77-23
V 300

Sp = V 5,9033

Sp = 2,43%

Esse resultado nos mostra que existe uma diferena de 2,43%,


tanto para m ais quanto para menos, entre o resultado da pro
poro amostrai e o da proporo populacional.

O segundo passo estimarmos o intervalo de confiana,


aplicando a frmula:
p-z-sp<n<p +z-sp
77 - 1,96 2,43 1 77 + 1,96 2.43
77 - 4,76 < TI < 77 + 4,76
77,24% <TT< 81,76%

A n a lis a n d o o r e s u lta d o , p o d e m o s a fir m a r , c o m 9 5 % de


confiana, q u e a p r o p o r o p o p u l a c i o n a l d e s a t i s f a o d a s
m ic r o e m p r e s a s p a r a n a e n s e s , n o q u e s e r e f e r e a o n v e l d e s a t i s

fa o p e lo s s e r v i o s p r e s t a d o s p o r s e u s c o n ta d o r e s , d e, n o

mnimo, 7 2 ,2 4 % c d e , n o mximo, 8 1,7 6 % .

Concluses

Na anlise, 95% de confiana significa que, se essa pes


quisa fosse realizada outras cem vezes, a proporo
amostrai estaria dentro desse intervalo em 95% das vezes,
ou seja, h 5% de risco de que esse resultado esteja errado.
O in t e r v a lo d e c o n fia n a q u e r d iz e r q u e q u a is q u e r

v a lo r e s d e n tro d o in te r v a lo p o d e m se r c o n s id e r a d o s

p r o p o r o p o p u la c io n a l.

4.2 Teste de hipteses


Os testes de hipteses tm a funo de comparar as medidas
obtidas de uma amostra com os dados da populao. Essa
comparao importante para aferir se o valor amostrai
correto ou no.
Como estudam os nos captulos anteriores, a amostra se
refere apenas a uma pequena parte da populao. Assim, os
valores obtidos por ela precisam ser validados.

Na hiptese de obtermos uma nova medida, e ela ser dife


rente de um valor populacional, preciso validar os valores, ou
seja, testar a hiptese de esse novo valor ser ou no verdadeiro.
4-2.1 Hiptese estatstica
A hiptese estatstica definida como suposio de determi
nado valor de um parmetro populacional.

: F. importante diferenciar hiptese estatstica de hiptese de :


j pesquisa. A hiptese estatstica geralmente a hiptese da pes- :
: quisa traduzida em linguagem numrica.

Com o estudo das hipteses estatsticas, poderemos enten


der e analisar se determinado valor, obtido de uma amostra,
est ou no de acordo com um valor populacional j pesqui
sado e dado como correto.

EXEM PLOS DE H IP TESES j

A mdia de salrios de nvel gerencial no Brasil de \

R$ 4.000,00, ou seja, H: p = R$ 4.000,00. \

A proporo de empresas brasileiras inadimplentes na |


Receita Federal de 20%, ou seja, H: p = 20%.

Tais hipteses so definidas pelo prprio pesquisador, com


base em informaes obtidas no mercado, em pesquisas j
realizadas, em informaes tericas ou em outras fontes de
dados secundrias.

Assim, para realizarmos o teste de uma hiptese, trabalha


mos com uma amostra aleatria do sistema em estudo e cal
culamos o parmetro desejado. Ento, de acordo com o valor
do parmetro, a hiptese nula poder ser aceita ou rejeitada,
conforme os passos dos clculos c procedimentos estatsticos.
Nos clculos de testes de hipteses, sempre haver duas
hipteses a serem testadas:
i. H0/ a hiptese nula - Aquela a ser testada pelo pesquisa
dor, ou seja, aquela que deve ser provada, pois sugere um
valor para o parmetro. uma suposio. Se os resultados
da amostra no apresentarem diferena significativa da
hiptese nula, no podemos rejeit-la.
2. H,, a hiptese alternativa - Se as diferenas dos resultados
da amostra forem grandes, aceitamos a hiptese alterna
tiva. Logo, podemos concluir que a hiptese alternativa
aquela contrria hiptese nula.
No exemplo citado, obtivemos que a mdia de salrios
gerenciais no Brasil de R$ 4.000,00. Verificamos, portanto,
a seguinte situao: a mdia populacional histrica e aceita
R$ 4.000,00.

No entanto, se precisarmos de outro levantamento e obser


varmos outro valor da mdia, teremos de testar a hiptese de
que esses dois valores sejam iguais (diferena insignificante)
ou realmente diferentes (diferena significativa).

Convm destacar que, quando realizam os esse processo


estatstico - ou seja, o teste das hipteses estatsticas com o
objetivo de aceitar ou rejeitar a hiptese nula (H0) - so pos
sveis os seguintes tipos de erro:

o erro do tipo I (a), quando a hiptese nula verdadeira e


o pesquisador a rejeita;

c o erro do tipo II (P), quando a hiptese nula falsa c o


pesquisador a aceita.

As possibilidades desse teste esto resumidas no Quadro 4.1.

Quadro 4.1 - Tipos de erros

Se H Ofo r:

H.j v e r d a d e ir a H 0 f a ls a

A c e it a r H 0 D e c is o c o r r e t a E r r o t i p o II - (5
D e c is o
R e j e it a r H 0 E r r o t ip o 1- a D e c is o c o r r e t a
Realizar um teste de hipteses compreende, de acordo com
Guimares (2012, p. 98), os seguintes passos:
1. Formular as hipteses - devemos formular duas hipte
ses, a nula e a alternativa; a maneira como formulamos a
hiptese determina o tipo de teste que deve ser realizado.

2. Determinar o nvel de significancia - refere-se ao valor


crtico que utilizaremos para testara validade da hiptese.

3. Escolher a estatstica, ou estimador, para o teste - o esti-


mador pode ser obtido considerando uma amostra reti
rada da populao qual pertence o parmetro.
4. Tomar a deciso - quando comparamos o valor de teste
com o valor critico que foi associado ao nvel de significn-
cia estabelecido. por meio do processo comparativo que
tomamos a deciso de aceitar ou rejeitar a hiptese nula.

So possveis dois tipos de erro quando realizamos o teste


de hipteses estatsticas, com o objetivo de aceitar ou rejeitar
a hiptese nula (Ho).

4.2.2 Teste de hiptese para a mdia populacional


Mo teste de hiptese para a mdia, verificamos a hiptese de
existncia, ou no, de diferena significativa entre duas amos
tras, advindas da mesma populao. Nesse teste, a hiptese
testada de igualdade. Se ela for aceita, define-se que no h
diferena significativa entre as duas amostras, ou seja, que elas
so estatisticamente iguais.
&
: Para que a hiptese Ht>seja aceita,
o valor do Z (| deve estar dentro da rea de aceitao, que
corresponder a: - Z ^ < ZMl < *Zmta
se a amostra for estatisticamente pequena (n < 30), uti
lizamos a distribuio t de Student. A rea de aceitao
compreende o intervalo de: - t (< ttjl <
o valor de Z e de ty] i depender do nvel de confiana
estipulado no estudo.

Os valores Z , e t . so medidas das frmulas dos testes


de hipteses, os quais sero comparados com os valores de
referncia, possibilitando a aceitao ou a rejeio da hiptese
em estudo.
Vamos empregar esses conceitos de aceitao da hiptese
nos casos que seguem, com aplicao do teste bicaudal e do
teste unicaudal.

4.2.2.1 Teste bicaudal

O caso exposto um teste bicaudal, ou seja, a hiptese da mdia


populacional pode ser rejeitada se os valores encontrados forem
muito maiores ou muito menores que a mdia populacional.
Testaremos, com 95% de confiana, a hiptese em que a
mdia populacional de salrios de contadores no incio de
carreira de R$ 2.500,00.

Nesse processo, utilizaremos o Grfico 4.1.


Grfico 4.1 - Teste de hiptese para a mdia: teste bicaudal

Dc acordo com o grfico, teremos as seguintes hipteses:

Ho: JJ = R$ 2.500,00;

Hi: p * R$ 2.500,00.
Nesse caso, para que a hiptese 1 1 0seja aceita, o valor do Z
ou t ^ (que depender do tamanho da amostra) dever estar
na rea de aceitao. Caso contrrio, a hiptese rejeitada e,
assim, aceita-se Hj.

4.2.2.2 Teste unicaudal

Este exemplo retrata uma situao desse teste referente mdia


populacional. Vamos testar, com 95% de confiana, a hiptese
de que a mdia populacional de salrios de contadores de certa
capital brasileira seja menor que R$ 3.500,00.

Utilizaremos nessa prtica o Grfico 4.2.


Grfico 4.2 - Teste de hiptese para a mdia:
teste unicaudal

Teremos, assim, as seguintes hipteses:


H : p < R $ 3 .5 0 0 ,0 0 ;

Hi: p > RS 3.500,00.

Nesse caso, para que a hiptese H(i seja aceita, o valor do Z .3


ou tuJ (que depender do tamanho da amostra) dever estar
na rea de aceitao. Caso contrrio, a hiptese rejeitada e,
assim, aceita-se I h.

4.2.3 Frmulas matemticas para


o desenvolvimento de testes de
hipteses para a mdia populacional

Para o desenvolvimento do teste de hiptese para a mdia


populacional, utilizamos as frmulas a seguir:
X -M 0

u\

c
II
1
Z,= s -= s

Em que:

Y - m d ia a m o s t r a i;

Po = m d ia p o p u la c io n a l;

S = d e s v io - p a d r o a m o s t r a i;
n = a m o stra ;
g l = g ra u s d e lib e r d a d e .

Assim, se tivermos de realizar um estudo cujo teste tenha


95% de confiana em relao hiptese de que a mdia popu
lacional de salrios de contadores de certa capital brasileira
menor que RS 3.500,00, devemos considerar que:

a amostra de 50 salrios;

foi observada um a mdia salarial para contadores de


R$ 3.600,00;

o desvio-padro dos salrios c de R$ 480,00.


Estabeleceremos os seguintes critrios e/ou passos:

A primeira observao c o tamanho da amostra. Como c


maior que 30 elementos, utilizam os o Z para o teste
da hiptese.
A segunda observao verificar se o teste unicaudal
ou bicaudal. O problema exige testar se a mdia salarial
pode ser considerada maior que R$ 3.500,00. 0 teste, ento,
unicaudal.
O terceiro item a ser observado nomear as hipteses:

1 10: p < R$ 3.500,00;

Hi: p > R$ 3.500,00.


o quarto passo testar a hiptese:

X-Mo
Z = ~ T
/n
3600 - 3S00
Z, = _480
V~5
100
Zc = J 8
5
100
7 -
cal
480
---------------
7 ,0 7 1 1

100
' 6 7 ,8 8 2 3

z * = i* 47

Concluso: Com 95% de signi fica n cia, o valor Z para o teste


1,65 (a = 5%) e o valor do Z cj| foi menor, ou seja, ele est na
rea de aceitao e, assim, aceita-se a hiptese Ho.
Podemos, ento, afirmar, com 95% de confiana, que a mdia
dos salrios dos contadores pode ser considerada menor que
R$ 3.500,00.

4.2.4 Teste d e h ip te se p ara a ig u a ld a d e en tre d u a s


m d ia s p o p u la c io n a is

H situaes em que necessrio verificar a hiptese de exis


tncia, ou no, de diferena significativa entre duas mdias
advindas de populaes diferentes.

I fipteses para testes bicaudais:

Ho: pi = p 2 ou pi - p 2 = d, sen do d > o (d = diferen a a d m i


tida entre as m d ias populacionais);

Hv p, * p 2 ou pi - p 2 * d.
As frmulas para a verificao desse teste so:

(X, X J - d (X, X J - d
gl = n + n2 - 2

A escolha de Z a, (ou tt J depender do tamanho da amostra.


Caso n > 30, utilizaremos o Z do contrrio, aplicaremos o t

Grfico 4.3 - Teste de hiptese para duas mdias

Estudo de caso
Para termos uma amostra de como feita, no cotidiano da con
tabilidade, a aplicao dos clculos do teste de hiptese para
a igualdade entre duas mdias populacionais, vamos obser
var um estudo realizado por uma consultoria empresarial.
Nesse estudo, foram analisados os custos de duas amostras
de empresas, buscando descobrir quanto essas organizaes
tem dc custos com a produo.

Foram analisadas duas amostras em cidades diferentes com


empresas do mesmo ramo de atividade.
Na primeira amostra, com 35 empresas, foi verificada uma
mdia de R $ 3.000,00 dc custos de produo, com um
desvio-padro de R$ 670,00.

Na segunda amostra, com 40 empresas, foi verificada uma


mdia de R$ 5.330,00 de custos de produo, com um
desvio-padro de R$ 690,00.
O clculo foi realizado aplicando o teste, com 95% de signi-
ficncia, estimando a hiptese de que os custos de produo
sejam iguais nas empresas de cidades diferentes.

N esse caso, os passos para o teste de hipteses foram


os seguintes:

1. A prim eira observao foi o tam anho das amostras.


Como so maiores que 30 elementos, devem os usar o
Z ,, para o teste da hiptese.
2. A segunda observao foi verificar se o teste unicaudal
ou bicaudal. O problema exige testar se as mdias so
iguais; portanto, o teste bicaudal.

3. Depois, foi necessrio nomear as hipteses:

H: pi = u2;
Hi: pi * p2.
4. Ento pudemos testar a hiptese aplicando a seguinte
frmula matemtica:

( X , - X 2) - d
Z

d = valor referente diferena significativa, ou seja, valor


encontrado em anlises j realizadas.
Como no h relato sobre diferena significativa entre as
duas mdias amostrais, o valor d foi igual a zero.

{5 0 0 0 - 5 3 5 0 )- 0
z*.=
~67> 6 9 7
----- + -----
35 40

-350
Z-=
448900 476100
-------- + --------
35 40

-350
Z- =
V 1 2 8 2 5 ,7 1 + 1 1 9 0 2 ,5 0
-3 5 0
z ,=
V 2 4 7 2 8 ,2 1

1 5 7 ,2 5

= " 2,23

C o n clu so

Com 95% de significncia, o valor Z para o teste 1,96


(cx/2 = 2,5%) e o valor do Z al foi menor, ou seja, ele est na rea
de rejeio. Sendo assim, rejeitamos a hiptese H0e aceitamos
a hiptese IL.
Assim, podemos afirmar, com 95% de confiana, que a mdia
de custos de produo da primeira populao menor (pois
o 7 ! foi negativo), ou seja, diferente da segunda populao.

Atravs desses clculos, validamos os resultados amostrais


para toda a populao, o que dar maior confiabilidade ao
pesquisador e a possiblidade dele tomar uma deciso mais
coerente.
4.2.5 Teste de hiptese para a
proporo populacional
Esse teste nos possibilita verificar a hiptese de existncia, ou
no, de diferena significativa entre duas propores advin
das da mesma populao. Nos testes de hipteses envolvendo
parmetros populacionais, como a proporo, os conceitos so
os mesmos dos testes de hipteses envolvendo a mdia popu
lacional. Para isso, utilizamos as seguintes frmulas:

P-Po

Emque:
p = proporoamostrai;

X = nmerodeelementosfavorveis na amostra;
n = amostra;
Po = proporopopulacional.

Esses testes de hipteses da proporo populacional podem


ser unicaudais ou bicaudais. Confira os exemplos a seguir.

EXEMPL01

Teste bicaudal para a proporo populacional


iremos testar, com 95% de confiana, a hiptese de que a
proporo populacional de impostos estaduais que incidem
sobre determinado ramo de atividade de 7% do faturamento
das empresas desse ramo. Para essa demonstrao, usaremos o
Grfico 4.4.
Grfico 4.4 - Teste de hiptese para a proporo: teste
bicaudal

Teremos, portanto, as seguintes hipteses:


H0: p = 7%;
* Hi: p * 7%.
Nesse caso, para que a hiptese H0 seja aceita, o valor do ZCJ|
dever estar na rea de aceitao. Caso contrrio, a hiptese
rejeitada e, assim, aceita-se a hiptese Hi.
O exemplo exposto e o de um teste bicaudal - ou seja, a hip
tese da proporo populacional pode ser rejeitada se os valores
encontrados forem muito maiores ou muito menores que a pro
poro populacional.
EXEMPLO 2
Teste unicaudal para a proporo populacional
Agora testaremos, com 95% de confiana, a hiptese de que a
proporo populacional de descontos na folha de pagamento de
certa categoria profissional maior que 20%. Para essa demons
trao, utilizaremos o Grfico 4.5.

Grfico 4.5 - leste de hiptese para a proporo:


teste unicaudal

Teremos, portanto, as seguintes hipteses:


H0: p < 20%; :
Th: p > 20%.
Nesse caso, para que a hiptese Ho seja aceita, o valor do Zwl :
dever estar na rea de aceitao. Caso contrrio, a hiptese j
rejeitada e aceita-se a hiptese Hj.

Para que o conceito e o clculo de testes de hipteses em rela


o proporo populacional fiquem claros, iremos aplic-los a
situaes prticas. Veja, a seguir, o exerccio resolvido.
Exerccio resolvido
Desenvolva um estudo que envolve a seguinte hiptese: a
proporo populacional de impostos estaduais que incidem
sobre determinado ramo de atividade de 7% do faturamento
das empresas.
*
E necessrio testar essa hiptese, com 95% do confiana,
considerando uma pesquisa realizada com uma amostra de
300 empresas de certo ramo de atividade. Nessas empresas,
foi observado um resultado de 9,5% de tributos estaduais inci
dindo sobre o faturamento.

Resoluo
Neste problema, o primeiro passo verificar se o teste
unicaudal ou se bicaudal. O problema exige testar se
a proporo de tributos igual a 7% do faturamento - o
teste, ento, bicaudal.

O segundo passo nomear as hipteses.

Hi: p * 7%.
O terceiro passo aplicar a frmula. Neste problema, no
h a necessidade de calcular o p (proporo amostrai),
pois ele j foi fornecido: 9,5%.

Po-d -P>
n
0 ,0 9 5 - 0 ,0 7 30

0 ,0 7 (1 - 0 ,0 7 )
300

0 ,0 2 5

JV
/ 0 ,0 7 0 ,9 3
300

0 ,0 2 5

j 0 ,0 6 5 1

V 300
0,02S
V 0 ,0 0 0 2 1 7
z 0 ,0 2 5

* 0 ,0 1 4 7 3

Z = 1.70

Concluso

Com 95% de significnda, o valor Z para o teste 1,96


(a/2 = 2,5%) e o valor do Z tl foi menor. Ou seja, ele est na
rea de rejeio e, assim, rejeita-se a hiptese H0.

Portanto, podemos afirmar, com 95% de confiana, que a


proporo dos tributos incidindo sobre o faturamento igual
a 7%.

4.2.6 Teste de hiptese para a igualdade entre duas


propores populacionais

No teste de hiptese para a igualdade entre duas propores


populacionais, verificamos a hiptese de existncia, ou no,
de diferena significativa, advinda de populaes diferentes,
entre duas propores.

N esse caso, a hiptese testada de igualdade. C a so ela seja aceita,

: definim os que no h diferena significativa entre as d u a s am o s-

tras, ou seja, que elas so estatisticam ente igu ais.

As hipteses para testes bicaudais so as seguintes:

H0: pi = p2;

Hf. pi * p2.
Grfico 4.6 - Teste de hiptese para duas propores

A s frmulas para a verificao desse teste so as seguintes:

Para que esses clculos fiquem claros, vamos, da mesma


maneira que fizemos nos demais itens, aplicar essas frmu
las em situaes cotidianas da contabilidade. Veja o exerccio
resolvido a seguir.

Exerccio resolvido
Faa o clculo para teste de hiptese para duas propores,
considerando um estudo realizado por um instituto de pes
quisa, no qual foram analisadas duas amostras de empresas
de regies diferentes do Brasil. A situao era a seguinte:

Na primeira amostra, 500 empresas foram estudadas e


foi observado que 8% delas tm problemas para pagar
os seus tributos.
Na segunda amostra, com 400 empresas entrevistadas,
a p ro p o ro foi d e 9,5%.

Nesse caso, estabelecemos o teste com 5% de significancia e


a h ip tese de n o h aver d iferen a entre a s p ropores.

Resoluo

Neste problema, o primeiro passo verificar se o teste


seria unicaudal ou bicau d al O problema exige testar
se a proporo das amostras igual. O teste, portanto,
ser bicaudal.
O segundo passo nomear as hipteses:

Ho: pi = p2;
Hi: pi * p2.
O terceiro passo testar a hiptese, aplicando a
frmula matemtica:
A A

0,08 - 0,095
/ 0,08 (1 - 0,08) 0,095 (1 - 0,095)
V 500 400
-0,015
" /-----------------------------
/O,08 0,92 0,095 - 0,905
V 500 + 400
7 _ -0,015
3 . ------------------------------------------------

j 0,0736 0,085975
V 500 400
z = ______ -0,015________
V 0,0001472+ 0,0002149
z = -0,015
cal V 0,0003621
Z = ~>015
C4 0,0190299
Zca, = -0 ^ 9
Concluso

Com 95% de significncia, o valor Z para o teste 1,96 (a/2 = 2,5%),


ou seja, -1,65 < Z . +1,65. Assim, como o valor est dentro desse
intervalo (rea dc aceitao), devemos aceitar a hiptese Hue rejeitar
a hiptese 111.
Podemos afirmar, com 95% de confiana, que a proporo
de empresas com problemas para quitar seus tributos foi a
mesma nas duas populaes envolvidas na pesquisa.

Saiba mais
Com o a estatstica um tema que exige bastante clculo e
compreenso de conceitos aplicados a vrias reas do saber,
sugerim os que voc acesse o link a seguir. Nele, possvel
ampliar seus conhecimentos e sanar muitas dvidas sobre o
tema estatstica.

GUIMARES, I. A. Estatstica Curitiba, 2012. Notas de aula.


Disponvel em: <http://pessoal.utfpr.edu.br/eustaquio/arqiiivos/
Apostila%2ode%2oEstatistiea.pdf>. Acesso em: 4 jul. 2014.

Perguntas e respostas
Quando fazer o teste referente mdia ou proporo?
f
E necessrio observar quais os dados solicitados no pro
blema. Caso sejam fornecidos a mdia e o desvio-padro, ser
referente mdia. Mas, se os dados forem sobre proporo,
logicamente ser um teste de hiptese das propores.

Quando utilizar o Z , ou o ttfll?

Nesse caso, h a necessidade de analisar o tamanho da amos


tra. Caso ela seja maior ou igual a 30 elementos, ser utilizado
o Zcal; mas caso seja menor que 30 elementos, utiliza-se o t.,:.
Sntese
Neste captulo, apresentamos os conceitos do intervalo de con
fiana para a mdia e para a proporo, alm dos conceitos de
testes de hipteses em estatstica para ambos os casos. Aps os
respectivos conceitos, elaboramos um processo de apresenta
o prtica, por meio de exemplos e da resoluo de exerccios,
bem como da aplicao das frmulas matemticas em situaes
cotidianas da elaborao estatstica. Alm disso, descrevemos o
uso aplicado e os conceitos e mtodos de inferncia estatstica
sobre os testes de hipteses. Veja um resumo dos contedos:

i. Intervalos de confiana

Serve para calcular uma estimativa cm relao a um par


metro desconhecido.

Populao: usado para validar amostras populacionais.


Ambiente de aplicabilidade:
mdia;

diferena de mdias;

proporo;

diferena de propores;

varincia;
determinao do tamanho de uma amostra.

Fatores a serem observados (frmulas matemticas):

erro-padro amostrai para a mdia e para o padro


amostrai para proporo;

estimao da mdia populacional;


nveis de confiana da tabela Z;
intervalo de confiana para a proporo populacional.

ii. Teste de hipteses

Serve para comparar as medidas obtidas com os dados


de uma populao e valid-los.
Faz uso da hiptese estatstica: amostra aleatria.
Ambiente de uso: estatstica probabilstica.

Trabalha com duas hipteses: hiptese nula e hiptese


alternativa.

Passos para realizar um teste de hipteses:


formular hipteses;

determinar o nvel de significancia;

escolher o fator estatstico - o estimador;

tomar a deciso.

Aplicao (grficos e clculos matemticos):

na mdia populacional;

na igualdade entre duas mdias populacionais;


na proporo popu 1aciona 1;

na igualdade entre duas propores populacionais.

Questes para reviso

1. Em determinada indstria de pneus foi realizada uma pes


quisa com uma amostra de 35 pneus. Verificou-se que a
mdia da vida til dos pneus de 76 mil km rodados e o des
vio-padro de 9 mil km rodados. Determine o intervalo de
confiana para a mdia populacional com 95% de confiana.

a) 73018,30 km < p < 78981,70 km.


b) 73080,40 km < p < 78861,60 km.
c) 72080,60 km < p < 78961,50 km.
d) 71080,40 km < p < 79861,60 km.

2. Certa gravadora, detentora dos direitos autorais de uma


cantora de grande expresso nacional, fez uma pesquisa de
mercado sobre um de seus lanamentos. Foram pesquisa
das 150 pessoas e perguntou-se a elas se conheciam o novo
CD. O resultado foi que 130 delas conheciam as msicas e
a intrprete, mas o restante no. Estime, com 90% de con
fiana, o intervalo da proporo populacional para aquelas
pessoas que conheciam as msicas e a intrprete.

a) 3731,09 h < p < 2271,99 h.


b) 2631,06 h < p < 1281,69 h.
c) 3538,07 h < |a < 2372,99 h.
d) 2721,09 h < p < 3271,91 h.

3. Numa pesquisa eleitoral, realizada com uma amostra de


1.500 pessoas, foram obtidos os seguintes resultados: 62%
votariam no atual prefeito e o restante em outros can
didatos. Estime, com 95% de confiana, o intervalo da
proporo populacional para aqueles que votariam em
outros candidatos.
a) 21281,02 h < p < 13718,85 h.
b) 13178,02 h < p < 13618,83 h.
c) 11281,02 h < p < 12718,98 h.
d) 12168,02 h < p < 11618,03 h.

4. Numa pesquisa de mercado sobre o sabonete X, 600 pes


soas foram entrevistadas. O resultado demonstrou que 380
delas aprovaram as novas embalagens do produto e o res
tante a reprovou. Estime, com 90% de confiana, o intervalo
da proporo populacional para aqueles que aprovaram a
nova embalagem.
a) 7255,65 h < p < 10124,33 h.
b) 8265,56 h < p < 10134,44 h.
c) 6255,22 h < p < 11126,35 h.
d) 5354,25 h < p < 11134,67 h.

5. Numa grande empresa, historicamente a mdia de funcio


namento dos componentes de produtos de 5 m il horas.
Contudo, novas matrias-primas esto sendo inseridas no
processo produtivo. Num a nova avaliao, com 20 com
ponentes, foi verificada uma mdia de funcionamento de
5.35o horas e um desvio-padro de 770 horas. Teste, com 5%
dc significncia, a hiptese de no haver diferena entre
as mdias.

a) tuU= 2,06.1 liptese aceita.


b) t ^ = 2,08. Hiptese rejeitada.
c) t i; - 2,03. Hiptese rejeitada.
d) t a| = 2,03. Hiptese aceita.

6. Certo produto tem um grau de satisfao de 83%. Contudo,


um aumento de preos foi definido. Sendo assim, uma
nova pesquisa de mercado foi aplicada, com 1.600 pessoas.
Os resultados mostraram que 1.296 pessoas disseram ainda
estar satisfeitas com o produto. Teste, com 5% de significn
cia, a hiptese de no haver diferena entre as propores.
a) Z ;l = -4,48. Hiptese aceita.
b) Z caJ = -4,48. Hiptese rejeitada.
c) Z ., = -3,98. Hiptese rejeitada.
d) Z = -3,45. Hiptese aceita.

7. Em certa indstria de geladeiras, a mdia de consumo de


energia de 59 kW. Contudo, novas matrias-primas esto
sendo inseridas no processo de fabricao da geladeira.
Numa nova avaliao, com 15 geladeiras, foi verificada uma
mdia de consumo de 51 kW e um desvio-pad ro de 6,8 kW.
Teste, com 5% de significncia, a hiptese de no haver dife
rena entre as mdias.

a) t.a| = -4,36. Hiptese rejeitada.


b) t , = -4,34. Hiptese rejeitada.
c) t v = -5,56. Hiptese rejeitada.
d) twl = -3,36. Hiptese rejeitada.
8. Em uma determinada organizao, a mdia de funciona
mento dos seus produtos de 3 mil horas. Contudo, novas
m atrias-prim as esto sendo inseridas no processo pro
dutivo. Num a nova avaliao, com 40 produtos, foi veri
ficada uma mdia de funcionamento de 2.830 horas e um
desvio-padro de 510 horas. Teste, com 3% de significncia,
a hiptese de no haver diferena entre as mdias.
a) Z . , = -2,34. Hiptese aceita.
b) Z a, = -3,34. Hiptese aceita.
c) Z = -i,86. Hiptese aceita.
d) Z t = -2,15. Hiptese aceita.

9. Tendo como base a tabela a seguir, referente ao consumo


de combustvel de duas marcas de carros populares, teste,
com 5% de significncia, a hiptese nula, a qual indica que
no h diferena entre as mdias.

A u to m v e l X A u to m v e l Y

A m o s tra 22 20

M d ia 15,5 k m / l 13,8 k m / l

D e s v io - p a d r o 1,8 k m / l i ,7 k m / l

10. Tendo como base a tabela a seguir, referente ao dimetro de


peas produzidas por duas linhas de produo, teste, com
5% de significncia, a hiptese nula, a qual indica que no
h diferena entre as mdias.

L in h a 1 L in h a 2

A m o s tra 50 50

M d ia 75 m m 71 m m

D e s v io - p a d r o 7 mm 6 ,3 m m
Questes para reflexo
Uma holding tem dois escritrios de vendas. A ideia fechar
um deles. Os dois escritrios foram aferidos num perodo de
36 meses (amostras). No escritrio i, a mdia de vendas foi de
R$ 450.000,00, com um desvio-padro de R$ 70.000,00. J no
escritrio 2, a mdia de vendas foi de R$ 500.000,00, com um
desvio-padro de R$ 90.000,00.

1. Nesse caso, como os conhecimentos aprendidos neste cap


tulo podem resolver o problema?

2. Quais so as possibilidades de resoluo desse problema?


Contedos do captulo

Relao entre variveis.


Relao de regresso.
Relao de correlao.
Sries temporais.

Aps o estudo deste captulo, voc ser capaz de:

1. estabelecer se h ou no relao entre as variveis;


2. determinar a equao que medir o comportamento das
variveis;
3. identificar o impacto das variveis sobre uma varivel
dependente;
4. identificar se o impacto das variveis independentes ser
positivo ou negativo;
5. conceituar e aplicar as sries temporais;
6. utilizar a anlise das sries temporais para tomadas
de deciso.
>s captulos anteriores, abordamos as distribuies
em que uma varivel foi analisada e verificamos os conceitos
da estatstica descritiva e da inferncia estatstica. Contudo,
quando h o estudo de duas variveis, precisamos tambm
saber se h relao entre elas - esse entendimento imprescin
dvel, pois o trabalho com associao entre variveis quantita
tivas fundamental nas pesquisas estatsticas para determinar
o quanto uma ou mais variveis impactam no comportamento
de outra varivel.

Neste captulo, portanto, estudarem os a correlao e a


regresso entre variveis, alm das sries temporais, seus con
ceitos, suas aplicaes e possibilidades de anlise. As sries
temporais podero auxiliar o profissional de contabilidade em
suas tomadas de deciso.
5-1 Correlao e regresso estatstica
Associaes entre variveis podem ser observadas no processo
de explanao do quanto a diminuio dos custos de produo
pode impactar no volume de vendas ou, ainda, se o preo de
venda tambm influenciar essa varivel. Portanto, quanto
maior for a relao entre as variveis, maior a necessidade
de estudo. Assim poderemos predizer o comportamento des
sas variveis.
Nesse sentido, ao estabelecermos parmetros de comporta
mento das variveis no processo de associaes, h dois tipos
de anlises (Guimares, 2012, p. 118):

a anlise de correlao linear - cujo objetivo determinar


o grau de relacionamento entre duas variveis;

a anlise de regresso linear - cujo objetivo determinar


o modelo que expressa essa relao.

5.1.1 A anlise de correlao linear


A anlise de correlao linear visa determinar a fora de rela
cionamento entre duas variveis quantitativas. O termo correla
o significa uma relao em conjunto, indicando at que ponto
os valores de uma varivel independente (X) esto relacionados
com os de outra (Y) dependente. A interpretao desse rela
cionamento deve ser feita com cautela, pois no pode existir
uma relao causal entre as variveis dc interesse. O relacio
namento matemtico permite predizer valores de uma delas
com base no conhecimento da outra, mas nada informa sobre
a causa e o efeito.
5.1.1.1 Correlao linear

A forma mais comum de anlise de correlao envolve duas


variveis quantitativas. O grau de correlao, nesse caso,
sintetizado pelo coeficiente de correlao de Pearson (r).

n - I X l - Y 1- ( Z x , ) - < l Y )
r=

Em que: j

X = v a r i v e l in d e p e n d e n t e ; \

Y = v a r i v e l d e p e n d e n t e ;

n = n m e r o d e e le m e n t o s o b s e r v a d o s .

O coeficiente de correlao de Pearson (r) refletir a exis


tncia ou no de correlao entre essas duas variveis. Isso
observado por meio do resultado, assim relacionado:

Grfico 5.1 - Se r = i (correlao positiva perfeita): reta


ascendente

y
Grfico 5.2 - Se r = - 1 (correlao negativa perfeita):
reta descendente

Grfico 5.3 - Se r = o (inexistncia de correlao)

O r=0

O resultado do coeficiente de correlao de Pearson (r) deter


minar a existncia ou no dessa associao/correlao. Veja:
se o valor for positivo, quando a varivel X aumenta, a Y :
tam bm aum entar;

se o valor for negativo, o resultado diferente. Portanto, j


h uma inverso: se X aumenta, Y diminui.

E necessrio, contudo, analisar os resultados do coeficiente.


Quanto mais prximo dc i, positivo ou negativo, mais forte
ser a correlao entre as variveis, assim como quando o resul
tado mais prximo de zero, menor a correlao.

A lgum as caractersticas do coeficiente de correlao de


Pearson so:
r > 0,5 (forte correlao positiva);

r < 0,5 (fraca correlao positiva);


r > -0,5 (forte correlao negativa);

r < -0,5 (fraca correlao negativa).

Quanto mais forte for a correlao (r = lil), mais os pontos


de interseco das variveis X e Y estaro prximos da reta
ascendente ou descendente.

Outra anlise importante no clculo da correlao o


r Square - (r2). Ele o resultado do coeficiente de correlao
de Pearson ao quadrado.

O r Square determina o impacto da varivel independente X no


com portam ento d a varivel dependente Y.

Por exemplo, pense no levantamento de duas variveis: a


produo de determinado produto (varivel X) e a quantidade
de resduos produzidos (varivel Y). Supondo um resultado
de r = 0,97, podemos afirmar que h forte correlao positiva
entre as variveis.
Com outro clculo, chegamos ao r Square = 0,931. Ento,
podem os afirm ar que a produo im pacta em 93,1%
o comportamento da produo de resduos. Os outros 6,9% so
outras variveis, como umidade, qualidade da matria-prima,
temperatura e eficincia do maquinrio. Contudo, a que mais
impacta a produo.

5.1.2 Anlise da regresso linear

Por meio da regresso linear, na qual apenas duas variveis so


correlacionadas, podemos identificar o comportamento futuro
da varivel dependente pelos valores estimados da varivel
independente. Isso ocorre porque a varivel dependente (Y.)
funo da varivel independente (X ): Y = f(x).

Para a verificao desse comportamento, usam os um a


funo do primeiro grau (y = ax + b), obtida pelos seguintes
clculos:

Desvio-padro de X.:

(IX , p
Sxx = Z X (2 -
n

Covarincia de X I e Y I:

Parmetro a:

Sxy
Sxx
Parmetro b:

Equao da reta:

: y = a *x + b

Por meio dos clculos realizados anteriormente, pos


svel determinar a equao que poder predizer a varivel
dependente.
Recordando o exemplo citado no item anterior, supomos um
r = 0,97 e um r Square = 0,931 entre a produo de certo produto e
os resduos produzidos. Sendo assim, podemos estimar quanto
teremos de resduos, caso a produo aumente ou diminua,
facilitando o planejamento de muitas empresas.

Exerccio resolvido
Analise uma situao proposta por uma empresa (aqui deno
minada Empresa Exemplo), na qual o objetivo do estudo deter
minar a quantidade dc lixo que ser gerada se ela chegar a 800
toneladas de produo - pois, atualmente, ela consegue acu
mular 70 toneladas de lixo. A dvida da empresa : Ela deve
se reestruturar para essa meta de produo?

Para a resoluo, analise a tabela a seguir, referente


produo de peas (varivel X) e produo de lixo (vari
vel Y), e lembre-se do coeficiente de correlao de Pearson
e do r Square.
Tabela 5.x - Variveis da Empresa Exemplo

n Xi Yi X i- Y i X i2 Y i2

1 251 22

2 260 23

3 263 23

4 26S 25

5 270 24

6 275 26

7 300 27

8 312 29

9 333 29

10 345 31

M d ia

Resoluo

O prim eiro passo para poderm os responder pergunta


da empresa, sobre a necessidade ou no de reestruturao,
preencher a tabela.

Tabela 5.2 - Anlise das variveis da Empresa Exemplo

n Xi Yi X i- Y i X i2 Y i2

1 251 22 5522 63001 484

2 260 23 5980 67600 529

3 263 23 6049 69169 529

4 265 25 6 62 5 70225 625

5 270 24 6480 72900 576

6 275 26 7150 75625 676

7 300 27 8100 90000 729

8 312 29 9048 97344 841

9 333 29 9657 110889 841

10 345 31 10695 119025 961

I 2874 259 75306 835778 6791

M d ia 287.4 25,9
Preenchida a tabela, necessrio desenvolvermos as frmu
las e os parmetros para ser definida a equao da reta.
Primeiro clculo - coeficiente de correlao de Pearson (r):

n -IW IX .M lY ,)
r=
V [ n -Z X f -( Z X l)J] .[ n -Z Y f -( Z Y |)2]
= _________10-75306-2874-259________
V [10 835778 - 28747] f10 6791 - 2597]
= ___________ 753060-744366___________
V [8357780 -8259876] [67910 - 67081]
r= 8694
V 97904829
r_ 8694
V81162416
- _ 8694
V 9009,02
r = 0,97

Ao realizarmos o clculo do coeficiente de correlao


de Pearson, obtivemos como resultado r = 0,97. Ele indica
forte correlao positiva. Assim , alm de ser uma reta
ascendente, a proximidade do valor i oferece forte indi
cao de correlao entre as duas variveis.
Segundo clculo - r Square (r2):

r S q u a re = (0,9650329)2
r S q u a re = 0,931

Feito o clculo r Square (r2), obtivemos como resultado


93,1%. Esse percentual representa o impacto da varivel
X no comportamento da varivel Y. Ou seja, a varivel
lixo produzido explicada em 93,1% (seu com porta
mento) pelo aumento ou queda da produo da empresa.
Os demais 6,9% se referem outras variveis.
Terceiro clculo - frmulas para determinar a equao
d a re ta :

n
28743
Sxx = 8 3 5 7 7 8 -
10
8259876
Sxx = 8 3 5 7 7 8 -
10
Sxx = 8 3 5 7 7 8 -8 2 5 9 8 7 ,6
Sxx = 9 790 ,4

(IX,) (IY )
S x y = IX .-Y i- n
2874 259
Sxy = 7 5 3 0 6 -
10
744366
Sxy = 7 5 3 0 6 -
10
Sxy = 7 5 3 0 6 - 74 4 3,6

Sxy = 869,4

a - Sxy
Sxx
_ 869,4
3 ~ 9790,4
a = 0,0888

b = Y1- a . X ,
b= 2 5 ,9 - 0,0888 2 8 7 ,4
b = 2 5 ,9 -2 5 ,5 2 1 5

b = 0 ,3 7 8 5

y = a* x + b
y - 0,0888 x + 0 ,3 7 8 5
A equao y = o,o888x + 0 ,3 7 8 5 (equao da reta) deter
minar o comportamento das variveis X e Y.
Quarto clculo - aplicao da equao da reta:

y = 0 ,0 8 8 8 x + 0 ,3 7 8 5
y= 0 ,0 8 8 8 - 8 0 0 + 0 ,3 7 8 5
y = 7 1 ,0 4 + 0 ,3 7 8 5
y = 7 1 ,4 2

Aps esses quatro clculos (coeficiente de correlao de


Pearson, r Square, frmula para determinar a equao da reta
e aplicao da equao da reta), possvel apresentar a resposta
do problema para a empresa, pois, com 800 toneladas de pro
duo, a empresa gerar 71,42 toneladas de lixo. Logo, se ela
consegue guardar, no mximo, 70 toneladas de lixo, precisar
se reestruturar.

5.1.3 Regresso linear mltipla


Como j tivemos a oportunidade de analisar por meio de cl
culos, podemos verificar a existncia de correlao entre duas
variveis, bem como o impacto de uma varivel independente
no comportamento de uma varivel dependente.

No entanto, verem os que, em m uitas situaes, no h


apenas uma, mas duas ou mais variveis independentes
impactando em uma varivel dependente. Na regresso linear
mltipla, outras variveis so analisadas, proporcionando uma
concluso mais precisa sobre a varivel em estudo.
O modelo da regresso linear mltipla pode ser represen
tado da seguinte forma:
y = a + b1 *X1 +2 b X2 + ... + bn *Xn +
*

Em q u e : ;

y = v a ri v e l d ep en d en te; :

X = v a ri v e l in d e p e n d e n te ;

a= p a r m e tro d o m o d e lo d e e q u a o ;

b= d e t e r m i n a o i m p a c t o d a v a r i v e l X n o c o m p o r t a m e n t o d a v a r i v e l Y;

= e rro a le a t rio d o c o m p o n e n te d o m o d e lo d e e q u a o . j

Para mais de duas variveis independentes, o clculo


extremamente trabalhoso e exige o uso de softwares estatsti
cos. Contudo, para duas variveis, utilizamos o modelo dos
mnimos quadrados, expresso por:

j y = a + 1-X 1 + 2-X 2 + j

Para a montagem do modelo de equao da regresso linear


mltipla, utilizamos as seguintes frmulas:

r lYX, _ X Y -X
S y ,= Z Y .X , S y ^ lY -X ,
n n

<IX >2 Sx12= Z X l X l - ^


s y = r x j- n n

Sy, = Sxn b, + Sx,j b2


Sy, = Sx13 b, + Sx22 b2

a = Y - X , b , - X 2b2
y = a + b, x, + b2 x2
Para que possamos adquirir a prtica do uso dessas frmu
las, vamos aplic-las no cxcrccio resolvido.

Exerccio resolvido
Devemos desenvolver, para determinada empresa 11 , o modelo
de equao da regresso linear mltipla e, ainda, realizar a
previso de vendas com um investimento em TV de R$ 12
milhes e uma queda nos investimentos em ponto de venda
de R$ 3 milhes.

Os dados referem-se ao volume de vendas da empresa (Y),


aos investimentos em TV (Xi) e aos investimentos no ponto de
venda (X2), conforme a Tabela 5.3.

Tabela 5.3 - Dados para desenvolvimento de equao da


empresa 1 1

n
-<

Y X, x2 2 X ,X 2 X ,1 X ,
X

yx yb
m

i O 2 0,5

2 14 3 0,5

3 17 4 1

4 19 S 1
s 19 5 2
6 17 4 3

7 20 8 1,5

8 25 9 2,5

I 144 40 12
M d ia

Resoluo
Para o desenvolvimento desse problema, o primeiro passo
preencher a tabela.
Tabela 5.4 - Dados completos para desenvolvimento de
equao da empresa H

n Y X, x2 YX, YX, x ,x 2 Y1 Xi* X2J

1 13 2 0,5 26 6,5 1 169 4 0,25


2 14 3 0,5 42 7 1,5 196 9 0,25

3 17 4 1 68 17 4 289 16 1
4 19 5 1 95 19 5 361 25 1
5 19 5 2 95 38 10 361 25 4

6 17 4 3 68 51 12 289 16 9

7 20 8 1,5 16O 30 12 400 64 2,25

8 25 9 2,5 225 62,5 22.5 625 81 6,25

I 144 40 12 779 231 68 2690 240 24

M d ia 18 5 1.5

O segundo passo ser a resoluo das frmulas:

X Y X ,
Sy, = Z Y Xf -
n

144 -4 0
SVl = 7 7 9 -
8
5760
Sy, = 7 7 9 -
8
Sy, = 7 7 9 - 720

Sy. = 5 9

X y -x
Sy2= X Y - X 2-
n

Sy2= 2 3 1 -

Sy* = 2 3 1 T 8 5
Sy2= 2 3 1 -
S y = lX J -
(ixy
n
144 12
5xn = 2 3 1 -
8
1728
Sx,, = 231 -
8
Sxn = 231 - 2 1 6
= 15

Sxu = I X 1 *X2- ^ x r x;
n
4 0 -12
5 x t2 = 6 8 -

r 480
5 x l2 = 6 8 -

Sx1? = 6 8 -6 0

S x 12= 8

( I X /
5 x 2? = I ^ -
n

Sx, = 2 4 - 1 ^
22 8
Sx = 24 - 14 4
2? 8
Sx^ = 2 4 - 1 8
Sx22 = 6

O terceiro passo a resoluo do sistema, para determinar


os parmetros bi e b2:
5y > = S x n * b t + s x ,2 b2

Sy 2 = Sx ,2 b, + Sx22 k>2

59 = 40 b1 + 8 b2
15 = 8*b, + 6* b2

Nesse caso, uma das variveis deve ser eliminada. Assim,


a segunda equao ser m ultiplicada por -5 e, dessa
maneira, haver possibilidade de resoluo.

59 = 40 b, + 8 b
15 = 8 b, + 6 b2(-5)

O sistema, ento, ficar da seguinte forma:

59 = 40 b. + 8 b2
-75 = -40 b - 30 b ,

Agora, a varivel bi eliminada. Determinamos a vari


vel b2 e, substituindo-a em uma das equaes, determi
namos a bi.59

59 = 40 b, + 8 b,
-75 = -40 b - 30 b?

-16 = 0-22- b2
-16

b2= 0,7273
15 = 8 b . + 6 b2
15 = 8 b ,+6-0,7273
15 = 8 b, +4,3638
&
8 b1 = 15 - 4 ,3 6 3 8

8 *0 , = 1 0 ,6 3 6 2

1 0 ,6 3 6 2
b' =
b, = 1 ,3 2 9 5

Calculadas as variveis bj e b2, podemos determinar o


parmetro a:

a = Y - X 1 b , - X 2b2

a=18-5 - 1 ,3 2 9 5 - 1,5 - 0 ,7 2 7 3
a = 1 8 - 6 ,6 4 7 6 - 1 ,0 9 1 0

a= 1 0 ,2 6 1 4

Com todos os parmetros calculados, possvel montar


o modelo da equao de regresso linear mltipla:

y = a + b ,-x 1+ b2-x2
y = 1 0 ,2 6 1 4 + 1 ,3 2 9 5 x, + 0 ,7 2 7 3 x2

Temos ento condies para responder ao problema do


exerccio: realizar a previso de vendas com um investi
mento em TV de RS 12 milhes e uma queda nos inves
timentos em ponto de venda de RS 3 milhes.

y = 1 0 ,2 6 1 4 + 1 ,3 2 9 5 x, + 0 ,7 2 7 3 x2

Como todos os valores esto divididos por R$ 1 milho,


eles sero inseridos na frmula dos valores: 12 para x, e
3 para x2.

y = 1 0 ,2 6 1 4 + 1 ,3 2 9 5 -12 + 0 ,7 2 7 3 3

y = 1 0 ,2 6 1 4 + 1 5 ,9 5 4 0 + 2 ,1 8 1 9

y = 2 8 ,3 9 7 3
Concluso

Podemos afirmar que a empresa ter uma previso de ven


das de RS 65,62 milhes, com investimentos em TV de R$ 12
milhes e, nos pontos de vendas, de R$ 3 milhes.

5.2 Sries temporais


Uma srie temporal uma srie ou distribuio estatstica na
qual a varivel estudada esta ordenada em funo de perodos
de tempo. A anlise dessa varivel poder determinar situa
es quanto ao seu comportamento com relao a:
tendncias - observada pelo crescimento ou pela queda
de determinada varivel;
estacionalidade - observada pela falta de situaes de
aumento ou queda, no h mudanas;
sazonalidade - observada por mudanas ocorridas em
perodos do ano, as quais podem scr de aumento ou dc
queda;

perodos cclicos - as oscilaes so mudanas ocorridas


(aumento ou queda) durante mais de ano.

A observao das sries temporais nos permite compreen


der de uma forma mais coerente o estudo de determinado
fenmeno, comparando o valor atual com uma srie histrica
e aumentando a qualidade das anlises.
EXEMPLO
Suponha que uma empresa X, durante os ltimos 12 meses, reali
zou uma srie de investimentos financeiros, conforme possvel
observar no Grfico 5.4.

Grfico 5 4 - Investimentos na empresa X

2.000. 00
1 .7 5 0 .0 0
1 .5 0 0 .0 0
1 .2 5 0 .0 0
1. 000 . 00
7 5 0 .0 0
5 0 0 .0 0
2 5 0 .0 0
0 ,0 0
2 1 3 4 5 6 7 8 9 10 11 12 13

- - In vestim en to s na em presa X (valores em Rs 1 .0 0 0 , 0 0 )

Nesse exemplo, vemos uma tendncia de crescimento.


A observao da serie temporal nos permite verificar essa ten
dncia; contudo, essas anlises podem ser calculadas com os
conceitos de correlao linear e regresso estatstica. Aplicando
esses conceitos, verificamos um r Square de 0,883. A equao da
reta que demonstra o comportamento dessa varivel : y = 1256,06
+ 4 4 A9 6x-
5-2.1 Componentes das sries temporais
Os componentes das sries temporais podero auxiliar na pre
viso do comportamento de variveis quantitativas. De acordo
com os valores assumidos pela varivel durante um perodo
de tempo, podemos analisar ou predizer seu futuro. A grande
questo das sries temporais ser: Com a observao do pas
sado, possvel prever o futuro?
Os componentes das sries temporais consistem em definir
o padro de determinada varivel em relao a perodos de
/
tempo. E com a utilizao desses padres que podemos fazer
certas previses.
Neste tpico, estudaremos os possveis padres para a an
lise e as previses das sries temporais.

Tipos do sries temporais:


oscilaes:
sazonal;
tendncia;
cclica;
aleatria.

5.2.1.i Sries temporais e as oscilaes de sazonalidade

A sazonalidade representa o movimento de oscilao de curta


durao. sso demonstra a influncia de diversos fatores, nos
quais sua atuao peridica, no sentido de aumentar ou dimi
nuir a quantidade da varivel estudada.
Podemos observar a sazonalidade em vrias situaes, como
mudanas de mercado, safras agrcolas e datas comemora
tivas. Logo, a sazonalidade muito comum nas anlises de
sries temporais.
EXEM PLO

C ontinu ando com o exem plo da em presa X, citada anteriormente,

su p o n h am o s que ela um a indstria de chocolates. H sazo n ali-

d ad e nessa indstria? C o m o p o d em o s p re ve r o com portam ento

d o vo lu m e de vendas?

A seguir, temos um grfico representando o volum e de vendas

d essa em presa nos ltim os 2 4 m eses.

Grfico 5.5 - Venda dc chocolates da empresa X

N a an lise desse grfico, a lg u m a s caractersticas ficam claras:

h um crescim ento nas ven das em dois perodos do ano; contudo,

nao h ou ve aum ento nas v e n d a s de u m ano para o outro.

C a s o n o existam alteraes no m ercado, com o entrada de

um novo e forte concorrente, m u d an as no com portam ento do

co n su m id o r ou q u a isq u e r aes in tern as sobro a fora de ven

das, podem os concluir que as ven d as d e vem se g u ir as m esm as

condies d o s dois ltim os anos. A ssim , o profissional de conta

bilidade poder prever as questes salariais, tributrias, fiscais

e fin anceiras antes que elas ocorram .


5-2.1.2 Sries temporais e as oscilaes de tendncia

A tendncia representa um movimento evolutivo, aumentando


ou diminuindo a quantidade de certa varivel - ou seja, com
o passar do tempo, ela pode ser ascendente ou descendente.
Essa tendncia pode representar o futuro dessa varivel. Caso
no exista tal tendncia, a varivel considerada estacionria.

Como vimos no incio da abordagem sobre sries temporais,


a empresa X realizou uma srie de investimentos financeiros
nos ltimos 12 meses. Qual a tendncia? Utilizando o exem
plo, podemos prever que a tendncia de crescimento.
Portanto, uma simples observao dar ao profissional de
contabilidade a possibilidade de adiantar o seu planejamento.

5.2.1.3 Sries temporais e as oscilaes cclicas

Nas sries temporais cclicas, esto inclusos movimentos de


longa durao - mais de um ano os quais mostram fases
de aumento ou queda da varivel estudada. Nelas, observa
mos alteraes como longas ondas em torno de uma linha
de tendncia.

: EXEMPLO :

: Continuando o caso da empresa X, suponhamos que nela h |


j custos de produo mais altos no incio do ano, justamente para |
| atender sazonal idade de produo de chocolates. Assim, for- \
: mam-se ondas, as quais podemos observar no Grfico 5.6.
Grfico 5.6 - Custos de produo da empresa X

70.00
60.00
50.00
40.00
30.00
20.00
10,0 0
0,00
Jan./2012-----------------------Jan./2013------------------- > Dez./2013

- O - Custos de produo da empresa X


( Valores em R$ 10 0 0 ,00 )

O b se rv am o s as o n d as ocorrendo entre o incio e o fim dos anos.

A ssim , poderem os prever com antecedncia as situaes futuras.

5.2.14 Sries temporais e as oscilaes aleatrias

Esse tipo de oscilao presente nas sries temporais representa


um movimento aleatrio ou randmico, no qual no h como
prever possveis mudanas de comportamento da varivel.
Esse fenmeno ocorre quando h influncias naturais, sociais
ou econmicas para as quais no havia previso - como secas,
enchentes, greves, crises em outros pases etc.

So situaes sem possibilidade de previso, pois fogem


ao controle dos profissionais. Mudanas legais, econmicas,
sociais ou ambientais, mesmo no mundo globalizado, so de
difcil anlise.
5.3 Anlise de sries temporais
Para analisar as sries temporais, devemos verificar a exis
tncia ou no de seus componentes: sazonalidade, tendncia,
ciclo ou aleatoriedade.

Com o m uito longa, a anlise de um ciclo ou osci


lao dificilm ente influenciar a varivel. Sendo assim ,
podemos desconsider-la.

Quanto aleatoriedade, possvel determinar que todas


as variveis tm essa possibilidade e, assim, ela considerada
presente em todas as anlises de sries temporais.

5.3.1 Avaliao da sazonalidade


Para a avaliao da sazonalidade de uma varivel, um dos
mtodos m ais usuais a utilizao da mdia de perodos
menores - meses, bimestres, trimestres - em comparao com
as mdias anuais.

Outra forma dc analisar a sazonalidade por meio da an


lise das medidas de disperso. Nesse caso, observamos se h
variao dos valores em relao mdia e, ainda, se essa situa
o se repete com o passar do tempo.
EXEMPLO

Tabela 5.5 - Vendas mensais de peas da empresa X, de 2009 a 2013

M e se s Vendas M e se s Vendas M e se s Vendas M e se s Vendas M e se s Vendas

ja n / 0 9 125 ja n / 1 0 119 Jan/11 133 ja n / 1 2 131 ja n / 1 3 143

fe v /0 9 132 fe v / 1 0 125 fe v /u 140 f e v / i2 143 fe v /1 3 156

m a r/0 9 131 m a r/1 0 124 m ar/1 1 139 m a r/1 2 138 m a r/1 3 151

a b r/0 9 130 a b r/1 0 124 ab r/11 138 a b r/1 2 139 a b r/1 3 152

m a i/ 0 9 127 m a i/ 1 0 121 m a i/1 1 135 m a i/ 1 2 140 m a i/ 1 3 153

ju n / 0 9 19 9 ju n / 1 0 189 ju n /1 1 212 ju n / 1 2 210 ju n / 1 3 229

j u l/ 0 9 210 j u l /10 200 ju l/11 223 ju l/ 1 2 219 ju l/ 1 3 239

a g o /0 9 129 a g o /1 0 123 a g o /n 137 ag o /1 2 130 a g o /1 3 142

s e t/0 9 133 s e t/ 1 0 126 s e t/u 142 s e t / i2 138 se t/1 3 151

o u t/0 9 128 o u t/1 0 122 o u t/1 1 136 o u t/ 1 2 14O o u t/ 1 3 153

n o v /0 9 127 n o v /1 0 121 n o v /1 1 135 n o v /1 2 141 n o v /1 3 154

d e z/09 129 d e z/1 0 123 d e z/1 1 137 d e z/1 2 139 d e z/1 3 152

Anlises

A s m d ia s a n u a is so as se g u in te s: 2009 = 1 4 2 p eas; 2 0 10 = 13 5 p eas;

2 0 1 1 = 151 peas; 2 0 12 = 1 5 1 peas; 2 0 13 = 165 peas.

O b se rv a m o s na tabela que as v e n d a s m e n sa is esto p r x im a s m dia,

exceto nos m eses de ju n h o e julho, nos qu ais h um crescim ento nas ven d as

d as p eas. Se n d o assim , apresen ta-se um com ponente de sazo n alid ad e.

5.3.2 Avaliao de tendncia


Para a anlise da tendncia de certa varivel, aplicamos os
conceitos de correlao e regresso linear, nos quais a varivel
independente X ser sempre os perodos cie tempo e a varivel
dependente Y ser a varivel estudada.
Os resultados do coeficiente de correlao de Pearson (r) e a
equao da reta determinam respectivamente a possibilidade
de tendncia - ascendente ou descendente - e o comporta
mento futuro dessa varivel.

Saiba mais
Para am pliar seus conhecimentos sobre sries temporais,
interessante verificar o material proposto por Davi la (2014)
para a Universidade Estadual de Campinas (Unicamp):
DAVILA, V. H. L. Introduo s sries temporais. Universidade Estadual
de Campinas, Campinas. Unicamp. Disponvel em: <http://www.
ime.unicamp.br/~hlachos/MaterialSeries.pdf>. Acesso em: 4 jul. 2014.
Outra excelente abordagem, com muitos exemplos e frmu
las para series temporais, objetivando a tomada de decises
na empresa, voc encontra no seguinte material:
FERREIRA, T. A. E. Minerao e previso de sries temporais.
Universidade Federal de Pernambuco, Recife, 2001. Slides. Disponvel
e m : <http://w vv w.rin.u fpe.br/~n >mpint/au Ias-I A S/kd d-01 2/Ti meSeries.

ppt>. Acesso em: 4 jul. 2014.

Perguntas e respostas
Qual a funo do r Squore (r2 )?

O r Squore determina quanto a varivel independente influen


cia no comportamento da varivel dependente. Supondo que
existam 85% no r Square, isso significa que h 85% de impacto
da varivel independente X na varivel dependente Y.
Quando existir mais de duas variveis independentes, como pro
ceder na elaborao da equao?

Nesse caso, o clculo m anual invivel. Caso se depare


com essa situao, voc ter de utilizar softwares estatsticos
para determ inar a equao. Contudo, sempre h a neces
sidade de observar se as variveis independentes apresen
tam correlao com a varivel dependente. E isso pode ser
feito individualmente.
Quando no existir correlao entre as variveis, o clculo perde
sua funo?

O clculo somente ser vivel quando existir a correla


o entre as variveis. Caso isso no ocorra, preciso iden
tificar outras variveis independentes que impactem na
varivel dependente.

Sntese
Neste captulo, apresentamos os conceitos e as frmulas para
que voc possa determinar a existncia da associao de cor
relao ou de regresso entre variveis e a equao que medir
seu comportamento.
Aps os passos de clculos e anlises, possvel compreen
der como duas variveis so responsveis pelo comportamento
de uma varivel dependente, alm de identificar se as variveis
independentes geraro impacto positivo ou negativo, prevendo,
dessa forma, o comportamento futuro da varivel dependente.

As sries temporais tambm foram abordadas neste captulo.


Estabelecemos parmetros advindos de conceitos e frmulas
para, em seguida, aplic-los em situaes prticas, pois eles
fazem parte de um conjunto de instrumentos para unia anlise
detalhada - o que permite ao profissional tomar decises com
base em dados e fatos.
Para entender melhor o panorama abordado e suas conexes
internas, veja a sntese esquemtica a seguir.
I. Associao entre variveis estatsticas
Correlao - anlise da correlao linear (clculos) por:

coeficiente de Pearson - correlao positiva perfeita,


correlao negativa perfeita ou correlao inexistente.

r Square - impacto da varivel X no comportamento


da varivel Y.

Regresso
anlise da regresso linear (clculos) por:

desvio-padro de X ;

covarincia de X. e Y ;

parmetro a;
parmetro b;

equao da reta.

anlise da regresso linear (clculos) por:

modelo da equao de regresso linear mltipla.

Sries temporais - distribuio estatstica relacionada a


fatores como:

tendncias;

estacionai idade (sem alteraes/estacionria);


sazonalidade;

ciclos;

aleatoriedade.

Questes para reviso

. Dada a tabela a seguir, referente aos hspedes de um resort


(varivel X) e a produo de lixo nesse estabelecimento
(varivel Y), o gestor tem um grande problema a resolver,
pois o local tem condies de descartar apenas 6,5 toneladas
de lixo por ms. O hotel, contudo, tem a previso de uma
ocupao de 350 hspedes. Haver condies de descartar
todo o lixo produzido?
(Para a resoluo, lembre-se do coeficiente de correlao de
Pearson e do r Square).

n Xi Y X i* Y i X i1 Y i2

1 151 1,2

2 16 0 1,3

3 165 1,3

4 169 1,5

S 17 0 1,4

6 170 1,5

7 173 1,9

8 178 2 ,0

9 18 0 2,1

I
Mdia

Nesses clculos, qual o resultado de r Square e de Y e quantas


toneladas de lixo sero produzidas?

2. Certa empresa est para tomar uma deciso sobre um inves


timento na sua produo. Para tanto, seu diretor dispe de
duas informaes: o nmero de funcionrios na produo
(varivel X) e a produo em toneladas (varivel Y). H uma
necessidade de que seja atingida uma produo de 6.500
toneladas; contudo, j esto orados gastos com a folha de
pagamento para um montante de 40 funcionrios. A dvida
do diretor a seguinte: com os 40 funcionrios, a empresa
atingir a produo desejada?

n Xi Yi Xi* Yi Xi2 Yi2


1 15 2000

2 16 1900

3 16 2100

4 17 2300

5 18 2500

(continua)
(concluso}

n Xi Yi Xi Yi X i2 Y i2

6 19 2700

7 18 2800

8 19 2700

9 20 3100

10 22 3150

M d ia

3. Os dados a seguir se referem ao volume de vendas de certa


empresa (Y), os investimentos cm campanha on-line (Xi) e
os investimentos no produto (X2). Desenvolva o modelo de
equao da regresso linear mltipla e faa a previso de
vendas, com um investimento em campanha on-line de R$
40 milhes e uma queda nos investimentos no produto para
R$ 3 milhes.

n Y X, x, YX, y x 2 x ,x 2 Y2 x ,J X ,1

Li 100 12 4

2 121 14 4

3 125 15 3

4 120 17 4

5 115 20 5

6 120 19 7

7 130 21 6

8 145 22 7

M d ia

a) Y = 82,9864 + 0,3388X1 + 6,6170X2. Logo, com R$ 40


milhes em campanha on-line e R$ 3 milhes em
investimentos no produto, a previso de vendas ser
de R$ 116,39 milhes.
b) Y = 83,9866 + 0,3398X1 + 6,6177X2. Logo, com R $ 40
milhes em campanha on-line e R $ 3 milhes em
investimentos no produto, a previso de vendas ser
de R$ 118,39 milhes.
c) Y = 84,9866 + 0,4499X1 + 6,7170X2. Logo, com RS 40
milhes em campanha on-line e RS 3 milhes cm
investimentos no produto, a previso de vendas ser
de RS 119,39 milhes.
d) Y = 82,9864 + o,33ooX] + 6,6170X2. Logo, com RS 40
milhes em campanha on-line e R$ 3 milhes em
investimentos no produto, a previso de vendas ser
de RS 118,64 milhes.

4. Os dados a seguir referem-se margem de lucro de deter


minado produto (Y), aos custos unitrios da matria-prima
(Xi) e aos custos de logstica (X2). Desenvolva o modelo de
equao da regresso linear mltipla. Faa tambm a previ
so da margem de lucro do produto caso haja um aumento
unitrio dos custos de logstica para R$ 4,00 e um aumento
unitrio da matria-prima para R$ 40,00. A empresa, entre
tanto, no poder ter uma margem inferior a R $ 250,00 por
produto. Mantendo os custos de logstica, qual deve ser
o valor mximo da matria-prima para atingir essa meta
de margem?

n Y X, X, YX, YX, x ,x , X ,2 X ,1

1 192 21 9

2 193 22 8

3 19 6 25 7

4 200 24 4

5 19 9 25 5

6 199 24 4

7 203 29 5

8 204 28 3

9 206 29 3

10 208 33 2

M d ia
a) Y = 188,2230 + 0,7608X1 - 1,2020X2. Logo, com RS 40,00
dc custo unitrio c R$ 4,00 de custo dc logstica, a
previso da margem de lucro ser de RS 220,85.
b) Y = 187,2230 + 0,7608X1 - 1,2020X2. Logo, com R$ 40,00
de custo unitrio e R$ 4,00 de custo de logstica, a
previso da margem de lucro ser de RS 221,85.
c) Y = 186,2230 + 0,7607X1 - 1,2000X2. Logo, com RS 40,00
de custo unitrio e R$ 4,00 de custo de logstica, a
previso da margem de lucro ser de RS 211,85.
d) Y = 188,2230 + 0,7607X1 - 1,2000X2. Logo, com RS 40,00
de custo unitrio e R$ 4,00 de custo de logstica, a
previso da margem de lucro ser de RS 210,85.

5. Os dados a seguir reerem-se ao volume de vendas de certa


empresa (Y), aos investimentos em fora de vendas (Xi) e
aos custos com retrabalho na produo (X2). Desenvolva o
modelo de equao da regresso linear mltipla e faa a pre
viso de vendas com um investimento em fora de vendas
de RS 18 milhes c uma previso nos custos de retrabalho
na produo dc R$ 3 milhes.

n Y x, x2
1 16 0 6 6

2 170 7 4

3 18 0 8 5

4 190 8 3

5 19 0 8 3

6 200 10 3

7 200 n 2

8 230 10 2

9 220 9 1

10 260 13 1

M d ia
a) Y = 156,2143 + 7,8581X1 - 7,9762X2. Portanto, com
RS 18 milhes em fora de vendas e R $ 3 m ilhes de
custos de retrabalho, a previso de vendas ser de
R$ 277,71 milhes.
b) Y = 153,2143 + 7,8571X1 - 7,9762X2. Portanto, com
RS 18 m ilhes em fora de vendas e RS 3 milhes de
custos de retrabalho, a previso de vendas ser de
R$ 270,71 milhes.

c) Y = 157,2143 + 7,8581X1 - 7,9762X2. Portanto, com


RS 18 milhes em fora de vendas e RS 3 milhes de
custos dc retrabalho, a previso de vendas ser de
R$ 273,71 milhes.

d) Y = 153,2143 + 7,8571X1 - 7,9762X2. Portanto, com


RS 18 m ilhes em fora de vendas e R$ 3 milhes de
custos de retrabalho, a previso de vendas ser de
R$ 280,71 milhes.

Questes para reflexo


A tabela a seguir refere-se ao nmero de colaboradores na
produo de certa empresa e quantidade de peas produ
zidas. Com um planejamento do setor de Recursos I himanos,
pretende-se ter um efetivo de 80 funcionrios na produo.
Qual a previso de quantidade de peas produzidas com esse
contingente? Vale ressaltar que a empresa precisa de um total
de 3.900 peas. Essa meta ser atingida com os 80 funcionrios?
Caso no seja, qual seria o nmero mnimo dc funcionrios
na produo?

n Xi Yi Xi Yi X ia

1 35 2 .5 0 0 8 7 .500 1.225

2 4i 2 .5 6 0 104960 i.6 8 i

3 43 2 .6 0 0 111.800 1 .8 4 9

4 42 2 .6 0 0 1 0 9 .2 0 0 1.764

(co n lir.u a )
(concluso)

n Xi Yi Xi Yi X i 12

5 46 2 .6 7 0 1 2 2 .8 2 0 2.116

6 47 2 .7 3 0 128.310 2 .2 0 9

7 44 2 .8 0 0 1 2 3 .2 0 0 1.936

8 49 2 .8 4 0 139160 2-401

9 49 2 .9 0 0 1 4 2 .1 0 0 2.401

10 54 2 .910 157.140 2.916

I 450 2 7 .n o 1 .2 2 6 .1 9 0 2 0 .4 9 8

M d ia 45 2.711

1. Que informaes so necessrias para que o problema seja


resolvido? Ou seja, quais as variveis em estudo para a
tomada de deciso? Qual delas a independente e qual
a dependente?

2. Qual a equao da reta que determinar o comportamento


da varivel dependente? Nesse caso a empresa atingir a
meta de produo com os 8o funcionrios? Caso no atinja,
qual seria o nmero mnimo de funcionrios necessrio?
Jii /'r i'tr w v 'lc V 'i xfxy.
x/o-j

dxi
Contedos do captulo

C o n ce ito s relativos p ro g ra m a o linear.

F rm u la m a te m tica d e a p lic a o d a p ro g ra m a o linear.

C o n ce ito s relativos a o s n m e ro s n d ices.

C lassifica o d o s n m e ro s ndices.

F rm u la m a te m tica d e a p lic a o d o s n m e ro s ndices.

Aps o estudo deste captulo, voc ser capaz de:


1. definir programao linear;
2. entender a funo da programao linear;
3. estabelecer os passos para aplicao da programao
linear em estatstica;
4. aplicar a frmula de clculo da programao linear em
estatstica;
5. definir os nmeros ndices;
6. entender a funo dos nmeros ndices no processo
estatstico;
7. classificar os tipos de nmeros ndices;
8. aplicar a frmula de clculo dos nmeros ndices no
trabalho estatstico.
o m uitas as atividades e os setores, incluindo a
contabilidade, que recebem grandes benefcios se, na
em presa, houver uma alocao otim izada de recursos.
Quando falamos em recursos, estamos nos referindo a fatores
como capital, equipamentos, tarefas, entre outros. Para obter o
melhor resultado possvel, eles devem ser alocados nas quan-
tidades, nos tempos e na sequncia corretos. E nesse processo
que usamos, em estatstica, a programao linear.
Como se trata de uma cincia que est em contnuo cresci
mento, ela de grande importncia para a tomada de deciso
e para a anlise dos dados levantados pela estatstica. Embora
esta no seja uma obra especfica sobre o assunto, faremos
uma breve introduo para que voc compreenda melhor os
processos estatsticos na administrao de uma empresa.

Ainda neste captulo, iremos tratar dos nmeros ndices no


contexto da estatstica - como analis-los utilizando regras
quantitativas de fcil entendimento. Assim, ao final da leitura,
voc poder compreender mudanas ocorridas nas variveis,
por meio de valores percentuais.

6.1 Programao linear


A programao linear utilizada em uma srie de problemas
nas cincias sociais aplicadas, incluindo a contabilidade. Pode
ser expressada e resolvida, gerando inm eras informaes
importantes para a tomada de deciso nas organizaes.
Utilizamos a programao linear para, por exemplo:

determinar a programao da produo de uma empresa;

questes referentes a treinamentos;


dimensionar investimentos;
m axim izar os lucros;

aferir a quantidade de m quinas e equipam entos


disponveis;

minimizar os custos.
A program ao linear empregada para a otim izao -
m axim izao ou m inim izao - de uma funo linear de
,
variveis, denominada fu n o o bjetivo a qual sujeita a vrias
equaes ou inequaes lineares, denominadas restries.
Para a formulao do problema, seguiremos alguns passos
que levam sua resoluo:
definio do objeto bsico do problema;

definio das variveis envolvidas no problema;

definio das restries, representadas por inequaes


matemticas.
r

F fundamental, para a resoluo do problema, que as expres


ses estabelecidas estejam relacionadas hiptese definida da
programao linear.
Com o objetivo de entender melhor as aplicaes da pro
gramao linear, alguns conceitos devem ser apresentados no
desenvolvimento do processo estatstico. So eles:

Soluo - Determinao dos valores para as variveis da


deciso a ser estipulada.

Soluo vivel - Resultado das variveis, contemplando


as restries estabelecidas.

Soluo tim a - Representa o resultado da varivel


mais favorvel.

Essas solues apresentadas daro ao profissional da con


tabilidade a opo de desenvolver planos mais adequados s
organizaes, proporcionando maximizao dos lucros, mais
eficincia nos resultados e otimizao dos recursos.

Exerccio resolvido
Uma empresa hipottica produz dois aparelhos eletrnicos,
X e Y.
O objetivo da em presa m axim izar o seu lucro d i
rio. Atualmente, o lucro dirio gerado pelos produtos X e
Y de, respectiva mente, R $ 150,00 e R $ 100,00 por unidade,
ao dia. Contudo, a em presa tem algum as restries no
processo produtivo:

Por exigncia do si ndicato da categoria, os colaboradores


podem exercer apenas 30 horas de trabalho dirio.

As mquinas que desenvolvem os aparelhos representam


40 horas de trabalho dirio.
So vendidas pela empresa, no mximo, 15 unidades di
rias do aparelho X.
Analisando esses dados, determine a quantidade diria de
aparelhos X e Y que a empresa precisa ter para maximizar os
lucros dirios.
Resoluo
Para a soluo desse problema, por meio da programao
linear, devemos expressar matematicamente o problema:

max 150x + 100y

Restries:
1 . 2X + y < 3 0 h o ra s (h o ra s d e tra b a lh o );

2. x + 4y < 40 horas (horas das mquinas);

3. x < 15 unidades (venda diria mxima).


Observao: a expresso L(x,y) = i5ox + ooy representa a
funo do lucro total dirio. J os valores 30, 40 e 15 repre
sentam as limitaes de mo de obra, produo e mercado,
respectivamente.

O primeiro passo para a soluo do problema desen


volver o grfico das regies geradas pelas trs restries
observadas:

Grfico 6.1 - Regies geradas pelas trs restries


observadas

y
50 -

40

30

20

10

10 20 40
O segundo passo utilizar apenas a regio vivel, a qual
aparece marcada no grfico anterior e ampliada a seguir.
Dela ser determinado o lucro mximo dirio.

Grfico 6.2 - Regio vivel

10
08 -

06 -

04

02

04 08 12

Assim, utilizando a regiovivel e suas coordenadas (10,9) e


aplicando-as na equao do lucro mximo dirio - L(x,y) = 150X
+ ooy chegamos ao valor mximo do lucro dirio:

L(x, y ) = 1 50 x + 1 00 y
L(x, y ) = 150-10 + 100-9
L(x, y ) = 1500 + 900
L(x, y ) = R$2.400,00

O valor mximo do lucro dirio ser de R$ 2.400,00.

Agora que j nos familiarizamos com o processo matem


tico de m axim izao de resultados por meio da estatstica,
utilizando o clculo da programao linear, vamos abordar
outro fator de burilamento do mecanismo estatstico em sua
funo de instrumento auxiliar nas tomadas de decises:
os nmeros ndices.
6.2 Nmeros ndices
Os nmeros ndices so mtodos quantitativos com clculos
simples, mas que ajudaro os profissionais de contabilidade
a entender algum as mudanas ocorridas em determinadas
variveis.

Em geral, eles so utilizados para analisar o aumento ou


a queda de variveis quantitativas referentes a perodos de
tempo, localizaes geogrficas ou, ainda, outras necessidades
dos profissionais de contabilidade, auxiliando nas tomadas de
deciso. Assim, em qualquer anlise, com enfoque profissional
ou no, os nmeros ndices so indispensveis.

Nmeros ndices simples - Um nmero ndice simples ava


lia a variao de um nico item ou varivel em compa
rao a um valor base, definido pelo pesquisador, o qual
poder abranger perodos, localizaes geogrficas ou,
ainda, quaisquer outras situaes nas quais haja a neces
sidade de comparao.
Essa comparao realizada de forma algbrica, pelo
quociente entre a varivel e o valor base. O resultado
determina o aumento ou a queda da varivel, como pode
mos observar pela frmula a seguir:

! vn !
i I = ^ -100 i
:
Vo :
:
: Emque: :
| I = ndice- variao; j
Vn = valor nominal;
: V0= valor base. j
Nmeros ndices relativos - O nmero ndice relativo ava
lia a variao relativa de um nico item ou varivel em
comparao mdia dos valores.

A comparao neste item ser cm relao media dos


valores observados. Assim podemos analisar se os valores
esto abaixo ou acima da mdia e, ainda, o seu percentual.
Essa comparao realizada de forma algbrica, pelo
quociente entre a varivel e o valor mdio, como podemos
observar na frmula a seguir:

: V
Irrelativo = 100
m ;
Emque:
Vm = Valor mdio.

Nmeros ndices de ligao - O nm ero ndice de liga


o determina as variaes entre perodos consecutivos.
Para seu clculo, dividimos o ndice do perodo pelo ime
diatamente anterior.

Nesse caso, a comparao quanto ao valor anterior.


Assim, possvel verificar o aumento ou a queda da vari
vel, bem como seu valor percentual. Essa comparao
realizada de forma algbrica, pelo quociente entre a
varivel e o seu valor anterior.

Vamos analisar uma comparao contextuai para que


esses conceitos se tornem mais claros.
Exerccio resolvido
A Tabela 6.i refere-se aos salrios-base de certa categoria pro
fissional (X), nos ltim os sete anos, pagos por determinada
empresa (V).

Primeira etapa - Calcular os seguintes ndices:


nmeros ndices - fazer a comparao dos valores sala
riais com o valor RS 1.750,00 (valor estipulado pelo sin
dicato da categoria);

ndices relativos;
ndices de ligao.

Tabela 6.1 - Valores pagos aos profissionais da categoria X

Anos 2007 2008 2009 2010 2011 2012 2013

S a l r io s 1.400,00 1.456,00 1.582,00 1.690,00 1.820,00 1.890,00 2.000,00

N m e ro s

n d ic e s

n d ic e s

r e la t iv o s

n d ic e s d e

lig a o

Resoluo
Para o primeiro clculo, basta dividir todos os salrios
(Vn - valores nominais) por 1.750 (V0 - valor base) e mul
tiplicar por 100.

Para o clculo dos ndices relativos, basta dividir todos os


salrios (Vn- valores nominais) pela mdia dos sete sal
rios fornecidos (V - valor mdio) e multiplicar por 100.

Para o ltimo clculo (ndices de ligao), basta dividir


todos os salrios (Vn - valores nominais) pelo valor ime
diatamente anterior.
Assim, resolvendo os trs ndices, a tabela ficar preenchida
conforme demonstrado na Tabela 6.2.
Tabela 6.2 - Valores pagos aos profissionais da categoria X,
com ndices

Anos 2007 2008 2009 2010 2011 2012 2013

S a l r io s 1.4 0 0 ,0 0 1.4 5 6 ,0 0 1.5 8 2 ,0 0 1.6 9 0 ,0 0 1 .8 2 0 ,0 0 1.8 9 0 .0 0 2 .0 0 0 ,0 0

N m e ro s
8 0 ,0 8 3 ,2 9 0 ,4 9 6 ,6 1 0 4 ,0 1 0 8 ,0 114.3
n d ic e s

n d ic e s
8 2 ,8 86,1 93,5 9 9 ,9 107,6 111,8 118,3
r e la t iv o s

n d ic e s d e
- 1 0 4 ,0 108,7 10 6 ,8 107.7 1 0 3 ,8 105.8
lig a o

Segunda etapa - Anlise


Analisando os resultados, podemos obter algumas informaes:

Quanto aos nmeros ndices, podemos afirmar, por exem


plo, que o salrio de 2013 (R$ 2.000,00) 14,3% maior que
o salrio do sindicato (RS 1.750,00).
Quanto aos ndices relativos, o salrio de 2013 18,3%
maior que a mdia dos ltimos sete anos. Em compensa
o, o menor foi o de 2007, sendo este 17,2% (100% - 82,8%)
menor do que a mdia.

Quanto aos ndices de ligao, podemos afirmar que o


salrio de 2013 5,8% maior que o salrio de 2012. O de
2012 3,8% maior que o de 2011, que 7,7% maior do que
o de 2010. Outra constatao desse nmero ndice que,
em 2009, houve o maior aumento salarial, de 8,7%.

Saiba mais
Para aprofundar seus conhecimentos sobre program ao
linear, acesse o link a seguir:
SANTOS, M. P. dos. Programao linear. Rio de Janeiro, 2000. Notas de
aula. Disponvel em: <http://vvwvv.mpsantos.com.br/plinear/arquivoii/
plinear.pdf>. Acesso em: 4 jul. 2014.
Para ampliar o seu entendimento sobre os nmeros ndices,
sugerimos acessar o seguinte link:
FARIAS, A. M. L. de; LAURENCE, L. da C. Nmeros ndices.
Universidade Federal Fluminense, Niteri, 2005. Notas de
aula. Disponvel em: <http://www.uff.br/ieeanamariafarias/
numerosindices.pdf>. Acesso em: 4 jul. 2014.

Trata-se de um material elaborado, em 2005, por Ana Maria


Lima de Farias e Luiz da Costa Laurence, relacionado ao mbito
das atividades econmicas.

Sntese
Neste captulo, nossa preocupao foi apresentar, embora de
forma introdutria, dois itens que agregam o conceito da esta
tstica, uma vez que esclarecem detalhes substanciais na an
lise das variveis: a programao linear e os nmeros ndices.
Pudemos verificar que o nmero ndice um quociente ou um
indicador que expressa a variao relativa entre os valores de
qualquer medida; j a programao linear indica matematica
mente a orientao de otimizao dos recursos.

Questes para reviso

i. Suponha uma situao em que uma pessoa tem, no mximo,


o valor de RS 15.500,00 para investir. Em contato com uma
corretora de valores, esta sugeriu a possibilidade de inves
timento em dois ttulos (A e B). O ttulo A reservado para
investidores arrojados, pois apresenta alto risco, porem pode
dar um lucro de 18% ao ano. J o ttulo B tem o foco em inves
tidores tradicionais, apresentando baixo risco, mas pode dar
um lucro de, no mximo, 9% ao ano. Aps algumas anlises,
a pessoa decide investir no mximo R$ 7.500,00 no ttulo A
e no mnimo R$ 2.000,00 no ttulo B. Elabore o modelo para
determinar a maximizao do rendimento anual.
2. Uma gran d e em presa de investim entos d isp e de
*
R $ 140.000,00 para investir cm aes. E um a diretriz da
empresa que se deve investir no mximo 55% do valor em
aes de empresas pblicas e no mximo 70% do total em
aes de empresas privadas. Aps uma pesquisa de mercado,
a empresa verificou que deveria aplicar no mximo 45% do
valor disponvel na diferena entre a quantidade aplicada
em aes de empresas pblicas e a quantidade de aes de
empresas privadas, alm de aplicar 10% do mximo do valor
na soma da stima parte aplicada em aes de empresas
pblicas com a quarta parte aplicada em aes de empresas
privadas. Sabe-se que as aes de empresas pblicas pro
duzem uma rentabilidade de 6% ao ms e as de empresas
privadas, 4% ao ms. Elabore o modelo para determinar a
maximizao do rendimento nas aes.

3. Certa indstria realiza o processo fabril de dois produtos,


A e B, os quais utilizam os mesmos recursos produtivos -
matria-prima, processo e acabamentos. Cada unidade do
produto A exige quatro horas para o processo, duas horas
para o acabamento e 120 g de matria-prima. J para a pro
duo de uma unidade do produto B, so necessrias duas
horas para o processo, trs horas de acabamento e 190 g de
matria-prima. O preo de venda do produto A R$ 1.800,00
e do produto B, RS 2.200,00. Ciente de que toda a produo
tem venda garantida c a disponibilidade da indstria de
20 horas de processo, 10 horas dc acabamento e 500 g de
matria-prima por perodo de produo, elabore o modelo
linear para esse problema.

4. A tabela a seguir refere-se aos percentuais de ocupao


de uma rede de hotis nos primeiros sete meses de 2014.
Calcule os seguintes ndices:
nmeros ndices - comparar os valores de ocupao com
o valor de 90% (valor estipulado pela direo da rede de
hotis como meta estratgica);

ndices relativos;
ndices de ligao.

M e se s Jan . F e v. M ar. A b r. M a io Ju n . J u l.

O cupao 89% 93% 56% 45% 63% 67% 75 %

N m ero s
n d ic e s

n d ic e s
r e la t iv o s

n d ic e s de
lig a o

5. A tabela a seguir refere-se ao faturamento de certa empresa.


Calcule os seguintes ndices:

nmeros ndices - comparar os valores de faturamento


com o valor de R$ 11.000,00 (valor estipulado pela direo
da empresa como meta de faturamento);

ndices relativos;

ndices de ligao.

Anos 2006 2OO7 2008 2O O9 2010 2011 2012 2013

Vendas 9 .0 0 0 9 .6 0 0 10300 11.100 11.900 1 2 .8 0 0 1 3 .7 0 0 1 5 .0 0 0

N m ero s
n d ic e s

n d ic e s
r e la t iv o s

n d ic e s d e
lig a o
6. A tabela a seguir refere-se aos valores pagos de comisso aos
vendedores de certa empresa. Calcule os seguintes ndices:
nmeros ndices - comparar os valores de comisso com
o valor de R$ 15.000,00 (valor estipulado pela empresa
como mximo a ser pago aos vendedores);

ndices relativos;
ndices de ligao.

Anos 20 0 6 2007 2008 2009 2 0 10 2 0 11 2 0 12 2 0 13

C o m is s e s 8 .5 0 0 9 .4 0 0 1 0 .9 0 0 11.900 1 4 .0 0 0 1 5 .2 0 0 1 6 .2 0 0 1 7 .9 0 0

N m ero s
n d ic e s

n d ic e s
r e la t iv o s

n d ic e s d e
lig a o

7. A tabela a segu ir refere-se aos investim entos de certa


empresa na capacitao de seus funcionrios. Calcule os
seguintes ndices:

nmeros ndices - comparar os valores de investimento


com o valor de R$ 45.000,00 (valor estipulado pela empresa
como mximo a ser investido);
ndices relativos;

ndices de ligao.

Anos 2006 2007 2008 2009 2 0 10 2 0 11 2 0 12 2 0 13

In v e s t im e n t o s 6 0 .0 0 0 5 5 -0 0 0 4 8 .0 0 0 4 4 .0 0 0 4 3 .0 0 0 5 0 .0 0 0 4 7 .0 0 0 4 0 .0 0 0

N m e r o s n d ic e s

n d ic e s r e la t iv o s

n d ic e s d e
lig a o
Questes para reflexo
Em um estudo sobre os custos com tributos de certa organiza
o, todos os dados cie pagamento, referentes aos ltimos sete
anos, foram planilhados conforme mostra a tabela a seguir:

Anos 2007 2008 2009 2 0 10 2 0 11 2 0 12 2 0 13

P ag am e n to s 4 .5 0 0 , 0 0 4 .8 0 0 ,0 0 5 .1 0 0 ,0 0 5 .2 0 0 ,0 0 5 . 4 0 0 ,0 0 5 7 0 0 ,0 0 6 . 5 0 0 ,0 0

1. Como essas informaes podem ajudara analisar os aumen


tos dos pagamentos dos tributos?

2. Que ferram entas estatsticas podem ajudar na tomada


de deciso?
organizao desta obra foi pensada de modo a esta
belecer conceitos e possibilitar a construo de conhecimentos
e a utilizao de mtodos quantitativos, principalmente a esta
tstica, a contadores e demais profissionais das cincias sociais
aplicadas, tanto no que sc refere ao cotidiano de suas atividades
profissionais quanto gesto das organizaes. A diversidade
de atividades propostas visa, igualmente, estabelecer relaes
entre o contedo terico e sua aplicabilidade no exerccio da
profisso ou na vida cotidiana.

Nesta obra, voc aprendeu sobre vrios assuntos dos mto


dos quantitativos, com foco maior na estatstica. Todos esses
conhecimentos podero ser aplicados na prtica contbil, prin
cipalmente na tomada de deciso gerencial. Vrios assuntos,
antes considerados difceis nas faculdades de contabilidade,
&
foram expostos de forma adequada, com a facilidade do desen
volvimento passo a passo, a fim de assegurar que voc finalize
esses estudos com compreenso total tanto da teoria quanto
da prtica.
Como pode perceber, a apresentao dos contedos, a cons
truo de conceitos e o desenvolvimento das finalidades alme
jadas so uma constante nesta obra e servem como provocao
para despertar seu interesse pelo conhecimento estatstico e
por suas aplicaes.
D evido com petitividade presente em nossos dias, no
decorrer deste trabalho procuramos abordar uma concepo
norteadora para a compreenso e o domnio tcnico da rea
e a incorporao de valores necessrios tomada de decises,
de tal forma que todos os conceitos aplicados aqui podem ser
utilizados no dia a dia dos profissionais de contabilidade.
A N D E R S O N , D. R .; S W E E N F Y , D. J.; W I L L I A M S , T. A. Estatstica
a p lica d a a d m in istra o e eco n o m ia. So Paulo: C e n g a g e Learn in g,
20 13.

B A B B IE , E. T h e P r a c t i c e o f S o c ia l R e s e a r c h . Beim ont, C A : W ad sw o rth

P u b lish in g C om pan y, 2001.

B A L I EI RO, J. C . de C . In tro d u o estatstica. Slides. D isp o n vel em:


<ht t p://w vv vv.u sp.br/gm ab/discip/zab3711/au la1_im pressao.pd f>.
A cesso em : 2 7 m aio 2014.

B IB L IO T E C A G E R A L D A U N IV E R S ID A D E D E V O R A . Tutorial
d e literacia da in form ao. 2003. D isp o n vel em : <http://w w w .bib.
u evo ra.p t/i-i->. A cesso em : 2 7 m aio 20 14.

C O N C E IT O S bsicos em estatstica. Slides. D isp o n vel


em : < http://sistem as.eeferp.usp.br/m yron/arquivos/2540410/
dbbq8fd76 0 y d 420 86 9 79 2a4be2 52ad.p d f>. A ce sso em : 29 maio
20 14 .

D A T A F O L H A . D isp o n vel em : <http://datafolha.iolha.uol.com .br>.


A ce sso em : 2 2 jun. 20 14.
D A V IL A , V. H. L. Estatstica descritiva (aula 1 - 5 ) . Slides. D isp o n vel
em : < http://vvw vv.im e.unicam p.br/-hlachos/estdescrt.pdf>. A cesso
em : 2 7 m aio 20 14.

F A R IA S , A . M. L . de.; L A U R E N C E L , L. d a C . N m eros n d ices.


N iteri, 2005. N o tas de aula. D isponvel em : <http://w w w .uff.br/
ieean am ariafarias/n u m ero sin dices.p df>. A ce sso em : 2 7 m aio 20 14 .

F E R R E IR A , T. A . E. M in erao e p re viso de sries tem po rais. Recife,


20 0 1. Slides. D isp o n vel em : <h ttp ://w w w .cin .u fp e.br/-com pin t/
au la s-IA S /k d d -o i2/T im e S e rie s.p p t>. A ce sso em : 29 m aio 2014.

G A S S E N F E R T H , W .; M A C H A D O , M . A . C o m p aran d o a
abrangncia do Balanced Scorecard com os m odelos d o T Q C e
PNQ. Engevista, v. 9, n. 1, p. 34-35, jun. 2007. D isp o n vel em: <hltp://
w w w .u ff.b r/e n g e vista /9 _ 1E n g e v ista 4 .p d f>. A c e ss o em: 4 dez. 2013.

G U I M A R E S , I. A . Estatstica. C u ritiba, 2 0 12 . N o tas de aula.


D isp o n vel em : <h ttp ^/p agin ap essoal.u tfpr.edu.br/buzzi/
d iscip lin as/co p y_o f_p ro b ab ilid ad e-e-estatistica/A p o stila% 2o d e% 2o
Estatistica.pdf/alt dow n load/fi!e>. A ce sso em : 29 m aio 20 14.

G U I M A R E S , N . A . M todos e t cn icas d e p e sq u isa I: aula 4 -

o d esafio da m ensu rao (2) - tipos v a ri v e is e n veis (ou escalas)


de m ensurao. So Paulo, 2007. Slides. D isp o n vel em: < http://
w w w .fflch .u sp .b r/so cio lo gia/n ad ya/au la4_20 0 7.jxlf>. A ce sso cm:

2 7 m aio 2 0 14 .

I IA G U E , P.; JA C K S O N , P. Faa a sua prpria pesquisa de mercado.


So Paulo: N obel, 2001.

IB G E - Instituto Brasileiro de G e o g ra fia e Estatstica. D isponvel


em : <http://vvw w.ibge.gov.br>. A ce sso em : 2 2 jun. 20 14.

IB O P E - Instituto Brasileiro de O p in io Pblica e Estatstica.


D isponvel em : < http://w w w .ibope.com .br>. A ce sso c*m: 2 2 jun.
20 14 .

1 U D C 1BU S, 5 . de. Existir a contabilom etria?. Revista Brasileira de


Contabilidade, Rio de Janeiro, v. 4 1, p. 40-60, 1982.
K A Z M IE R , E . J. Estatstica a p lic a d a e co n o m ia e ad m in istrao .
So Paulo: M ak ron Books, 2004.
L E IT E , I. C C . Teoria da am o strag em : estim ao. Salvador, 2007.
N o tas de aula. D isponvel em : < http://w w w .ifba.edu.br/dca/

C o rp o _D o ce n te /M A T /IC C L /T eo ria% 2o d a% 2o A m o strag em % 20 -% 20


Di strib u i% C 3% A 7 % C 3 % A 3 0 % 2 A m ostra 1.pd f>. A ce sso e m :
4 dez. 20 13.

M A C R I N I , A . D istrib u i o am ostrai e e stim ativ a. A p o stila digitada.


I s p o n v e I em : <http://W vvw.m agTini .eng.br/Di sc_Esta t/Ap< >i0/
A p o stila s/E S T A T _8 _D istrib _A m o stral_E stim ativas.d o c> . A cesso
em : 4 dez. 20 13.

M A L H U T R A , N . K. P e sq u isa d e m arketing: u m a orientao aplicada.


Porto A legre: B ook m an , 2001.

M A R T IN S , G . de A . Estatstica geral e a p lica d a . 3. ed. So Paulo:

A tla s, 2010.

N O V A E S , R. D istrib u i o d e freq un cia: estatstica. So Paulo, 2008.


Slides. D isp o n vel em: <hllp://slideplayer.com .br/slide/49312>.
A c e sso em : 29 m aio 20 14.

P E T E R N E L L 1, L. A . Estatstica d e scritiva. So Paulo, 2 0 12. p. 14.


N o ta s de aula. D isp o n vel em : <h ttp://w w w .each.usp.br/rvicen te/

P atern elli_C ap 2.p d f>. A ce sso em : 2 7 m aio 20 14 .

_____ . Estatstica: intervalos d c confian a. Viosa, 2004. N otas de


aula. D isp o n vel em : <http://w w w .dpi.ufv.br/~peternelli/inf162.
w w w .i6 o 3 2 o o 4 /m a te ria is /C A P IT U L 0 7 .p d f>. A ce sso em: 29 maio
20 14.

S A N T O S , G. C . P e sq u isa b ib lio g rfica m e d ia tiza d a p e las novas


t e c n o l o g i a s . C am p in as, 2005. Slides. D isp o n vel em : < w w w .b ib li.fae.
u nicam p.br/do\vnload/P esquisa.ppt>. A ce sso em : 9 set. 2034.

S A N T O S , M. P. dos. P ro g ram ao linear. Rio de Janeiro, 2000.


N o tas de aula. D isp o n vel em : <http://www.m prsantos.com .br/
plinear/arquivos/plinear.pdf>. A c e sso em : 2 7 m aio 20 14.

S H A R P E , N . R. de V.; D E V E U X , K. D.; V E L L E M A N P. R Estatstica


a p licad a: adm inistrao, econ om ia e negcios. Porto A legre:
Bookm an, 2 0 11.
SILV A , M . C ; C H A C O N , M . J. M .; S A N T O S , J. O que
contabilom etria? R evista Pensar C o n t b il - C R C -RJ, Rio de Janeiro,
ano 7, n. 27, p. 40-43, fev./abr. 2003. D isp o n vel em : < http://\vwvv.
esuda.com .br/coord/cont/artigos/contabilom ctria.pd f>. A ce sso em :
29 m aio 20 14 .

S IQ U E IR A , J. de O. Fu n d a m e n to s d e m to d o s q u an titativo s.
So Paulo: Saraiva, 2 0 11.

S P IE G E L , M . R. Estatstica. 3. ed. Sco Paulo: M ak ron Books, 1993.

S T E V E N S O N , W. J. Estatstica a p lica d a a d m in istra o . So Paulo:


H arbra, 1981.

V O JT A , R. Estatstica. Slides. D isp o n vel em : <http://fit2.fit.br/


sitedoproessor/p rofessor/lin k/20o 8o 2i3i8o656E statistica% 2o i.p d >.
A ce sso em: 29 m aio 20 14 .
A n e x o i - T a b e la d a d is t r ib u i o n o r m a l

( co n tin u a )
O rA p" <* CN rA o O IA
r rx 2
m

0 ,2 2 2 4
VA IA <r
rx
R ^r rA CO r>4 rA rx
fA A LA OO LA 00 rA V 00 O fA
Oto O fN

fNto to rA rAto rAto N-to 5-to to
O' o O o o O O O O O O O O O O

CN 2 CA o O rx ro O VA O' o rx fN NO
rA rv O 00 Jf 2 c- CN
00
o O'
S
O
rA
*r OO LA VA o O'
Oto O F. fN fN

fNto to rA rAto rAto m 5 *to to
00 O O O o o O O O o d O O O O O

Q.
II
o
rx
IA
cv rA CO rx VO
00
CO o rx O O fx fN
<T IA O' rx As CO J O'
(N o *r
o
00 rx rA IN
Oto O s fN fNto rA S 5 *to to
r
N r* r a R
VI rx O O O O O o O O o o' O O d O o
rsj
VI o o vO vO fN rA ** LA fN T O'
rA rx
3 rA
IN O IN O rv IN IA
M-
vO
rx
IA s vO JA
IN
O *r rx
L Oto O f S CN fNto s & $ f t R 5 *to **to
01 * O O O o O O O O O d d" d O O O
3
a*
VI
mm o O rx
CO 00 O
00 CN
<N
rA o IA
VA
C 2 o
IA o vO rA OO
o %
rx
fN
O
CO
fN
rA
LA 1
*r
O'
e* NO
fN
rA fx
o o o r-^ *1 CN fNto fNto rA rA rA rA fA 5 *to to
a VA o o d O O d O O d d O d d O O
01
O
V
01 o rv CO
O o v IA *r 00 IA O'
k- vO IA ^r
o rA O IA CO O' V o O' fN O'
o
VA
_o * IA rA rv O rA O' rs VA <N O' IN
O o o CN <N fN IN rA rA rx fA 3-
co o d o O d d o" O d o* d d O o 3
>
,S M- o o rA O' rx m vA oo rx fN O
& 00 O OO rA
-P ^ gj IA o* Ov
N
vO
O o sO
$
R O' O fN
1 2 o o o n fN fN R rA S rA fA r
a io ca d d o* d o d d d d o d d d o 3
m
*5 o
_ a 00
00
rx LA 00 IA r IN O'
fr IN
*S
o
oo
oo
CO
NO
*
IN
IN
O T3 o 00 LA
A4
n
o
OO CN
V R * 00 O IN
o
e o o O B IN R rc * rn fA T
0 cn d d o d o d d d d o" d* d d o" 3
S- 5
o CO IN o o NO oo LA O' rx
rA rA rx IA O' rA O VO O
1 ? 00
o CO A4
O'
LA O' CN V c> OO O IN
o O O r- CN IN fN r S % fA TT
s 1 d d o" o d d d d d d d* d d o" 3
5 X
o CO rA rx o rA O' IN IN
o O' O IA
VA 00 5 O' rA
f *r O'
o fr rx ?
LA
LA 5 CN IA 00
VA
T f oo O
oto O O r- CNto IN IN fA rA IA
O o d d o d d O d d d d d d o' O

oto * fN rA IA V CO Ov O to "to fN
_to fA *rto
o d o" O d d d O d o"

P a r t e in t e ir a e p r im e ir a d e c im a l d e z t
(Anexo 1 - continuao )

D is t r ib u i o n o r m a l p a d r o : V a lo r e s d e p t a is q u e P(o Z z j = p

S e g u n d a c a s a d e c im a l d e z .

0 1 2 3 4 5 6 7 8 9

1,5 0 ,4332 0 ,4 3 4 5 0,4357 0 ,4 3 7 0 0 ,4382 0 ,4 3 9 4 0 ,4 4 0 6 0 ,4 4 1 8 0 ,4 4 2 9 0 ,4441

1.6 0 ,4 4 5 2 0 ,4 4 6 3 0 .4 4 7 4 0 .4 4 8 4 0 ,4 4 9 5 0 ,4 5 0 5 0,4515 0.4525 0,4535 0 .4 5 4 5


D
Ql 1.7 0 ,4554 0 ,4 5 6 4 0.4573 0 .4 5 8 2 0.4591 0 .4 5 9 9 0 ,4 6 0 8 0 .4 6 1 6 0 .4 6 2 5 0 ,4 6 3 3

MU* 0 ,4 6 5 6 0 ,4 6 6 4 0 ,4 6 7 8 0 ,4 6 8 6 0 ,4 7 0 6
3 1.8 0 ,4 6 4 1 0 ,4 6 4 9 0 ,4 6 7 1 0 .4 6 9 3 0 ,4 6 9 9

2. 1.9 0,4713 0 ,4719 0 ,4 7 2 6 0.4732 0 ,4 7 3 8 0 ,4 7 4 4 0 ,4750 0 ,4756 0,4761 0 ,4767


Ol
ro
o 2 ,0 0 ,4772 0 .4 7 7 8 0 .4 7 8 3 0 .4 7 8 8 0 ,4 7 9 3 0 ,4 7 9 8 0 .4 8 0 3 0 .4 8 0 8 0 .4812 0 .4817

3 2.1 0 ,4 8 2 1 0 ,4 8 2 6 0 ,4 8 3 0 0 .4 8 3 4 0 ,4 8 3 8 0 ,4 8 4 2 0 ,4 8 4 6 0 .4 8 5 0 0 ,4 8 5 4 0 ,4 8 5 7

CJ 2,2 0 ,4 8 6 1 0 ,4 8 6 4 0 ,4 8 6 8 0 .4 8 7 1 0 ,4 8 7 8 0 ,4 8 8 1 0 ,4 8 8 4 0 ,4 8 8 7 0 ,4 8 9 0
CL 0 ,4 8 7 5
n
2,3 0 ,4 8 9 3 0 ,4 8 9 6 0 .4 8 9 8 0 .4901 0 ,4 9 0 4 0 ,4 9 0 6 0 ,4 9 0 9 0.4911 0.4913 0 .4 9 1 6
3
L
o. 2,4 0 ,4 9 1 8 0 ,4 9 2 0 0 ,4 9 2 2 0 .4 9 2 5 0 ,4 9 2 7 0 .4 9 2 9 0.4931 0 .4 9 3 2 0 .4 9 3 4 0 .4 9 3 6

N 2,5 0 ,4 9 3 8 0 ,4 9 4 0 0,4941 0 ,4 9 4 3 0 ,4 9 4 5 0 .4 9 4 6 0 .4 9 4 8 0 .4 9 4 9 0.4951 0 ,4 9 5 2

2 ,6 0 ,4 9 5 3 0 ,4 9 5 5 0 ,4 9 5 6 0 .4 9 5 7 0 .4 9 5 9 0 ,4 9 6 0 0,4961 0 ,4 9 6 2 0 .4 9 6 3 0 ,4 9 6 4

2,7 0 ,4 9 6 5 0 ,4 9 6 6 0 .4 9 6 7 0 .4 9 6 8 0 ,4 9 6 9 0 ,4 9 7 0 0,4971 0 .4 9 7 2 0 .4 9 7 3 0 ,4 9 7 4

2 ,8 0 ,4 9 7 4 0 ,4 9 7 5 0 ,4 9 7 6 0 ,4 9 7 7 0 ,4 9 7 7 0 ,4 9 7 8 0 ,4 9 7 9 0 .4 9 7 9 0 ,4 9 8 0 o ,4 9 8 i
(Anexo i - concluso)

D i s t r i b u i o n o r m a l p a d r o : V a l o r e s d e p t a i s q u e P ( o s Z s z s) = p

S e g u n d a c a s a d e c im a l d e im
0 1 2 3 4 5 6 7 8 9

2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0.4986 0.4986
TI
0
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0.4989 0.4989 0,4990 0.4990
ft)
D 3,1 0,4990 0,4991 0,4991 o,499i 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
*+
k
y
-1
i 3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0.4995 0.4995
A
fP
O
T 0,4996 0,4996 0,4996 0,4996 0.4996 0.4996
3.3 0,4995 0,4995 0,4995 0.4997
3
. 3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0.4997 0.4997 0.4997 0.4998
01
L 3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0.4998 0.4998 0,4998
n
3 3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0.4999 0,4999 0,4999
fll
o. 3,7 0.4999 0.4999 0,4999 0,4999 0,4999 0,4999 0.4999 0,4999 0.4999 0.4999
*
M
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0.4999 0.4999 0,4999

3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000
Anexo 2 - Tabela da distribuio t de Student

(continua)
c*
0
0 r On CO On rA 00

6 .8 6 8 5
Ov rs 00 Ci
f t O CO o c O VC VC fv O fN IA
0 CN n rv
NA ON IA 0 00 00 rn r~ <r vo
s x *0 ? r> IA rA I Os On
II q S s Q
N
C NO rA 00 l LA IA if r
*

in
O
0 CO IA rA 0 0 \ oc 0 CO
Oi o* rv Ci
fN ri m rC LA O m * IN R fN 0 IA
0 <N fN
ro N 0 00 O IA 00 rA CO
90 N.
00 rx lA s Os CO rv 0
II r r* IN x s q rv q
O
O n n rC l l Nf NT r r r r r r

tr
O 0 00 IA 00 00 00 IN
s m oc IA
IA IA 0 N R Cl On ON LA 3 fN vO NO 0 00
O T- rA s IA
O O 0 IA vo C rv ^r IN On
II 0 x\ 00 x q rs rA r ss r *s Os Os Os Ci 00
r X X *-s s s
O O Ov IA ro rA rA rA m rA fA fA fN fN IN IN

rt
O CA N On CN O IA O m LA IA IA O n
% N CO
rt O lN rv VO O fN rA
O O CP 5
00 ^r so O 0 ri VO 00 IA fN O 00 *
II C\ IA s X rA m 00 00 r xS SO NOs NOs IA IA
x x * 5
O ? NO rA rA rA r fN N IN N N IN fN fN r i r i

fA
O CO O 0 rx . rv
LA O 00 00 IA CO O O IA
01 5 N CO rA rA rx . O O IA rv C
O 0 r *r
rt Os O rt rA r>s N fA Ci 5 vC
II s q CO <N 00 rs NO IA IAs 5 s* rA rA IA
x s s
C IN IA r rA r r r n r i n fN r i r i fN fN r i r i

r
0 rv On IA 0 rv IA
x *r iA N CO ^r rr> q OO OO
00 r* 00 01 00 5 N rA 00 rn
0 Cv vO ri SO CN
0 0s CO On IA r- *r ON IA CN O CO >0 *r IN
h
00 CN As q LA *t rA m ms ms fN fN 3 IN
IA x x x % s s s s s s s
0 r- m N N r N rs N CN fN fN IN fN fN fN IN

IA
O rv IA vO O VO O IN 00
NO 0 O 00 CO Ci
n n T NO rt CO O IA Os
O O 00 TT Cl
rv O 00 g NO N c rv q r T- q
II s rA IAx rA % <N rs^ cs
IN s - s
O r r r N IN r r i r i r r i fN ri fN r i r i IN

O
rv O O lN vO IA IA On m O v>
oc rA Cv
O rA O rA IA m ^r Ci 7 IN ia N r IA CN
n IA r 0 IA rA r- ON 00 fA
r g
II ? C\ ro q 00 00 0 0s CO rx rv ? rv
9: s s
O NO ri r r r

O
rt rv O CO 00 O
x rs rt ON 0 IN N IN O 00 e-
O IA rA IA o vO rA fN VO O LA O VO
v ? fA
00 !a rA rv ro Ci 00 rx 0 IA IA NT ^r rA IA
II O CO VO iA S "X rA r As r As rAw rA fA rAw rAs. r As fA
s X x 5 s s
O rA r r* t C r

O
m O n CO r rv N IA O
x 00 IN N IA
vo ON A r- s fA C O rA ON
O ON IA 9 - O 5
NO 00 3 fA ON Ci 00 fx rs rv rv VO
oc IA r - 0
II ON rA
x
CN *x q 0s q q q q q
O r- r- r r- B r-

O
<r rv IA IA rs Ci Nf LA sO IN rx m
x *r O IA 00 rA NO
0 CO CN ON IA N O & fA
0 0 rv *T O O 00 00 rs r^s rv rv VO O 0 vO
rv 0
li rAs Ov On 00 00 00 00 oc 00 CO 00 00 OO
O 5 <
0 O O O 0 0 d d 0 d d 0 3 d

0
IA O IA ON As ^r N 00 IA co (N fN
x vo r On s IA fA fN CN
O O NT O 0 rs *- nO IN
0 Ci ON Ci Ci 00
O vO N O O
5 N rv r N. rv . r S NO vO 3 NO sO VO
li OX * Si s s
o f" 0 d d O d O d d 0 d d 0 d d

0 f ri fA <T IA vO N
I * r* n fA VA NO rs 00 CN f r* r* r- r*
(Anexo 2 - continuao)

gi a = 0 ,5 0 a = o ,4 0 a = 0 ,3 0 a = 0 ,2 0 a = o ,io a = 0 ,0 5 a = 0 ,0 4 a = o ,0 3 a = 0 ,0 2 a = 0 ,0 1 a = 0 ,0 0 2 a = 0 ,0 0 1

18 0,6884 0,8620 1,0672 1,3304 i,734 i 2,1009 2,2137 2,3562 2.5524 2,8784 3,6105 3,9217

19 0,6876 0,8610 1,0655 1,3277 1,7291 2,0930 2,2047 2,3457 2,5395 2,8609 3,5793 3,8833

20 0,6870 0,8600 1,0 64 0 1,3253 1,7247 2,0860 2,1967 2,3362 2,5280 2,8453 3,5518 3,8496

21 0,6864 0,8591 1,0627 1,3232 1.7207 2,0796 2,1894 2,3278 2.5176 2,8314 3,5271 3,8193

22 0,6858 0,8583 1,0614 1,3212 1.7171 2.0739 2,1829 2,3202 2,5083 2,8188 3,5050 3,7922

23 0,6853 0,8575 1,0603 1,3195 1,7139 2,0687 2,1770 2,3132 2,4999 2,8073 3,4850 3,7676

24 0,6848 0,8569 1,0593 1,3178 1,7109 2,0639 2,1715 2,3069 2.4922 2,7970 3,4668 3,7454

25 0,6844 0,8562 1,0584 1,3163 1,7081 2,0595 2,1666 2,3011 2.4851 2,7874 3,4502 3,7251

26 0,6840 0,8557 1,0575 1,3150 1,7056 2,0555 2,1620 2,2958 2,4786 2,7787 3,4350 3,7067

27 0,6837 0,8551 1,0567 1,3137 1,7033 2,0518 2,1578 2,2909 2.4727 2,7707 3,4210 3,6895

28 0,6834 0,8546 1,0560 1,3125 1.7011 2,0484 2,1539 2,2864 2.4671 2,7633 3,4082 3,6739

29 0,6830 0,8542 1,0553 i,3 n 4 1.6991 2,0452 2,1503 2,2822 2,4620 2,7564 3,3963 3,6595

30 0,6828 0,8538 1,0547 1,3104 1,6973 2,0423 2,1470 2,2783 2.4573 2,7500 3,3852 3,646o

35 0,6816 0,8520 1,0520 1,3062 1,6896 2,0301 2,1332 2,2622 2.4377 2,7238 3,3400 3,5911

40 0,6807 0,8507 1,0500 1,3031 1,6839 2,0211 2,1229 2,2503 2,4233 2,7045 3,3069 3,5510

45 0,6800 0,8497 1,0485 1,3007 1,6794 2,0141 2,1150 2,2411 2,4121 2,6896 3,2815 3,5203

o
( A nexo 2 conclu so)

gl a = 0 ,5 0 0 = 0 ,4 0 a = 0 ,3 0 a = 0 ,2 0 0 = 0 ,10 a = 0 ,0 5 a = 0 ,0 4 0 = 0 ,0 3 a = 0 ,0 2 a = o ,o i a = 0 ,0 0 2 a = 0 ,0 0 1

so 0 ,6 7 9 4 0 ,8 4 8 9 1 ,0 4 7 3 1 ,2 9 8 7 1,6759 2 ,0 0 8 6 2 ,1 0 8 7 2 ,2 3 3 8 2 .4 0 3 3 2 ,6 7 7 8 3,2614 3 ,4 9 6 0

60 0 ,6 7 8 6 0 .8 4 7 7 1,0455 1,2958 1 ,6 7 0 6 2.OOO3 2 ,0 9 9 4 2,2229 2 ,3 9 0 1 2 ,6 6 0 3 3.2317 3 ,4 6 0 2

70 0 .6 7 8 0 0 .8 4 6 8 1 ,0 4 4 2 1 ,2 9 3 8 1 ,6 6 6 9 1 ,9 9 4 4 2 ,0 9 2 7 2,2152 2 .3 8 0 8 2 ,6 4 7 9 3.2108 3,4350

80 0 ,6 7 7 6 0 .8 4 6 1 1,0432 1,2922 1,6641 i, 9 9 0 i 2 ,0 8 7 8 2 .2 0 9 5 2,3739 2 ,6 3 8 7 3.1952 3,4164

90 0 ,6772 0 .8 4 5 6 1 ,0 4 2 4 1,2910 1 ,6 6 2 0 1,9867 2 ,0 8 3 9 2 ,2 0 5 0 2 ,3 6 8 5 2,6316 3.1832 3,4019

10 0 0 ,6 7 7 0 0 .8 4 5 2 1,0418 1.2901 1 ,6 6 0 2 1 ,9 8 4 0 2 ,0 8 0 9 2.2015 2 .3 6 4 2 2 ,6 2 5 9 3.1738 3,3905

12 0 0 ,6 7 6 5 0 .8 4 4 6 1 ,0 4 0 9 1 ,2 8 8 6 1 ,6 5 7 6 1,9799 2 ,0 7 6 3 2 ,1 9 6 2 2.3578 2,6174 3,1595 3,3734

00 0 ,6745 0 ,8 4 1 6 1,0364 1,2816 1 ,6449 1 ,9 6 0 0 2 ,0537 2,1701 2 ,3 2 6 4 2,5758 3 ,0 9 0 2 3 ,2 9 0 5


Captulo i
Questes para reviso

. I - b; II - a.
2.

Id a d e s fi Xi fri fri ( % ) F il FiT


l8 | 26 4 22 0,133 13.3 4 30

2 6 1---------34 9 30 0,300 30.0 13 26

3 4 1-------- 4 2 5 38 0,167 16,7 18 17

4 2 1---------50 5 46 0,167 16,7 23 12

5 0 |-------- 58 4 54 0,133 13.3 27 7

5 8 |-------- 16 6 3 62 0,100 10,0 30 3

30

a. Segunda classe, 30 anos.


b. Sexta classe, 62 anos.
c. 23,3%.
d. 22 anos.
Q u estes para reflexo

Possveis respostas:

1. Sim. Nesse caso, com uma simples anlise da distri


buio de frequncia possvel determinar a maior
concentrao de idades. Supondo que essa amostra seja
representativa populao, o escritrio contbil ter
plenas condies de apresentar as melhores propostas.
2. No. Com a distribuio de frequncia, o escritrio
contbil ter apenas uma viso inicial do processo esta
tstico (observao: com o estudo dos captulos seguintes,
as informaes complementares ajudaro nesse processo
de entendimento do fenmeno analisado).

Captulo 2

Q u estes p ara reviso

.
i. Moda = 127 Kw.

11. Moda = 429 veculos,


ui. Moda = RS 370,00.
2.
1. Mdia aritmtica = 115,87 Kw.
ii. Mdia aritmtica = 532 veculos,

m. Mdia aritmtica = R$ 361,00.

3. 1 - b ; 11 - d; u i-b .
4. a
5. d
6 .
Produo fi Xi XI fi Fii
1.0 0 0 (------1.2 0 0 50 1.10 0 55.000 50
1 .2 0 0 1------1.4 0 0 55 13 0 0 71.500 105
1.4 0 0 I------ 1.6 0 0 45 1.500 67.500 15 0

1.6 0 0 1 ------ 1.8 0 0 40 I.7 OO 6 8 .000 19 0

1.8 0 0 1------ 2.000 30 I.9 OO 57-000 220

2 .0 0 0 1------ 2.200 20 2.10 0 42.000 240


2.2 0 0 1 | 2.4 0 0 10 2 .3 OO 2 3 .OOO 25 O

25 O 3 8 4 .OOO

M dia:

x= lx,.f.
N
29876000
X
250
X 1536 peas

M ediana:

cEmd^ =
N
2
250
Emd =

Emd = 125 elemento


... Emd - Fant J,
Md = li + ------ 7 :----------- h
fmd

Md = 1400 + - 200
45
4000
Md = 1400 +
45
Md = 1400 + 88,89
Md = 1488,89
Md = 1489 peas
Moda:
d
Mo = li + ' h
d, + d2
(55 - 50)
Mo = 1200 + -------------------------------- 200
(55 - 50) + (55 -45)
5
Mo = 1200 + -200
15
1000
Mo = 1200 + ------
15
Mo = 1200+ 66,67
Mo = 1267,67
Mo = 1267 peas

Q u estes para reflexo

i. Possveis respostas:
a) Sim. Poder determinar possveis falhas, pois, com todos
os clculos realizados da estatstica descritiva, voc ana
lisar a concentrao de valores e tambm a disperso.

b) Sim. Devem ser aplicados necessariamente todos os cl


culos da estatstica descritiva, conforme a explicao
a seguir.

Os resultados da estatstica descritiva:

M d ia 4 9 8 ,8 5 g

M e d ia n a 499,o o g

M oda 4 9 9 ,4 5 9

1 q u a r t i l 4 9 5 .6 7 9

3 o q u a r t il 502,11 g

i o p e r c e n t il 4 9 2 ,7 0 g

9 0 o p e r c e n t il 5 0 4 ,5 6 g

D e s v io - p a d r o 4 ,2 8 g

CV 0 ,8 6 %

A s s im e t r ia - 0 ,102

C u rto se 0 ,2 7 2
Podemos obter as seguintes concluses:

A mdia representativa, pois o CV teve um valor menor


que 30%.

1 l baixa disperso de valores, ou seja, alta conecntraco


prxima mdia. Portanto, o percentual de disperso
muito pequeno, pois h apenas 0,86% de valores dispersos.
A concentrao dos valores est no intervalo de 494,72 g
at 503,28 g. Esse intervalo refere-se mdia, somando e
diminuindo com o desvio-padro.

H um pequeno deslocamento direita, ou seja, existem


mais valores superiores do que inferiores, porm esse
deslocamento pequeno, visto que a assimetria muito
prxima a zero.

A curtose = 0,272 indica um breve achatamento; isso cor


robora um C V baixo.

2. Possvel resposta:
Poderia us-los como ferramenta au xiliar para a tomada
de deciso, com a utilizao dos resultados da estatstica
descritiva:

M d ia 11,03%

M e d ia n a 1 0 ,8 0 %

M oda 10,31%

i q u a r t il 9 ,1 8 %

3o q u a r t il 1 2 ,9 0 %

9 0 a p e r c e n t il 1 4 ,8 9 %

io p e r c e n t il Z 48%

D e s v io - p a d r o 2,6 8 %
CV 2 4 ,3 %

A s s im e t r ia 0 ,2 5 8

C u rto se 0,251
Podemos obter as seguintes concluses:

A mdia tem moderada representatividade, pois o CV


obteve um valor entre 15% e 30%. Assim, importante
que o pesquisador analise os resultados da mediana e
da moda.

H mdia disperso de valores. Em outras palavras, existe


um percentual relativamente grande de valores dispersos,
ou seja, "longe" da mdia, no caso dessa questo. Portanto,
o pesquisador precisa analisar as reclamaes dos clien
tes, pois h muita variao nos resultados.

A concentrao dos percentuais de reclamaes est no


intervalo de 8,35% at 11,71% . Esse intervalo refere-se
mdia, som ando e dim inuindo com o desvio-padro.
Esse intervalo pode ser trabalhado na empresa como um
padro de qualidade (grande possibilidade para essas
medidas). Assim, quaisquer clientes com percentual de
reclamaes abaixo desse intervalo so clientes muito
satisfeitos. Dentro do intervalo, so clientes satisfeitos;
acima do intervalo, so clientes insatisfeitos.

H um pequeno deslocamento esquerda, ou seja, exis


tem mais valores inferiores que valores superiores, mas
esse deslocamento pequeno, visto que a assimetria
muito prxima a zero. No caso dessa questo, o resul
tado bom para o escritrio, pois h menos clientes com
percentuais de reclamao altos.
A curtose = 0,251 indica um alongamento da curva
de valores, isso devido menor concentrao dos
valores extremos.
Captulo 3

Q u estes para reviso

1. a
2. d
3 - b
4- a
5- c
6. d
7 b
8. a
9. Menor que RS 10,25 = 98,08%:

z = *^
O
z = 1 0 ,2 5 - 8,70
0,75
Z _ h55
0,75
Z = 2,07
Z = 2,07 (48,08%)
P(E) = 50% + 48,08% = 98,08%

10. 2.600 horas:


X-M
o
X - 2000
1,04 =
250
1,04-250 = X - 2000
260 = X - 2000
260 + 2000 = X
X = 2600h
Questes para reflexo

Possveis respostas:
j. Sim. Nesse caso, basla aplicar a frmula do clculo do
tamanho da amostra. Por meio dele, podemos deter
minar o tamanho mnimo da amostra a ser aplicada na
pesquisa.
2. Sim. Os nveis de confiana alteram o tamanho da
amostra, pois, quanto maior a confiana, mais elementos
haver na amostra.

Captulo 4

Q u estes para reviso

. a
2. d
3- c
4. b
5. d
6. b
7. a
8. c

9-
Ho: M, = M2 H, : m, * M2

(X, - XJ - d

(15,5 - 13,8) - 0
l] + LZ2
v 22 20

1,7
V 0,1620+ 0,1445
&
V 0 ,3 0 6 5
t ._ ! L
0 ,5 5 3 6
tCi, = + 3 ,0 7

Com 95% de significncia, o valor t de referncia para o teste


2,o2i (a/2 = 2,5%), e o valor do t , maior, ou seja, ele est
fora da rea de aceitao. Sendo assim, rejeitamos a hiptese
Ho e aceitamos a hiptese Hi.
Ento, podemos afirmar com 95% de confiana que os valo
res de mdia das duas amostras so realmente diferentes e que,
como o valor deu positivo, a primeira real mente maior que
a segunda. tcil = 3,07. Hiptese rejeitada.
10. Z v| = 1,50. Hiptese aceita.

Questes para reflexo

Possveis respostas:
1. A primeira anlise do pesquisador ser determinar se h
ou no diferena significativa entre as duas empresas.
2. Se existir diferena significativa entre os escritrios, a
deciso ser facilitada. Se no existir, caber ao pesqui
sador determinar outras variveis e aplicar os conceitos
aprendidos no captulo para a resoluo do problema.

Captulo 5
Questes para reviso

1. Os resultados foram:
r = 0,89;
r Squarc = 0,791;
y = 0,0329X - 3,9507.
Com 350 hspedes, sero produzidas 7,55 toneladas de lixo
por mes; portanto, provavelmente o rcsort no ter condies
de descartar todo o lixo.

2. Fazendo os clculos, podemos concluir que a empresa


no s atingir a produo desejada como tambm ir
ultrapass-la, pois:
r = 0,94;
r Square - 0,888;
y = 1975X - 1030.
Com 40 funcionrios, a empresa produzir 6.870 tone
ladas, e o desejado era 6.500 toneladas.
3. a
4. c
5. b
Q u estes para ref lexo

Possveis respostas:

1. Nessa questo, a varivel independente o nmero de


funcionrios e a varivel dependente a produo.
2. Resposta: y = 25,i 6x + 1578,74.

Captulo 6
Questes para reviso

1. Max: Z = 0,18xi + 0,09x2


Restries: Xi + x2 < 15500
xi < 7500
X2 > 2 0 0 0
Xi, X 2 > O

2. Max: Z = 0,06x1 + 0,04x2


Restries: Xi < 77000
X2 < 980OO
X1-X2 < 63OOO
l/7 X i + I/4X 2 < 1 4 0 0 0

X i, X 2 > O
3- Max: Z = 1800x1 + 2200x2
&
Restries: 120x1 + 190x2 < 500
4X! + 2 x 2 < 20
2x1 + 3x2 < 10
X |, x2 > 0
4-
M e se s Jan . F e v. M ar. A br. M a io Jun . J u l.

O cupao 89% 93% 56% 45% 63% 67% 75%

N m e r o s n d ic e s 98.9 10 3 3 62,2 50.0 70,0 74,4 833

n d ic e s r e la t iv o s 127,7 133,4 80,3 64,5 90.4 96,1 107,6

n d ic e s d e lig a o 104,5 60,2 80,4 140.0 106,3 m ,9

5-

Anos 2004 20 0 5 2006 2007 2008 2009 2010 2011


Vendas 9.000 9600 10 3 0 0 11.100 11.900 12.800 13-700 15.000

N m e r o s n d ic e s 81,8 873 93,6 100,9 108,2 116,4 124.5 81,8

n d ic e s r e la t iv o s 77,1 82.2 88.2 95,1 101.9 109,6 117 3 77,1

n d ic e s d e lig a o - 106,7 10 7 3 107.8 107,2 107.6 107,0 -

6.

Anos 2004 2005 2006 2007 2008 2009 2 0 10 2 0 11

C o m is s e s 8.500 9400 10.900 11.900 I4.OOO 15-200 16 .20 0 17.900

N m e r o s n d ic e s 56,7 62,7 72,7 79.3 933 10 13 108,0 119.3

n d ic e s r e la t iv o s 65.4 723 83,8 91.5 107,7 n 6 ,9 124,6 137.7

n d ic e s d e lig a o n o ,6 116,0 109.2 117,6 108,6 106,6 110,5

7
Anos 2006 2007 2008 2009 2010 2011 2 0 12 2 0 13

In v e s t im e n t o s 60.000 55.000 48.000 44.000 43.000 50.000 47.000 40.000

N m e r o s n d ic e s 13 3 3 122,2 106,7 97,8 95.6 111,1 104,4 88,9

n d ic e s r e la t iv o s 124,0 113,7 99,2 91.0 88,9 103,4 97,2 82,7

n d ic e s d e lig a o 91.7 873 91.7 97,7 116 3 94,0 85,1


Questes para reflexo

Possveis respostas:

1. Aplicando os conhecimentos dos nmeros ndices,


podemos analisar quanto aumentou os pagamentos
dos tributos.
2. As ferra mentos dos nmeros ndices, sries temporais e
da estatstica descritiva.
Adriano Toledo Pereira graduado em Administrao (1991) pela
Faculdade de Educao Superior do Paran (Fesp), especialista
em Educao (1999) pelo Instituto Brasileiro de Ps-Graduao
e Extenso (Ibpex) e mestre em Adm inistrao (2006) pela
Universidade Positivo (UP). Tem 23 anos de experincia em
ensino, atuando em diversas instituies de ensino do Paran,
na educao bsica, no ensino superior e em cursos de ps-gra
duao. Leciona em cursos de especializao por todo o Brasil,
atua como consultor empresarial - desenvolvendo atividades
voltadas ao planejamento estratgico, ao marketing e gesto
por ind icadores de desempenho - e palestrante, especiaIizado
em temas como planejamento, empreendedorismo, marketing
e qualidade na gesto.

Похожие интересы