Introdução À Estatística (Reparado)

ESTATÍSTICA I
[email protected]
Lição nº 1
Tema: Introdução à estatística
Objectivo: que os alunos entendam e percebam a importância da estatística no dia-a-dia.
Objecto da estatística
Estatística é uma ciência exacta que visa fornecer subsídios ao analista para colectar,
organizar, resumir, analisar e apresentar dados. Trata de parâmetros extraídos da
população, tais como média ou desvio padrão.
A estatística fornece-nos as técnicas para extrair informação de dados, os quais são

muitas vezes incompletos, na medida em que nos dão informação útil sobre o problema
em estudo, sendo assim, é objectivo da Estatística extrair informação dos dados para
obter uma melhor compreensão das situações que representam.
Quando se aborda uma problemática envolvendo métodos estatísticos, estes devem ser
utilizados mesmo antes de se recolher a amostra, isto é, deve-se planejar a experiência
que nos vai permitir recolher os dados, de modo que, posteriormente, se possa extrair o
máximo de informação relevante para o problema em estudo, ou seja para a população
de onde os dados provêm.
Quando de posse dos dados, procura-se agrupá-los e reduzi-los, sob forma de amostra,
deixando de lado a aleatoriedade presente.
Seguidamente o objectivo do estudo estatístico pode ser o de estimar uma quantidade ou

testar uma hipótese, utilizando-se técnicas estatísticas convenientes, as quais realçam
toda a potencialidade da Estatística, na medida em que vão permitir tirar conclusões
acerca de uma população, baseando-se numa pequena amostra, dando-nos ainda uma
medida do erro cometido.
Francisco de Freitas Pá gina 1

ESTATÍSTICA I
[email protected]
População e amostra
Qualquer estudo científico enfrenta o dilema de estudo da população ou da amostra.

Obviamente tería-se uma precisão muito superior se fosse analisado o grupo inteiro, a
população, do que uma pequena parcela representativa, denominada amostra. Observa-
se que é impraticável na grande maioria dos casos, estudar-se a população em virtude de
distâncias, custo, tempo, logística, entre outros motivos.
A alternativa praticada nestes casos é o trabalho com uma amostra confiável. Se a

amostra é confiável e proporciona inferir sobre a população, chamamos de inferência
estatística. Para que a inferência seja válida, é necessária uma boa amostragem, livre de
erros, tais como falta de determinação correcta da população, falta de aleatoriedade e
erro no dimensionamento da amostra.
Quando não é possível estudar, exaustivamente, todos os elementos da população,

estudam-se só alguns elementos, a que damos o nome de Amostra.
Clique aqui para ver o exemplo 2
Quando a amostra não representa correctamente a população diz-se enviesada e a sua

utilização pode dar origem a interpretações erradas.
Recenseamento
Recenseamento é a contagem oficial e periódica dos indivíduos de um país, ou parte de

um país. Ele abrange, no entanto, um leque mais vasto de situações. Assim, pode
definir-se recenseamento do seguinte modo:
Estudo científico de um universo de pessoas, instituições ou objectos físicos com o

propósito de adquirir conhecimentos, observando todos os seus elementos, e fazer
juízos quantitativos acerca de características importantes desse universo.

ESTATÍSTICA I
[email protected]
Lição nº 2
Tema: Estatística descritiva e estatística indutiva
Objectivo: que os alunos saibam distinguir os tipos de estatística e saber a importância

da sua aplicação.
Sondagem
Por vezes, não é viável nem desejável, principalmente quando o número de elementos
da população é muito elevado, inquirir todos os seus elementos sempre que se quer
estudar uma ou mais características particulares dessa população.
Assim surge o conceito de sondagem, que se pode tentar definir como:
Estudo científico de uma parte de uma população com o objectivo de estudar atitudes,
hábitos e preferências da população relativamente a acontecimentos, circunstâncias e
assuntos de interesse comum.
Nos próximos tópicos, estudaremos a amostragem e logo após as duas fases que se
distinguem em uma análise estatística: a estatística "descritiva" e a "indutiva".
Amostragem
Amostragem é o processo que procura extrair da população elementos que através de

cálculos probabilísticos ou não, consigam prover dados inferenciais da população-alvo.
Tipos deNão probabilística

Amostragem Acidental ou conveniência
Intencional
Quotas ou proporcional
Desproporcional
Probabilística

ESTATÍSTICA I
[email protected]
Aleatória Simples
Aleatória Estratificada
Conglomerado
Não probabilística
A escolha de um método não probabilístico, via de regra, sempre encontrará

desvantagem frente ao método probabilístico. No entanto, em alguns casos, se faz
necessário a opção por este método. Fonseca (1996), alerta que não há formas de se
generalizar os resultados obtidos na amostra para o todo da população quando se opta
por este método de amostragem.
Acidental ou conveniência
Indicada para estudos exploratórios. Frequentemente utilizados em supermercados para

testar produtos.
Intencional
O entrevistador dirige-se a um grupo em específico para saber sua opinião. Por

exemplo, quando de um estudo sobre automóveis, o pesquisador procura apenas
oficinas.
Na realidade, trata-se de uma variação da amostragem intencional. Necessita-se ter um

prévio conhecimento da população e sua proporcionalidade. Por exemplo, deseja-se
entrevistar apenas indivíduos da classe A, que representa 12% da população. Esta será a
quota para o trabalho. Comummente também substratifica-se uma quota obedecendo a
uma segunda proporcionalidade.

ESTATÍSTICA I
[email protected]
Desproporcional
Muito utilizada quando a escolha da amostra for desproporcional à população. Atribui-

se pesos para os dados, e assim obtém-se resultados ponderados representativos para o
estudo.
Probabilística
Para que se possa realizar inferências sobre a população, é necessário que se trabalhe
com amostragem probabilística. É o método que garante segurança quando investiga-se
alguma hipótese. Normalmente os indivíduos investigados possuem a mesma
probabilidade de ser seleccionado na amostra.
Aleatória Simples
É o mais utilizado processo de amostragem. Prático e eficaz, confere precisão ao

processo de amostragem. Normalmente utiliza-se uma tabela de números aleatórios e
nomeia-se os indivíduos, sorteando-se um por um até completar a amostra calculada.
Uma variação deste tipo de amostragem é a sistemática. Em um grande número de

exemplos, o pesquisador depara-se com a população ordenada. Neste sentido, tem-se os
indivíduos dispostos em sequência o que dificulta a aplicação exacta desta técnica.
Quando se trabalha com sorteio de quadras de casas por exemplo, há uma regra
crescente para os números das casas. Em casos como este, divide-se a população pela
amostra e obtém-se um coeficiente (y). A primeira casa será a de número x, a segunda
será a de número x + y; a terceira será a de número x + 3. y.
Supondo que este coeficiente seja 6. O primeiro elemento será 3. O segundo será 3 + 6.
O terceiro será 3 + 2.6. O quarto será 3 + 3.6, e assim sucessivamente.

ESTATÍSTICA I
[email protected]
Quando se deseja guardar uma proporcionalidade na população heterogénea. Estratifica-

se cada subpopulação por intermédio de critérios como classe social, renda, idade, sexo,
entre outros.
Conglomerado
Em corriqueiras situações, torna-se difícil colectar características da população. Nesta

modalidade de amostragem, sorteia-se um conjunto e procura-se estudar todo o
conjunto. É exemplo de amostragem por conglomerado, famílias, organizações e
quarteirões.
Dimensionamento da amostra
Quando deseja-se dimensionar o tamanho da amostra, o procedimento desenvolve-se

em três etapas distintas:
 Avaliar a variável mais importante do grupo e a mais significativa;

 Analisar se é ordinal, intervalar ou nominal;
 Verificar se a população é finita ou infinita;
Variável intervalar e população infinita
Variável intervalar e população finita
Variável nominal ou ordinal e população

infinita
Variável nominal ou ordinal e população finita
Obs.: A proporção (p) será a estimativa da verdadeira proporção de um dos níveis

escolhidos para a variável adoptada. Por exemplo, 60% dos telefones da amostra é
Nokia, então p será 0,60.

ESTATÍSTICA I
[email protected]
A proporção (q) será sempre 1 - p. Neste exemplo q, será 0,4. O erro é representado por
d.
Para casos em que não se tenha como identificar as proporções confere-se 0,5 para p e
q.
Lição nº 3
Tema: Tipos de dados
Objectivo: que os alunos conheçam os tipos de dados e saibam fazer a sua divisão.
Basicamente os dados, dividem-se em contínuos e discretos. O primeiro é definido

como qualquer valor entre dois limites quaisquer, tal como um diâmetro. Portanto
trata-se de um valor que ser "quebrado". São dados contínuos, questões que envolvem
idade, renda, gastos, vendas, facturamento, entre muitas outras.
Quando fala-se em valores discretos, aborda-se um valor exacto, tal como quantidade
de peças defeituosas. Comummente utiliza-se este tipo de variáveis para tratar de
número de filhos, satisfação e escalas nominais no geral.
A tipologia dos dados determina a variável, ela será portanto contínua ou discreta. Isto
quer dizer que ao definir-se uma variável com contínua ou discreta, futuramente já
definiu-se que tipo de tratamento se dará a ela.
De acordo com o que dissemos anteriormente, numa análise estatística distinguem-se

essencialmente duas fases:
Uma primeira fase em que se procura descrever e estudar a amostra (Estatística

Descritiva) e uma segunda fase em que se procura tirar conclusões para a população
(Estatística Indutiva).
1ª Fase (Estatística Descritiva): procura-se descrever a amostra, pondo em evidência

as características principais e as propriedades.

ESTATÍSTICA I
[email protected]
2ª Fase (Estatística Indutiva): conhecidas certas propriedades (obtidas a partir de uma

análise descritiva da amostra), expressas por meio de proposições, imaginam-se
proposições mais gerais, que exprimam a existência de leis (na população).
No entanto, ao contrário das proposições deduzidas, não podemos dizer que são falsas
ou verdadeiras, já que foram verificadas sobre um conjunto restrito de indivíduos, e
portanto não são falsas, mas não foram verificadas para todos os indivíduos da
População, pelo que também não podemos afirmar que são verdadeiras.
Existe, assim, um certo grau de incerteza (percentagem de erro) que é medido em

termos de Probabilidade.
Considerando o que foi dito anteriormente sobre a Estatística Indutiva, precisamos aqui
da noção de Probabilidade, para medir o grau de incerteza que existe, quando tiramos
uma conclusão para a população, a partir da observação da amostra.
Lição nº 4
Tema: Dados, tabelas e gráficos
Objectivo: que os alunos saibam fazer o tratamento dos dados e apresenta-los em

tabelas e gráficos.
Distribuição de frequência
Quando da análise de dados, é comum procurar conferir certa ordem aos números
tornando-os visualmente mais amigáveis. O procedimento mais comum é o de divisão
por classes ou categorias, verificando-se o número de indivíduos pertencentes a cada
classe.
1. Determina-se o menor e o maior valor para o conjunto:
2. Definir o limite inferior da primeira classe (Li) que deve ser igual ou ligeiramente
inferior ao menor valor das observações.

ESTATÍSTICA I
[email protected]
3. Definir o limite superior da última classe (Ls) que deve ser igual ou ligeiramente
superior ao maior valor das observações.
4. Definir o número de classes (K), que será calculado usando .

Obrigatoriamente deve estar compreendido entre 5 a 20.
5. Conhecido o número de classes define-se a amplitude de cada classe:
6. Com o conhecimento da amplitude de cada classe, define-se os limites para cada

classe (inferior e superior).
Distribuições simétricas
A distribuição das frequências faz-se de forma aproximadamente simétrica,

relativamente a uma classe média
Caso especial de uma distribuição simétrica:
Quando dizemos que os dados obedecem a uma distribuição normal, estamos tratando
de dados que distribuem-se em forma de sino.
Distribuições assimétricas
A distribuição das frequências apresenta valores menores num dos lados:

ESTATÍSTICA I
[email protected]
Distribuições com "caudas" longas
Observamos que nas extremidades há uma grande concentração de dados em relação

aos concentrados na região central da distribuição.
Lição nº 5
Tema: Medidas de tendência central
Objectivo: que os alunos saibam o que são medidas de tendência central bem como a
importância das mesmas
As mais importantes medidas de tendência central são a média aritmética, média

aritmética para dados agrupados, média aritmética ponderada, mediana, moda, média
geométrica, média harmónica, quartis.
Quando se estuda variabilidade, as medidas mais importantes são: amplitude, desvio

padrão e variância.
Medidas Fórmula
Média aritmética
Média aritmética para

dados agrupados

ESTATÍSTICA I
[email protected]
Média aritmética
ponderada
1) Se n é impar, o valor é central, 2) se n é par, o valor é a
Mediana
média dos dois valores centrais
Moda Valor que ocorre com mais frequência.
Média geométrica
Média harmónica
Quartil
Sendo a média uma medida tão sensível aos dados, é preciso ter cuidado com a sua
utilização, pois pode dar uma imagem distorcida dos dados.
Pode-se mostrar que, quando a distribuição dos dados é "normal", então a melhor
medida de localização do centro é a média.
A distribuição normal é uma das mais importantes e que surge com mais frequência nas
aplicações (esse fato justifica a grande utilização da média).
A média possui uma particularidade bastante interessante, que consiste no seguinte: se

calcularmos os desvios de todas as observações relativamente à média e somarmos esses
desvios, o resultado obtido é igual a zero.
A média tem uma outra característica, que torna a sua utilização vantajosa em certas
aplicações: quando o que se pretende representar é a quantidade total expressa pelos
dados, utiliza-se a média.
Na realidade, ao multiplicar a média pelo número total de elementos, obtemos a

quantidade pretendida.
Moda e Mediana
Moda

ESTATÍSTICA I
[email protected]
Define-se moda como sendo: o valor que surge com mais frequência se os dados são
discretos, ou, o intervalo de classe com maior frequência se os dados são contínuos.
Assim, da representação gráfica dos dados, obtém-se imediatamente o valor que

representa a moda ou a classe modal.
Esta medida é especialmente útil para reduzir a informação de um conjunto de dados

qualitativos, apresentados sob a forma de nomes ou categorias, para os quais não se
pode calcular a média e por vezes a mediana.
Mediana
A mediana, é uma medida de localização do centro da distribuição dos dados, definida

do seguinte modo:
Ordenados os elementos da amostra, a mediana é o valor (pertencente ou não à amostra)

que a divide ao meio, isto é, 50% dos elementos da amostra são menores ou iguais à
mediana e os outros 50% são maiores ou iguais à mediana.
Para a sua determinação utiliza-se a seguinte regra, depois de ordenada a amostra de n

elementos:
Se n é ímpar, a mediana é o elemento médio.

Se n é par, a mediana é a semi-soma dos dois elementos médios.
Considerações a respeito de média e mediana
Como medida de localização, a mediana é mais robusta do que a média, pois não é tão
sensível aos dados.
1- Quando a distribuição é simétrica, a média e a mediana coincidem.

2- A mediana não é tão sensível, como a média, às observações que são muito maiores
ou muito menores do que as restantes (outliers). Por outro lado a média reflecte o valor
de todas as observações.

ESTATÍSTICA I
[email protected]
Como já vimos, a média ao contrário da mediana, é uma medida muito influenciada por
valores "muito grandes" ou "muito pequenos", mesmo que estes valores surjam em
pequeno número na amostra. Estes valores são os responsáveis pela má utilização da
média em muitas situações em que teria mais significado utilizar a mediana.
A partir do exposto, deduzimos que se a distribuição dos dados:

1. for aproximadamente simétrica, a média aproxima-se da mediana.
2. for enviesada para a direita (alguns valores grandes como "outliers"), a média tende a
ser maior que a mediana.
3. for enviesada para a esquerda (alguns valores pequenos como "outliers"), a média
tende a ser inferior à mediana.
Lição nº 6
Tema: Medidas de dispersão
Objectivo: que os alunos saibam como medir a variabilidade presente num conjunto de
dado através das medidas de dispersão.
No tópico anterior, vimos algumas medidas de localização do centro de uma

distribuição de dados. Veremos agora como medir a variabilidade presente num
conjunto de dados.
Um aspecto importante no estudo descritivo de um conjunto de dados, é o da

determinação da variabilidade ou dispersão desses dados, relativamente à medida de
localização do centro da amostra.
Supondo ser a média, a medida de localização mais importante, será relativamente a ela
que se define a principal medida de dispersão - a variância, apresentada a seguir.
Variância
Define-se a variância, como a medida que se obtém somando os quadrados dos desvios
das observações da amostra, relativamente à sua média, e dividindo pelo número de
observações da amostra menos um.

ESTATÍSTICA I
[email protected]

Desvio-padrão
Uma vez que a variância envolve a soma de quadrados, a unidade em que se exprime
não é a mesma que a dos dados. Assim, para obter uma medida da variabilidade ou
dispersão com as mesmas unidades que os dados, tomamos a raiz quadrada da variância
e obtemos o desvio padrão.
O desvio padrão é uma medida que só pode assumir valores não negativos e quanto
maior for, maior será a dispersão dos dados.
Quanto maior for a variabilidade entre os dados, maior será o desvio padrão.

exemplo 7:
Em uma turma de aluno, verificou-se através da análise das notas de 15 alunos, os

seguintes desempenhos:
Alunos Conceito na Prova

1 4,3
2 4,5
3 9
4 6
5 8
6 6,7

ESTATÍSTICA I
[email protected]
7 7,5
8 10
9 7,5
10 6,3
11 8
12 5,5
13 9,7
14 9,3
15 7,5
Total 109,8
Média 7,32
Desvio Padrão 1,77
Observamos no exemplo, que a média das provas, foi estimada em 7,32 com desvio
padrão em 1,77. Concluímos que a maioria das notas concentrou-se em 9,09 e 5,55.
Lição nº 7
Tema: Distribuição normal
Objectivo: que os alunos saibam que a distribuição normal é a mas importante

distribuição estatística, considerando a questão prática e teórica.
A distribuição normal é a mas importante distribuição estatística, considerando a

questão prática e teórica.
Já vimos que esse tipo de distribuição apresenta-se em formato de sino, uni modal,
simétrica em relação a sua média.
Considerando a probabilidade de ocorrência, a área sob sua curva soma 100%. Isso quer
dizer que a probabilidade de uma observação assumir um valor entre dois pontos
quaisquer é igual à área compreendida entre esses dois pontos.

ESTATÍSTICA I
[email protected]
68,26%=>1desvio
95,44%=>2desvios
99,73%=>3desvios
Na figura acima, tem as barras na cor castanha representando os desvios padrões.

Quanto mais afastado do centro da curva normal, mais área compreendida abaixo da
curva haverá. A um desvio padrão, temos 68,26% das observações contidas. A dois
desvios padrões, possuímos 95,44% dos dados compreendidos e finalmente a três
desvios, temos 99,73%. Podemos concluir que quanto maior a variabilidade dos dados
em relação à média, maior a probabilidade de encontrarmos o valor que buscamos em
baixo da normal.
Propriedade 1
f(x) é simétrica em relação à origem, x = média = 0.
Propriedade 2
f(x) possui um máximo para z=0, e nesse caso sua ordenada vale 0,39.
Propriedade3
f(x) tende a zero quando x tende para + infinito ou - infinito.
Propriedade 4

ESTATÍSTICA I
[email protected]
f(x) tem dois pontos de inflexão cujas abcissas valem média + DP e média - DP, ou
quando z tem dois pontos de inflexão cujas abcissas valem +1 e -1.
Para se obter a probabilidade sob a curva normal, utilizamos a tabela de faixa central.
exemplo 8:
As alturas de grupo de criancinhas são tidas como normais em sua distribuição, com
desvio padrão em 0,30m e média em 1,60. Qual a probabilidade de um aluno medir (1)
entre 1,50 e 1,80, (2) mais de 1,75 e menos de 1,48?
(1)z1=(1,50-1,60)/0,30=-0,33
z2=(1,80-1,60)/0,30=0,67
Então,z1(0,1293)+z2(0,2486)=37,79%
(2)z1=(1,75-1,60)/0,30=0,30
0,500-0,1915=30,85%
(3)Z1=(1,48-1,50)/0,30=-0,4
0,500-0,1554 = 34,46%
Lição nº 8
Tema: Exercícios de estatística
1. Supondo que a variável escolhida de um pesquisa, seja nominal e a população finita

de 600 indivíduos (onde 60% dos indivíduos são mulheres). Deseja-se trabalhar com um
alpha de 5% e um erro amostral de 7%. Calcule o tamanho da amostra.
2. Organize os dados abaixo em uma tabela de distribuição de frequência, contendo o

intervalo de classe, a frequência absoluta, a frequência acumulada, a frequência relativa
e a frequência relativa acumulada.

ESTATÍSTICA I
[email protected]
20,4 22,3 23,1 23,5 23,8 24,1 24,3 24,3 24,6

26,0 25,0 25,1 25,3 25,3 25,4 25,6 25,7 25,8
26,0 26,1 26,2 26,2 26,3 26,5 26,6 26,7 26,8
27,1 27,1 27,3 25,7 27,7 27,9 28,0 28,3 28,7
3. Três arremessadores de disco, treinam para a Olimpíada. Os atletas arremessam seus

discos a 66 metros de distância (em média), com desvio padrão de 6,1 metros.
Qual a probabilidade de um atleta lançar seu disco entre 64 e 67 metros?
4. Foi encomendado um estudo para avaliação de uma entidade de ensino superior. Para
isso, aplicou-se um questionário e obteve-se respostas de 110 alunos.
Indique:
a)a variável em estudo;
c) a população em estudo;
b) a amostra escolhida;
5. Indique abaixo quais amostras são consideradas boas:
a) Em um cinema, desejou-se verificar quais eram as intenções de voto para a próxima
eleição. As pessoas entrevistadas, eram as que estavam presentes
b) Para saber a opinião a respeito de métodos contraceptivos, resolveu-se aplicar um
estudo em uma escola de ensino fundamental, junto aos alunos.
5. Em uma pesquisa realizada em uma escola, identificou-se os seguintes indicadores
(1)idade
(2)anos de estudo
(3)ano de escolaridade
(4)renda
(5)sexo
(6)local de estudo
(7)conceito obtido na última prova de biologia
(8)Quantidade de livros que possui

ESTATÍSTICA I
[email protected]
a) Das variáveis acima, quais são as quantitativas e quais são as qualitativas?

b) Das variáveis quantitativas, diga quais são discretas?
Lição nº 9
Tema: Exercícios de Estatística (continuação)
6. Por que se realiza na Estatística o estudo descritivo?
7. Num quartel, constatou-se que o peso médio de 40 soldados era de 69 Kilos.

Posteriormente, verificou-se que a balança estava desregulada, ocasionando um peso
indicado superior em 15 gramas ao peso verdadeiro. Qual era a média verdadeira dos
pesos dos soldados?
8. Ao procurar emprego, um determinado cidadão teve que optar por duas ofertas
dispostas em um classificado. Qual delas representa a melhor opção? Por que?
Oferta 1 Oferta 2
Média Salarial 890,00 950,00
Mediana 800,00 700,00
Desvio Padrão 32,00 38,00
9. Um produto pesa, em média, 10g, com desvio-padrão de 2 g. É embalado em caixas

com 50 unidades. Sabe-se que as caixas vazias pesam 500g, com desvio-padrão de 25g.
Admitindo-se uma distribuição normal dos pesos e independência entre as variáveis dos
pesos do produto e da caixa, calcular a probabilidade de uma caixa cheia pesar mais de
1050g.

ESTATÍSTICA I
[email protected]
Utilize a figura acima para o desenvolvimento da questão, onde a primeira repartição, à

direita, representa a probabilidade da caixa pesar 1050g.
Lição nº 10
Tema: Estatística básica para pesquisa de mercado
Objectivo: que os alunos saibam que o mundo dos negócios, em qualquer que seja a
área, de Recursos Humanos a Marketing, não pode mais embasar as tomadas de
decisões e assumir risco simplesmente no feeling e no bom senso dos executivos e
gerentes organizacionais.
Introdução
O mundo dos negócios, em qualquer que seja a área, de Recursos Humanos a

Marketing, não pode mais embasar as tomadas de decisões e assumir risco
simplesmente no feeling e no bom senso dos executivos e gerentes organizacionais.
A complexidade da sociedade e dos mercados apresentada actualmente exige que estes

agentes se utilizem de recursos precisos e poderosos de forma a minimizar os potenciais
riscos da actividade económica. Neste contexto pode-se destacar a crescente utilização
da informática, do método e dos recursos de estatística nas organizações que almejam
destacar-se como agentes económicos de ponta.
O barateamento exponencial destes recursos nos últimos anos tem feito que muitas
empresas invistam neste hardware (computadores, pacotes estatísticos, Internet, bases
de dados) mas uma menor atenção tem sido dada ao “humanware” ou seja aos
indivíduos que efectivamente extrairão deste arsenal tecnológico a informação e o
conhecimento que possibilitarão conduzir estas organizações à liderança em seus
segmentos. Sem este aprimoramento do “humanware” de muita pouca valia será o
investimento feito no aparato tecnológico.
Este curso tem a intenção de aportar conhecimentos básicos de ferramentas e métodos

relacionados à pesquisa e à análise estatística de dados visando o aprimoramento da
utilização de poderosos recursos com a visão gerêncial de como, e porque explorar a

ESTATÍSTICA I
[email protected]
informação e de como enxergar em um “oceano” de dados aqueles que efectivamente

são capazes de promover um diferencial competitivo à organização. Estatística básica
para pesquisa de mercado não pretende cobrir todas as possibilidades da análise
estatística de dados mas sim de prover uma consistente base sobre a qual novas
habilidades podem ser facilmente construídas e desenvolvidas. Bem-vindo ao mundo da
análise estatística de dados!
Lição nº 11
Tema: Definições de Estatística
Objectivo: que os alunos saibam que a Estatística é uma ciência exacta que visa fornecer
subsídios ao analista para colectar, organizar, resumir, analisar e apresentar dados. Trata
de parâmetros extraídos da população, tais como média ou desvio padrão.
Estatística é uma ciência exacta que visa fornecer subsídios ao analista para colectar,
organizar, resumir, analisar e apresentar dados. Trata de parâmetros extraídos da
população, tais como média ou desvio padrão.
Enfim, quando se fala de estatística, fala-se de uma ciência presente em todos os

eventos mensuráveis do quotidiano.
Muitas vezes ela está tão presente nas actividades rotineiras que não se dá conta que a
mesma encontra-se ali. Por exemplo, em um jogo de futebol, tomando-se a guarda-redes
e seu espaço vizinho, tem-se uma distribuição normal. Sim, afinal ao longo do jogo, os
chutes a golo, tendem à área delimitada e defendida pelo guarda-redes.
Ao final do jogo se houvesse uma quantificação dos chutes a golo, ter-se-ia a

normalidade dos chutes (provavelmente entre 68% a 99% dos chutes para a linha de
fundo concentrar-se-iam neste espaço). Este é apenas um dos inúmeros exemplos que
fazem com a estatística seja mais familiar do que se imagina.

ESTATÍSTICA I
[email protected]
Colecta de dados
Toda e qualquer acção estatística deve estar centrada em objectivos claros. O primeiro
passo para um procedimento estatístico é o trabalho que envolve os dados de um estudo.
Estando estes objectivos definidos, buscam-se os dados que os satisfaçam, sejam eles
primários ou secundários. Dados primários são aqueles que foram prospectados sem que
não tenha havido um estudo preliminar acerca da amostra em específico, ou seja, são
dados originais.
Dados secundários são aqueles que estão a nossa disposição oriunda de outros estudos.
São fontes de dados secundários; Internet, bancos de dados, cadastros, jornais, revistas,
filmes, entre muitas outras fontes.
Basicamente podemos dividir os dados em históricos ou planejados.
População e amostra
Qualquer estudo científico enfrenta o dilema de estudo da população ou da amostra.

Obviamente tería-se uma precisão muito superior se fosse analisado o grupo inteiro, a
população, do que uma pequena parcela representativa, denominada amostra. Observa-
se que é impraticável na grande maioria dos casos, estudar-se a população em virtude de
distâncias, custo, tempo, logística, entre outros motivos.
A alternativa praticada nestes casos é o trabalho com uma amostra confiável. Se a

amostra é confiável e proporciona inferir sobre a população, chamamos de inferência
estatística. Para que a inferência seja válida, é necessária uma boa amostragem, livre de
erros, tais como falta de determinação correcta da população, falta de aleatoriedade e
erro no dimensionamento da amostra.
Amostras relacionadas
Quando se retira aleatoriamente dois elementos de uma mesma população e expõe-se

apenas um elemento a um determinado factor (propaganda, por exemplo). Avalia-se o
impacto junto aos dois elementos.

ESTATÍSTICA I
[email protected]
Amostras não relacionadas
Apenas um elemento é seleccionado e exposto ao factor. Uma comparação é feita

considerando o antes e o depois.
Amostragem
Amostragem é o processo que procura extrair da população elementos que através de

cálculos probabilísticos ou não, consigam prover dados inferenciais da população-alvo.
Confira a seguir os tipos de amostragem existentes.
Não Probabilística
1. Acidental ou conveniência
2. Intencional
3. Quotas ou proporcional
Tipos de amostragens 4. Desproporcional
Probabilística
1. Aleatória Simples
2. Aleatória Estratificada
3. Conglomerado
Amostra não probabilística
Este tipo de amostra, é determinada por ordem do pesquisador, ou seja não há uma
aleatoriedade para a escolha de um elemento da população.
A escolha de um método não probabilístico, via de regra, sempre encontrará

desvantagem frente ao método probabilístico. No entanto, em alguns casos, se faz
necessário a opção por este método. Observa-se que no envio de questionários via
correio o método é não probabilístico (mesmo que a opção seja por amostragem
Probabilística). O respondente pode não querer responder o questionário ou mesmo não
ser localizado.

ESTATÍSTICA I
[email protected]
Fonseca (1996), alerta que não há formas de se generalizar os resultados obtidos na

amostra para o todo da população quando se opta por este método de amostragem.
Acidental ou conveniência
Indicada para estudos exploratórios. Frequentemente utilizados em supermercados para

testar produtos.
Intencional
O entrevistador dirige-se a um grupo em específico para saber sua opinião. Por

exemplo, quando de um estudo sobre automóveis, o pesquisador procura apenas
oficinas.
Na realidade, trata-se de uma variação da amostragem intencional. Necessita-se ter um

prévio conhecimento da população e sua proporcionalidade. Por exemplo, deseja-se
entrevistar apenas indivíduos da classe A, que representa 12% da população. Esta será a
quota para o trabalho. Comummente também substratifica-se uma quota obedecendo a
uma segunda proporcionalidade.
Desproporcional
Muito utilizada quando a escolha da amostra for desproporcional à população. Atribui-

se pesos para os dados, e assim obtém-se resultados ponderados representativos para o
estudo. Por exemplo, em um mercado de telefones celulares, considerando uma fatia de
mercado meramente ilustrativa, obteve-se os resultados conforme descritos a seguir:

ESTATÍSTICA I
[email protected]
Marcas Participação no mercado Elementos na amostra

n %
Nokia 60% 50 25%
Ericsson 20% 50 25%
Gradiente 15% 50 25%
Philips 05% 50 25%
Total 100% 200 100%
Objectivando obter os pesos a serem atribuídos a cada marca de telefone celular, para
uma análise conjunta de todas as marcas no exemplo acima, obteve-se os seguintes
coeficientes:
Número de elementos a serem

entrevistados
Peso Nokia 2,4 120
Peso Ericsson 0,8 40
Peso Gradiente 0,6 30
Peso Philips 0,2 10
Total: 200
Fórmula aplicada: Peso = participação no mercado/elementos na amostra (%)
Amostra probabilística
Para que se possa realizar inferências sobre a população, é necessário que se trabalhe
com amostragem probabilística. É o método que garante segurança quando investiga-se
alguma hipótese.
Normalmente os indivíduos investigados possuem a mesma probabilidade de ser

seleccionado na amostra.

ESTATÍSTICA I
[email protected]
Aleatória Simples
É o mais utilizado processo de amostragem. Prático e eficaz, confere precisão ao

processo de amostragem. Normalmente utiliza-se uma tabela de números aleatórios e
nomeia-se os indivíduos, sorteando-se um por um até completar a amostra calculada.
Utiliza-se comummente o sorteio aleatório disponível em planilhas electrónicas como o
Excel®.
Uma variação deste tipo de amostragem é a sistemática. Em um grande número de

exemplos, o pesquisador depara-se com a população ordenada. Neste sentido, tem-se os
indivíduos dispostos em sequência o que dificulta a aplicação exacta desta técnica.
Quando se trabalha com sorteio de quadras de casas por exemplo, há uma regra
crescente para os números das casas. Em casos como este, divide-se a população pela
amostra e obtém-se um coeficiente (Ħ). A primeira casa será a de número x, a segunda
será a de número x + Ħ; a terceira será a de número x + 3. Ħ.
Supondo que este coeficiente seja 6. O primeiro elemento será 3. O segundo será 3 + 6.
O terceiro será 3 + 2.6. O quarto será 3 + 3.6, e assim sucessivamente.
Quando se deseja guardar uma proporcionalidade na população heterogénea. Estratifica-

se cada subpopulação por intermédio de critérios como classe social, renda, idade, sexo,
entre outros.
Conglomerado
Em corriqueiras situações, torna-se difícil colectar características da população. Nesta

modalidade de amostragem, sorteia-se um conjunto e procura-se estudar todo o
conjunto. É exemplo de amostragem por conglomerado, famílias, organizações e
quarteirões.

ESTATÍSTICA I
[email protected]
Lição nº 12
Tema: Dimensionamento da amostra
Objectivo: que os alunos saibam Quando deseja-se dimensionar o tamanho da amostra,

o procedimento desenvolve-se em três etapas distintas:
Quando deseja-se dimensionar o tamanho da amostra, o procedimento desenvolve-se

em três etapas distintas:
1. Avaliar o instrumento de colecta de dados e julgar a variável mais importante do

questionário ou o grupo de variáveis mais significativas;
2. Analisar se é ordinal, intervalar ou nominal;
3. Verificar se a população é finita ou infinita;
Variável intervalar e população infinita
Variável intervalar e população finita
Variável nominal ou ordinal e população infinita
Variável nominal ou ordinal e população finita
Obs.: A proporção (p) será a estimativa da verdadeira proporção de um dos níveis

escolhidos para a variável adoptada. Por exemplo, 60% dos telefones da amostra é
Nokia, então p será 0,60.
A proporção (q) será sempre 1 - p. Neste exemplo q, será 0,4. O erro é representado por
d.
Para casos em que não se tenha como identificar as proporções confere-se 0,5 para p e

ESTATÍSTICA I
[email protected]
Tipos de dados
Basicamente os dados de uma pesquisa quantitativa, dividem-se

em contínuos e discretos. O primeiro é definido como qualquer valor entre dois
limites quaisquer, tal como um diâmetro. Portanto trata-se de um valor que ser
“quebrado”. São dados contínuos, questões que envolvem idade, renda, gastos, vendas,
faturamento, entre muitas outras.
Quando fala-se em valores discretos, aborda-se um valor exacto, tal como quantidade
de peças defeituosas. Comummente utiliza-se este tipo de variáveis para tratar de
número de filhos, satisfação e escalas nominais no geral.
A tipologia dos dados determina a variável, ela será portanto contínua ou discreta. Isto
quer dizer que ao definir-se uma variável com contínua ou discreta, futuramente já
definiu-se que tipo de tratamento se dará a ela. Por exemplo, a variável dependente em
uma análise envolvendo Anova, não poderá ser discreta.
Tipos de variáveis escalares
Ordinal: objectiva criar como o próprio nome diz, uma ordem de valor, segundo a
preferência do respondente. Por exemplo, em um escala, A é preferido a B, mas não
identifica-se o quanto A é menor que B.
Nominal: são as escalas mais comuns em pesquisas de marketing. Seus números

servem para identificar a escolha do respondente e não determinar ordem ou mesmo se
A é melhor que B. Os números são associados aos pontos de resposta, visando criar uma
organização nas escalas. É exemplo clássico de escala nominal, questões de sexo e as de
dicotomia (sim; não) e diferencial semântico (puro _ _ _ impuro).
Intervalar: são questões que visam comparar intervalos e medir o quanto uma
preferência encontra-se distante de outra. Actualmente são objecto de infindáveis
discussões entre estatísticos e académicos de marketing quando da aplicação de testes

ESTATÍSTICA I
[email protected]
estatísticos, afinal são consideradas discretas mas podem passar por um processo de
aproximação e tornarem-se contínuas.
Um processo semelhante, é descrito por Cunha (1997), quando o autor aborda a técnica
de Análise de Correspondência (AC) e comenta que as variáveis de melhor emprego
para tal técnica são as qualitativas ou as que passaram por processo de categorização.
Exemplo de escalas intervalares: 1;2;3;4;5, muito insatisfeito; insatisfeito; indiferente;
satisfeito; muito satisfeito.
Razão: são as variáveis contínuas. Peso, idade, renda, são exemplos de questões de
razão.
Abaixo estão descritos os modelos estatísticos possíveis para os tipos de escalas

abordadas.
Tipo de Estatística possível

escala
Ordinal Todas de tendência central
Nominal Moda e Qui quadrado
Intervalar Médias, desvio padrão e médio, amplitudes, variância, teste z e t,
correlação e regressão.
Razão Todos do anterior
Distribuição de frequências
Quando da análise de dados, é comum procurar conferir certa ordem aos números
tornando-os visualmente mais amigáveis. O procedimento mais comum é o de divisão
por classes ou categorias, verificando-se o número de indivíduos pertencentes a cada
classe.

ESTATÍSTICA I
[email protected]
O exemplo a seguir apresenta um conjunto de tempos para determinada operação.
5,1 5,3 5,3 5,6 5,8 5,9 6 6,1 6,2 6,2

6,3 6,3 6,3 6,4 6,4 6,4 6,5 6,5 6,6 6,7
6,7 6,8 6,8 6,9 6,9 7 7,1 7,1 7,2 7,2
7,3 7,4 7,5 7,5 7,6 7,6 7,6 7,7 7,7 7,8
7,8 7,9 7,9 8 8 8,1 8,2 8,3 8,3 8,4
8,5 8,5 8,6 8,7 8,8 8,8 8,9 9 9,1 9,2
9,4 9,4 9,5 9,5 9,6 9,8 9,9 10 10,2 10,2
10,4 10,6 10,8 10,9 11,2 11,5 11,8 12,3 12,7 14,9
Regras para a distribuição de frequências
1. Determina-se o menor e o maior valor para o conjunto:
Valor mínimo: 5,1

Valor máximo: 14,9
2. Definir o limite inferior da primeira classe (Li) que deve ser igual ou ligeiramente
inferior ao menor valor das observações:
LI: 5,1
3. Definir o limite superior da última classe (Ls) que deve ser igual ou ligeiramente
superior ao maior valor das observações:
LS:15
4. Definir o número de classes (K), que será calculado usando K = .

Obrigatoriamente deve estar compreendido entre 5 a 20. Neste caso, K é igual a 8,94,
aproximadamente, 8.

ESTATÍSTICA I
[email protected]
5. Conhecido o número de classes define-se a amplitude de cada classe:
No exemplo, a será igual a:
6. Com o conhecimento da amplitude de cada classe, define-se os limites para cada

classe (inferior e superior), onde limite Inferior será 5,1 e o limite superior será 15 +
1,23.
7.
Intervalo de Classe Frequência Absoluta Frequência Acumulada Frequência Relativa

05,10 a 06,33 13 13 16,25%
06,34 a 07,57 21 34 26,25%
07,58 a 08,81 22 56 27,50%
08,82 a 10,05 15 71 18,75%
10,06 a 11,29 4 75 5,00%
11,30 a 12,53 3 78 3,75%
12,54 a 13,77 1 79 1,25%
13,78 a 15,01 1 80 1,25%
80 100%
Lição nº 14
Tema: medidas de tendência central
Há várias medidas de tendência central, entretanto neste material será realizado o estudo
apenas daquelas que forem as mais significativas para a teoria de pesquisa
mercadológica.

ESTATÍSTICA I
[email protected]
As mais importantes medidas de tendência central, são a média aritmética, média

aritmética para dados agrupados, média aritmética ponderada, mediana, moda, média
geométrica, média harmónica, quartis.
Quando se estuda variabilidade, as medidas mais importantes são: amplitude, desvio

padrão e variância.
Medidas Fórmula Exemplo

Média
aritmética
Média
aritmética
para dados
agrupados
Média 4 (4) + 6 (9) = 7
aritmética
ponderada
1) Se n é impar, o valor é central, 2) se n é par, o 12 13 14 = 13 12 13
Mediana
valor é a média dos dois valores centrais. 14 15 = 13,5
Valor que ocorre com mais frequência. 22 23 22 22 34 45 =
Moda
22
Média G = nv X1 X2... 3
v12 x 14 x 16 = 13,90
geométrica
Média
harmônica

Quartis
Exemplo de cálculo de quartil:
Para a amostra abaixo, calcular o primeiro e o terceiro quartis:

ESTATÍSTICA I
[email protected]
1) Valores em ordem crescente e cálculo de p(i).
13,3 13,5 17,2 13,8 12,3 12,7 13,0 14,5 14,9 15,8 13,1 13,3 14,1
12,3 12,7 13,0 13,1 13,3 13,3 13,5 13,8 14,1 14,5 14,9 15,8 17,2
X (i) I
12,3 01 0,038
12,7 02 0,115
13,0 03 0,192
13,1 04 0,269
13,3 05 0,346
13,3 06 0,423
13,5 07 0,500
13,8 08 0,577
14,1 09 0,654
14,5 10 0,731
14,9 11 0,808
15,8 12 0,885
17,2 13 0,962
2) Valores imediatamente acima e abaixo de 0,25 (13,0 e 13,1), associados com p (inf) =
0,192 e p (sup) = 0,269

ESTATÍSTICA I
[email protected]
Valores imediatamente acima e abaixo de 0,75: x(inf) = 14,5 e x (sup) = 14,9, associados
com p(inf) = 0,731 e p(sup) = 0,808:
O valor para o segundo quartil é representado pela mediana (13,5).
Variabilidade
Amplitude total: Definida como a diferença entre o maior e o menor valor das
observações
Por exemplo, a amplitude entre 8 12 14 16 18, é 10.
Desvio Padrão (DP): O DP é a raiz quadrada da variância. É uma medida de

variabilidade que leva em consideração toda a informação contida na amostra.
Um exemplo como o a seguir ilustra bem a aplicação da medida do desvio padrão.
A média da idade da amostra foi de 15,00 anos, com desvio-padrão de 1,05 anos, o que
indica a maioria dos respondentes entre 14 e 16 anos.
Por exemplo, na amostra (10 12 14 16 18), o desvio padrão será
...

ESTATÍSTICA I
[email protected]
Lição nº 15
Tema: Teste de hipótese
Objectivo: que os alunos saibam que Uma hipótese estatística é uma afirmativa a
respeito de um parâmetro de uma distribuição de probabilidade. Através dos elementos
amostrais faz-se um teste que indicará a aceitação ou rejeição da hipótese formulada.
Uma hipótese estatística é uma afirmativa a respeito de um parâmetro de uma

distribuição de probabilidade. Através dos elementos amostrais faz-se um teste que
indicará a aceitação ou rejeição da hipótese formulada.
Hipótese estatística é uma suposição de um parâmetro populacional. Por exemplo:
1. A renda média da população da Facada é kz 350,00.Então H: μ = 350,00.
2. A proporção de alunos reprovados é 35%, ou seja: H:p = 0,35
A contrapartida para uma hipótese alternativa (H1) é a hipótese nula (H0). A primeira
sempre é expressa por uma desigualdade e a segunda sempre por uma igualdade.
Utiliza-se o teste de hipótese para casos como comparação de médias, de pares de

observação, de variâncias, e de parâmetros, entre outros.
Estatística não paramétrica
Distintamente da estatística paramétrica, que trata de testes para variáveis razão e

intervalares, a estatística não paramétrica aborda os testes para variáveis nominais e
ordinais.

ESTATÍSTICA I
[email protected]
Conclui-se então que os parâmetros populacionais e as estimativas são desconsiderados

nos testes a seguir.
Segundo Fonseca (1996), os testes não paramétricos são muito interessantes para os
dados qualitativos quando se trabalha com amostras pequenas, (inferiores a 30).
Os principais representantes desta estatística são os testes de Qui Quadrado, de

Wilcoxon, de Mann-Whitney, da Mediana, e de Kruskall-Wallis.
Abordar-se-á apenas o de Qui quadrado por considerar-se o mais importante e popular.
Teste do qui quadrado
Este teste objectiva verificar se a frequência absoluta observada de uma variável é

significativamente diferente da distribuição de frequência absoluta esperada.
Teste do qui quadrado para uma amostra
Aplica-se quando se quer estudar a dependência entre duas variáveis, através de uma
tabela de dupla entrada ou também conhecida como tabela de contingência.
Condições para a execução do teste
Exclusivamente para variáveis nominais e ordinais;
Observações independentes;
Não se aplica se 20% das observações forem inferiores a 5
Não pode haver frequências inferiores a 1;
Nos dois últimos casos, se houver incidências desta ordem, aconselha-se agrupar os
dados segundo um critério em específico.

ESTATÍSTICA I
[email protected]
Procedimento para a execução do teste
1. Determinar H0. Será a negativa da existência de diferenças entre a distribuição de

frequência observada e a esperada;
2. Estabelecer o nível de significância (µ );
3. Determinar a região de rejeição de H 0. Determinar o valor dos graus de liberdade (φ),

sendo K – 1 (K = número de categorias). Encontrar portanto, o valor do Qui-quadrado
tabelado;
4. Calcular o Qui Quadrado, através da fórmula:
Sendo o Qui Quadrado calculado, maior do que o tabelado, rejeita-se H0 em prol de H1.
Exemplo
Um vendedor trabalhou comercializando um produto em sete bairros residenciais de

uma mesma cidade em um mesmo período do ano.
Seu gerente decidiu verificar se o desempenho do vendedor oscilava em virtude do

bairro trabalhado, ou seja, se as diferenças eram significativas nos bairros trabalhados.
A partir deste estudo o gerente poderia então elaborar uma estratégia comercial para
cada bairro ou manter uma para todos.
Bairro 1 2 3 4 5 Total
Valores Observados 9 11 25 20 15 80
Valores Esperados 16 16 16 16 16 80
H0: não há diferenças significativas entre os bairros

ESTATÍSTICA I
[email protected]
H1: as diferenças observadas para os bairros 3 e 4 são significativamente diferentes para

melhor em relação aos demais bairros.
µ = 0,05
g.l = 5 – 1 = 4, onde Qui quadrado tabelado é igual a 9,49.
Χ2 = (9-16)2 + (11 – 16) 2 + (25-16) 2 + (20 – 16) 2 + (15 – 16) 2/16
Χ2 = 72 + 52 +92 + 42 + 12= 172/16 = 10,75
Conclui-se que o Qui quadrado calculado (10,75) é maior do que o tabelado (9,49),
rejeita-se H0 em prol de H1.
Portanto há diferença significativa, ao nível de 0,05, para os bairros 3 e 4. Face ao

cálculo o gerente deve elaborar uma estratégia comercial para cada bairro.
Lição nº 17
Tema: Teste do qui quadrado para independência (duas amostras)
Objectivo: que os alunos saibam que a utilização do presente teste em pesquisa visa
verificar se as distribuições de duas ou mais amostras não relacionadas diferem
significativamente em relação à determinada variável.
A utilização do presente teste em pesquisa visa verificar se as distribuições de duas ou

mais amostras não relacionadas diferem significativamente em relação à determinada
variável.
Condições para a execução do teste
Exclusivamente para variáveis nominais e ordinais;
Preferencialmente para amostras grandes, <30;
Observações independentes;

ESTATÍSTICA I
[email protected]
Não se aplica se 20% das observações forem inferiores a 5
Não pode haver frequências inferiores a 1;
Nos dois últimos casos, se houver incidências desta ordem, aconselha-se agrupar os
dados segundo um critério em específico.
Procedimento para a execução do teste
Determinar H0. As variáveis são independentes, ou as variáveis não estão associadas;
Estabelecer o nível de significância (µ );
Determinar a região de rejeição de H0. Determinar o valor dos graus de liberdade (φ),
sendo φ = (L – 1) (C – 1), onde L = números de linhas da tabela e C = ao número de
colunas.. Encontrar portanto, o valor do Qui-quadrado tabelado;
Calcular o Qui Quadrado, através da fórmula:
Para encontrar o valor esperado (E), utilizar a fórmula a seguir:
Sendo o Qui Quadrado calculado, maior do que o tabelado, rejeita-se H0 em prol de H1.
Há dependência ou as variáveis não estão associadas.
Exemplo
Um pesquisador deseja identificar se há dependência no consumo de seus chocolates e

as cidades de sua região.

ESTATÍSTICA I
[email protected]
Cidades do Vale do Taquari

Sabor do chocolate Lajeado Santa Cruz Estrela Taquari ∑
Chocolate com caju 60 30 20 40 150
Chocolate com amendoim 45 35 20 10 110
Chocolate com flocos 55 25 47 13 140
Chocolate com passas 70 35 25 20 150
∑ 230 125 112 83 550
H0: A preferência pelos sabores independente da cidade
H1: A preferência pelos sabores depende da cidade.
µ = 0,05
φ = (4 – 1) (3 – 1) = 6, onde Qui quadrado tabelado é igual a 12,6.
Calculo dos valores

Cidades do Vale do Taquari
esperados (E).
Sabor do chocolate Lajeado Santa Cruz Estrela Taquari
Chocolate com caju 62,7 34,1 30,5 22,6
Chocolate com amendoim 46,0 25,0 22,4 16,6
Chocolate com flocos 58,5 31,8 28,5 21,1
Chocolate com passas 62,7 34,1 30,5 22,6
Χ2 = (60 – 62,7)2/62,7 + [(30 – 34,1) 2/34,1 ...[(20 – 22,6) 2/22,6 =
0,11+0,49+3,61+13,39+0,02+4+0,25+2,62+0,21+1,45+12+3,11+0,85+0,32+0,99+0,29
= 43,72
Conclui-se que o Qui quadrado calculado (43,72) é maior do que o tabelado (12,6),
rejeita-se H0 em prol de H1.

ESTATÍSTICA I
[email protected]
Portanto há diferença significativa, ao nível de 0,05, para as cidades.
Coeficiente de contingência (CC)
O CC é um indicador do grau de associação entre duas variáveis analisadas pelo Qui

quadrado.
Quanto mais próximo de 1, melhor o coeficiente de contingência, que varia de 0 a 1.
No exemplo dado acima o coeficiente seria 0,3442.
Lição nº 18
Tema: Teste T para duas amostras não relacionadas
Objectivo: que os alunos saibam que O teste t é muito utilizado em pesquisa para
verificar se a diferença observada entre duas médias obtidas nas amostras é considerada
grande para ser significativa
O teste t é muito utilizado em pesquisa para verificar se a diferença observada entre

duas médias obtidas nas amostras é considerada grande para ser significativa.
Supondo que dois estabelecimentos discutem qual possui clientes mais satisfeitos. Para
mensurar o grau de satisfação junto aos clientes, resolve-se realizar uma pesquisa de
satisfação aplicando um questionário com questões intervalares de 5 pontos.
O cliente A obteve média geral 2,85 e o cliente B obteve média geral 3,45.
Supostamente, conclui-se que o cliente B possui clientes mais satisfeitos que A.
O teste t visa justamente comprovar se tal diferença é significativa e explicar se as

diferenças entre as médias ocorrem devido ao erro amostral ou não.
Quando trabalha-se com amostras pequenas, existe uma tendência para que as médias
das amostras sejam realmente diferentes, mesmo que originem-se da mesma população.

ESTATÍSTICA I
[email protected]
Neste caso o teste t, objectiva justamente verificar se o grau de diferença entre os dois
conjuntos pode ser devido a factores outros que não o erro de amostragem.
Condições para aplicação
- Somente para questões intervalares;
- Quando a variância da população for desconhecida;
- n pode ser de qualquer tamanho.
Procedimento de execução
1. Determinar H0, não havendo diferenças entre as médias;
2. Determinar H1, para a existência de diferença entre as médias;
3. Estabelecer um nível de significância;
4. Calcular t, onde os graus de liberdade, φ = n1 + n2 – 2
onde SQ é a soma dos quadrados e x1 e x2 são as médias de cada grupo.
A fórmula acima pode divergir em alguns livros de estatísticas que abordem amostras
desiguais, no entanto, a mesma contempla amostras de tamanhos iguais ou não.
Comparar o t tabelado com t calculado e rejeitar a hipótese nula em prol da alternativa,

em caso de encontrar-se t calculado maior que o tabelado.

ESTATÍSTICA I
[email protected]
Exemplo
A B
1 3 2 3
2 4 4 3
3 3 5 4
2 2 3 5
4 1 3 3
3 3 4 2
3 4 2 1
3 2 5 3
4 4 4 4
4 2 5 2
T = 57 T = 69
n = 20 n = 20
X = 2,85 X = 3,45
SQ = 18,55 SQ = 24,95
Sendo t tabelado igual a 2,02 com 38 graus de liberdade e t calculado igual a 1,77,
rejeita-se a hipótese nula em prol da hipótese verdadeira.
Conclui-se, portanto que os dois grupos de clientes estão satisfeitos e que

provavelmente as diferenças entre as médias sejam devido ao erro de amostragem.
Lição nº 19
Tema: Análise de variância
Objectivo: que os alunos saibam que A análise de variância é um teste estatístico

amplamente difundido entre os analistas, e visa fundamentalmente verificar se existe
uma diferença significativa entre as médias e se os factores exercem influência em
alguma variável dependente.

ESTATÍSTICA I
[email protected]
A análise de variância é um teste estatístico amplamente difundido entre os analistas, e

visa fundamentalmente verificar se existe uma diferença significativa entre as médias e
se os factores exercem influência em alguma variável dependente.
Os factores propostos podem ser de origem qualitativa ou quantitativa, mas a variável

dependente necessariamente deverá ser contínua.
Haja visto que trata-se de um teste bastante difundido e inúmeros bons softwares
estatísticos e planilhas electrónicas possuem o recurso disponível, não haverá
aprofundamento desta técnica neste capítulo, sendo recomendada literatura
especializada.
A principal aplicação da ANOVA (analysis of variance) é a comparação de médias

oriundas de grupos diferentes, também chamados tratamentos, como por exemplo
médias históricas de questões de satisfação, empresas que operam simultaneamente com
diferentes rendimentos, entre muitas outras aplicações.
Existem dois métodos para calcular-se a variância: dentro de grupos (MQG) e a

variância das médias (MQR).
Em uma Anova, calcula-se esses dois componentes de variância. Se a variância

calculada usando a média (MQR) for maior do que a calculada (MQG) usando os dados
pertencentes a cada grupo individual, isso pode indicar que existe uma diferença
significativa entre os grupos.
Existem dois tipos de problemas a serem resolvidos através da Anova: a níveis fixos ou
a níveis aleatórios. A aleatoriedade determinada a questão do problema.
Na grande maioria dos casos trata-se de níveis fixos, afinal o segundo tipo de problema
(aleatório) somente surgirá quando ocorrer um estudo envolvendo uma escolha aleatória
de factores (em 10 lotes de produção, escolhe-se apenas 5, entre 15 máquinas de um
total de 20, por exemplo).
Tabela de Análise de Variância ou tabela ANOVA

ESTATÍSTICA I
[email protected]
Fonte de Variação SQ GDL MQ Teste F

Entre Grupos SQG K–1 MQG MQG/MQR
Dentro dos Grupos SQR N-K MQR
Total SQT N-1
- SQT = SQG + SQR (mede a variação geral de todas as observações).
- SQT é a soma dos quadrados totais, decomposta em:
- SQG soma dos quadrados dos grupos (tratamentos), associada exclusivamente a um

efeito dos grupos
- SQR soma dos quadrados dos resíduos, devidos exclusivamente ao erro aleatório,
medida dentro dos grupos.
- MQG = Média quadrada dos grupos
- MQR = Média quadrada dos resíduos (entre os grupos)
- SQG e MQG: medem a variação total entre as médias
- SQR e MQR: medem a variação das observações de cada grupo
f = MQG
MQR
N – 1=(K – 1) + (N – K)
SQT = SQG + SQR
MQG = SQG (K – 1)
A hipótese nula sempre será rejeitada quando f calculado for maior que o valor
tabelado. Da mesma forma, se MQG for maior que MQR, rejeita-se a hipótese nula.
Quadro
ESTATÍSTICA I
[email protected]
Fonte de variação SQ (soma dos quadrados) GDL (g.l) MQ (quadrados médio) Teste
F
Entre Grupos
Dentro dos grupos
Total
Se o teste f indicar diferenças significativas entre as médias, e os níveis forem fixos,

haverá interesse em identificar quais as médias que diferem entre si.
Calcular o desvio padrão das médias;
Sx = , ,onde nc é a soma do número de cada variável (grupo) dividido pelo

número de variáveis.
Calcular o limite de decisão (ld)
3 x Sx
Ordenar as médias em ordem crescente ou decrescente e compara-las duas a duas. A

diferença será significativa se for maior que Ld.
Se o teste f indicar diferenças significativas entre as médias, e os níveis forem

aleatórios, haverá interesse em identificar a estimativa dos componentes de variação.
O valor encontrado acima indicará a variabilidade total entre grupos, indicando se é

considerado significativa ou não.

ESTATÍSTICA I
[email protected]
Exemplo (níveis fixos):
Um pesquisador realizou um estudo para verificar qual posto de trabalho gerava mais
satisfação para o funcionário. Para isso, durante um mês, 10 funcionários foram
entrevistados. Ao final de um mês os funcionários responderam um questionário
gerando uma nota para o bem-estar do funcionário.
Postos
Funcionários 1 2 3
1 7 5 8
2 8 6 9
3 7 7 8
4 8 6 9
5 9 5 8
6 7 6 8
7 8 7 9
8 6 5 10
9 7 6 8
10 6 6 9
Resumo
Grupo Contagem Soma Média Variância
1 10 73 7,3 0,9
2 10 59 5,9 0,544444
3 10 86 8,6 0,488889
ANOVA
Fonte da variação SQ gl MQ F valor-P F crítico

Entre grupos 36,46667 2 18,23 28,29 2,37E-07 3,35
Dentro dos grupos 17,4 27 0,64
Total 53,86667 29

ESTATÍSTICA I
[email protected]
Como f calculado é maior do que o f tabelado, rejeita-se a hipótese nula em prol da

hipótese alternativa ao risco de 5%.
Há diferenças significativas entre os grupos. Observa-se que MQG é muito superior a

MQR, indicando uma forte variância entre os grupos.
1. Calcular o desvio padrão das médias;
2. Calcular o limite de decisão (Ld)
3 x Sx
3. Ordenar as médias em ordem crescente ou decrescente e compara-las duas a duas.
5,9
7,3
8,6
x1 – x2 = - 1,4
x1 – x3 = - 2,7
x2 – x3 = - 1,3
As três diferenças são menores que o Ld, conclui-se portanto que as médias diferem
entre si.

ESTATÍSTICA I
[email protected]
Lição nº 20
Tema: Regressão simples (RLS)
Objectivo: que os alunos saibam que Em inúmeras problemáticas, o pesquisador depara-

se com duas varáveis que proporcionam previsão de comportamentos futuros.
Em inúmeras problemáticas, o pesquisador depara-se com duas varáveis que

proporcionam previsão de comportamentos futuros.
Esta previsão pode ser alcançada através de um estudo que envolve a equação da recta
de regressão, concebida através das variáveis critério (y, dependente ou de resposta) e a
independente (x, também conhecida como prognóstico).
Trata-se de uma realidade comum no universo da pesquisa, envolvendo variáveis como

renda, idade, gastos, entre muitas outras.
Equação da recta
Y = a1 + a2.x
Onde, y é a variável dependente e x a independente.
a1 é o valore de y para x e a2.é valor médio de y por unidade x.
A relação linear entre as duas variáveis é medida pelo coeficiente de correlação (R).
R varia de –1 a 1, onde 1 é a correlação perfeita e o oposto indica forte correlação

negativa. Valores próximos de zero indicam fraca correlação.

ESTATÍSTICA I
[email protected]
No exemplo abaixo, se existisse um R elevado poderia-se prever y para eventos futuros.
Y X
Gastos com combustível Km rodados
Renda Pessoal Anos de estudo
Números de defeitos de peças Horas de treinamentos em qualidade
O cálculo de R é uma operação bastante simples para softwares com funções

estatísticas, sendo desnecessário o aprofundamento dos procedimentos de calculo.
Neste tipo de análise é importante determinar o quanto a linha de regressão representa

os dados. Neste caso, se faz necessário calcular o R 2 de Pearson ou coeficiente de
determinação.
Um R2 igual a 0,80, tem-se que 80% da variabilidade decorre de x. Inversamente, pode-
se dizer que 20% da variância de Y não é atribuível às diferenças em x.
Para obter-se o teste de hipótese, formula-se H0 e H1 da seguinte forma:
H0 :p = 0
H1: p ≠ 0
O cálculo de t é realizado através da formula,
Sendo t calculado maior do que t tabelado, rejeita-se a hipótese nula.
Exemplo
Um motorista deseja prever seus gastos com seu automóvel em função dos quilómetros
que roda por mês.

ESTATÍSTICA I
[email protected]
QUILÔMETROSGASTOS (R$)
3203 400
3203 400
2603 340
3105 400
1305 150
804 100
1604 200
2706 300
805 100
1903 200
3203 400
3702 450
3203 400
3203 400
803 100
803 100
1102 130
3202 400
1604 150
1603 200
3203 400
3702 450
3403 440
Estatística de regressão
R múltiplo 0,993064678
R-Quadrado 0,986177454
R-quadrado ajustado 0,985519237
Erro padrão 127,508336
Observações 23

ESTATÍSTICA I
[email protected]
Observando a tabela acima, percebe-se uma forte correlação entre as variáveis, onde R
está muito próximo de 1.
Quilómetros rodados explicam 98% da variância de gastos.
Lição nº 21
Tema: Regressão linear múltipla (RLM)
Objectivo: que os alunos saibam que em Muitos problemas de regressão envolvem mais
de uma variável regressora. Por exemplo: a satisfação geral poder ser composta por
diversas variáveis independente tais como preço, prazo de entrega, embalagem, entre
outras.
Muitos problemas de regressão envolvem mais de uma variável regressora. Por

exemplo: a satisfação geral poder ser composta por diversas variáveis independente tais
como preço, prazo de entrega, embalagem, entre outras.
Em virtude dos princípios da regressão múltipla serem análogos à da regressão simples,

não se abordarão aqui as particularidades que envolvem a equação geral da equação da
Regressão Múltipla: y = β0 + βx1 + β2x2 + ...+ βkxk + Σ.
Analogamente, a preocupação geral do analista nesta análise, é o R 2 que indica a

variabilidade total do modelo de regressão, e os R’s que variam de 1 a –1, indicando a
variabilidade total, onde haverá uma relação entre a variável de resposta e as
regressoras.
O teste de hipótese baseia-se no já abordado valor do t, onde ocorre a situação do

mesmo sendo calculado e maior do que o tabelado, rejeita-se a hipótese nula.
Exemplo:

ESTATÍSTICA I
[email protected]
Variáveis Coeficiente
Prazo de entrega 0,154
Envolvimento da equipe na solução de problemas 0,135
Preço praticado -0,002
Trabalho de pós venda 0,134
Embalagem 0,065
Neste exemplo real, objectiva-se mensurar o grau de satisfação dos clientes de uma
empresa distribuidora de software, onde a variável de resposta era a satisfação geral e as
regressoras eram as acima citadas (para um grupo de factores).
Observa-se que pouca representatividade é exercida por estas variáveis, afinal os

coeficientes pouco se afastam de zero. No entanto o R 2 é elevado (0,68), conferindo
uma boa precisão no cálculo.
Lição nº 22
Tema: Exercícios
1. Uma empresa possui quatro equipes de vendedores e deseja avaliar os resultados
abaixo discriminados. As vendas deveriam ser as mesmas. Para testar essa hipótese
foram feitas medições nas equipes. Analise os resultados e conclua a respeito de
possíveis diferenças entre as equipes.
Equipe 1 Equipe 2 Equipe 3 Equipe 4

824 817 822 826
821 830 810 828
829 819 831 810
808 809 824 820
815 825 818 815
2. Supondo que a variável escolhida de um pesquisa, seja nominal e a população finita

de 600 indivíduos (onde 60% dos indivíduos são mulheres). Deseja-se trabalhar com um
alpha de 5% e um erro amostral de 7%. Calcule o tamanho da amostra.

ESTATÍSTICA I
[email protected]
3. Organize os dados abaixo em uma tabela de distribuição de frequência, contendo o

intervalo de classe, a frequência absoluta, a frequência acumulada, a frequência relativa
e a frequência relativa acumulada.
20,4 22,3 23,1 23,5 23,8 24,1 24,3 24,3 24,6 24,8
24,9 25,0 25,1 25,3 25,3 25,4 25,6 25,7 25,8 26,0
26,0 26,1 26,2 26,2 26,3 26,5 26,6 26,7 26,8 26,9
27,1 27,1 27,3 27,5 27,7 27,9 28,0 28,3 28,7 29,6
4. Três arremessadores de disco, treinam para a Olimpíada. Os atletas arremessam seus

discos a 66 metros de distância (em média), com desvio padrão de 6,1 metros.
Qual a probabilidade de um atleta lançar seu disco entre 64 e 67 metros?
5. Uma determinada amostra possui variância de 0,0015 e média de 12,258. Sendo

o n igual a 12, construa o intervalo de confiança para média amostral.
6. Um gerente geral de determinada rede de lojas de varejo deseja saber se a estação
climática do ano interfere no volume de artigos vendidos. Teste a hipótese da estação do
ano interferir no volume vendido.
Verão Outono Inverno Primavera

Loja Centro 150 160 165 172
Loja Sul 180 179 177 180
Loja Norte 167 187 123 155
Loja Matriz 199 187 182 176
7. Um automóvel recebeu as notas abaixo junto a leitores de revista especializada.

Durante dois meses o pesquisa foi publicada e agora o fabricante deseja saber se há
diferenças significativas entre as notas ao longo dos dois meses.

ESTATÍSTICA I
[email protected]
Mês Jan Mês de Fev

9 6
8 6
7 6
9 6
7 5
6 5
4 5
9 4
9 3
9 2
9 6
8 5
8 5
7 8
8. Através de um estudo de share of mind, quatro amostras de telespectadores foram

entrevistados, oriundas dos estados de SP, AM, RN e RS. O objectivo do pesquisador é
verificar se há diferenças significativas entre as quatro amostras, se houve o mesmo
impacto da propaganda nos estados.
SP AM RN RS
5,2 5,9 5,2 6,9
5,9 6,3 5,9 6,8
6,6 6,7 6,6 6,7
7,3 7,1 7,3 6,6
8,0 7,5 8,0 6,5
8,7 7,9 8,7 6,4
9,4 8,3 9,4 6,3
7,9 8,7 9,7 6,2
8,3 9,1 5,2 6,1

ESTATÍSTICA I
[email protected]
7,3 9,5 5,9 6,0

8,0 5,9 6,6 5,9
8,7 6,3 7,3 5,8
9,4 6,7 8,0 5,7
7,9 7,1 8,7 5,6
8,3 7,5 9,4 5,5
Bibliografia
CUNHA, M.V. Análise Multidimensional de Dados Categóricos. In: PPGA, UFRGS,

16. 1997. Porto Alegre, RS
FONSECA, J. S, MARTINS, G. Curso de Estatística. São Paulo. Atlas.1996
FREITAS & CUNHA CONSULTORES LTDA. Guia do Usuário – Sphinx Léxica

2.08 for Windows®. Porto Alegre, 1998.
KOTLER, P. Administração de Marketing: Análise, Planejamnto, Implementação e

controle. São Paulo: Atlas, 1996.
LABES, E. M. Questionário: do planejamento à aplicação na pesquisa. Chapecó:

Grifos, 1998.
MARR, S.L., CROSBY, L.A. Customer Satisfaction Measurement: a management

Information system for total quality. Artigo de trabalho da Disciplina de
Comportamento do consumidor – PPGA – UFRGS, 1996.
MATTAR, F. N. Pesquisa de Marketing. São Paulo: Atlas, 1996.
ROSSI, C. A. V.; SLONGO, L. A. Pesquisa de satisfação de clientes: o estado-da-arte

proposição de um método Brasileiro. In: ENCONTRO ANUAL DA ANPAD,
21., Anais. 1997, Rio das Pedras, RJ. p.124
SLACK, N. Administração da produção. São Paulo: Atlas, 1997.

ESTATÍSTICA I
[email protected]
Tabela normal - distribuição z
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
-4.00.00003 0.00003 0.00003 0.00003 0.00003 0.00003 0.00002 0.00002 0.00002 0.00002
-3.90.00005 0.00005 0.00004 0.00004 0.00004 0.00004 0.00004 0.00004 0.00003 0.00003
-3.80.00007 0.00007 0.00007 0.00006 0.00006 0.00006 0.00006 0.00005 0.00005 0.00005
-3.70.00011 0.00010 0.00010 0.00010 0.00009 0.00009 0.00008 0.00008 0.00008 0.00008
-3.60.00016 0.00015 0.00015 0.00014 0.00014 0.00013 0.00013 0.00012 0.00012 0.00011
-3.50.00023 0.00022 0.00022 0.00021 0.00020 0.00019 0.00019 0.00018 0.00017 0.00017
-3.40.00034 0.00032 0.00031 0.00030 0.00029 0.00028 0.00027 0.00026 0.00025 0.00024
-3.30.00048 0.00047 0.00045 0.00043 0.00042 0.00040 0.00039 0.00038 0.00036 0.00035
-3.20.00069 0.00066 0.00064 0.00062 0.00060 0.00058 0.00056 0.00054 0.00052 0.00050
-3.10.00097 0.00094 0.00090 0.00087 0.00084 0.00082 0.00079 0.00076 0.00074 0.00071
-3.00.00135 0.00131 0.00126 0.00122 0.00118 0.00114 0.00111 0.00107 0.00103 0.00100
-2.90.00187 0.00181 0.00175 0.00169 0.00164 0.00159 0.00154 0.00149 0.00144 0.00139
-2.80.00256 0.00248 0.00240 0.00233 0.00226 0.00219 0.00212 0.00205 0.00199 0.00193
-2.70.00347 0.00336 0.00326 0.00317 0.00307 0.00298 0.00289 0.00280 0.00272 0.00264
-2.60.00466 0.00453 0.00440 0.00427 0.00415 0.00402 0.00391 0.00379 0.00368 0.00357
-2.50.00621 0.00604 0.00587 0.00570 0.00554 0.00539 0.00523 0.00508 0.00494 0.00480
-2.40.00820 0.00798 0.00776 0.00755 0.00734 0.00714 0.00695 0.00676 0.00657 0.00639
-2.30.01072 0.01044 0.01017 0.00990 0.00964 0.00939 0.00914 0.00889 0.00866 0.00842

ESTATÍSTICA I
[email protected]
-2.20.01390 0.01355 0.01321 0.01287 0.01255 0.01222 0.01191 0.01160 0.01130 0.01101
-2.10.01786 0.01743 0.01700 0.01659 0.01618 0.01578 0.01539 0.01500 0.01463 0.01426
-2.00.02275 0.02222 0.02169 0.02118 0.02067 0.02018 0.01970 0.01923 0.01876 0.01831
-1.90.02872 0.02807 0.02743 0.02680 0.02619 0.02559 0.02500 0.02442 0.02385 0.02330
-1.80.03593 0.03515 0.03438 0.03362 0.03288 0.03216 0.03144 0.03074 0.03005 0.02938
-1.70.04456 0.04363 0.04272 0.04181 0.04093 0.04006 0.03920 0.03836 0.03754 0.03673
-1.60.05480 0.05370 0.05262 0.05155 0.05050 0.04947 0.04846 0.04746 0.04648 0.04551
-1.50.06681 0.06552 0.06425 0.06301 0.06178 0.06057 0.05938 0.05821 0.05705 0.05592
-1.40.08076 0.07927 0.07780 0.07636 0.07493 0.07353 0.07214 0.07078 0.06944 0.06811
-1.30.09680 0.09510 0.09342 0.09176 0.09012 0.08851 0.08691 0.08534 0.08379 0.08226
-1.20.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.09852
-1.10.13566 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702
-1.00.15865 0.15625 0.15386 0.15150 0.14917 0.14686 0.14457 0.14231 0.14007 0.13786
-0.90.18406 0.18141 0.17878 0.17618 0.17361 0.17105 0.16853 0.16602 0.16354 0.16109
-0.80.21185 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673
-0.70.24196 0.23885 0.23576 0.23269 0.22965 0.22663 0.22363 0.22065 0.21769 0.21476
-0.60.27425 0.27093 0.26763 0.26434 0.26108 0.25784 0.25462 0.25143 0.24825 0.24509
-0.50.30853 0.30502 0.30153 0.29805 0.29460 0.29116 0.28774 0.28434 0.28095 0.27759
-0.40.34457 0.34090 0.33724 0.33359 0.32997 0.32635 0.32276 0.31917 0.31561 0.31206
-0.30.38209 0.37828 0.37448 0.37070 0.36692 0.36317 0.35942 0.35569 0.35197 0.34826
-0.20.42074 0.41683 0.41293 0.40904 0.40516 0.40129 0.39743 0.39358 0.38974 0.38590
-0.10.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43250 0.42857 0.42465
-0.00.50000 0.49601 0.49202 0.48803 0.48404 0.48006 0.47607 0.47209 0.46811 0.46414

Introdução À Estatística (Reparado)

Enviado por

Direitos autorais:

Formatos disponíveis

Introdução À Estatística (Reparado)

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introdução À Estatística (Reparado)

Enviado por

Direitos autorais:

Formatos disponíveis

ESTATÍSTICA I

Tema: Introdução à estatística

Objectivo: que os alunos entendam e percebam a importância da estatística no dia-a-dia.

A estatística fornece-nos as técnicas para extrair informação de dados, os quais são

Seguidamente o objectivo do estudo estatístico pode ser o de estimar uma quantidade ou

Francisco de Freitas Pá gina 1

Qualquer estudo científico enfrenta o dilema de estudo da população ou da amostra.

A alternativa praticada nestes casos é o trabalho com uma amostra confiável. Se a

Quando não é possível estudar, exaustivamente, todos os elementos da população,

Clique aqui para ver o exemplo 2

Quando a amostra não representa correctamente a população diz-se enviesada e a sua

Recenseamento é a contagem oficial e periódica dos indivíduos de um país, ou parte de

Estudo científico de um universo de pessoas, instituições ou objectos físicos com o

Francisco de Freitas Pá gina 2

Tema: Estatística descritiva e estatística indutiva

Objectivo: que os alunos saibam distinguir os tipos de estatística e saber a importância

Assim surge o conceito de sondagem, que se pode tentar definir como:

Amostragem é o processo que procura extrair da população elementos que através de

Tipos deNão probabilística

Francisco de Freitas Pá gina 3

A escolha de um método não probabilístico, via de regra, sempre encontrará

Indicada para estudos exploratórios. Frequentemente utilizados em supermercados para

O entrevistador dirige-se a um grupo em específico para saber sua opinião. Por

Na realidade, trata-se de uma variação da amostragem intencional. Necessita-se ter um

Francisco de Freitas Pá gina 4

Muito utilizada quando a escolha da amostra for desproporcional à população. Atribui-

Clique aqui para ver o exemplo 3

É o mais utilizado processo de amostragem. Prático e eficaz, confere precisão ao

Uma variação deste tipo de amostragem é a sistemática. Em um grande número de

Francisco de Freitas Pá gina 5

Quando se deseja guardar uma proporcionalidade na população heterogénea. Estratifica-

Em corriqueiras situações, torna-se difícil colectar características da população. Nesta

Quando deseja-se dimensionar o tamanho da amostra, o procedimento desenvolve-se

 Avaliar a variável mais importante do grupo e a mais significativa;

Variável intervalar e população infinita

Variável intervalar e população finita

Variável nominal ou ordinal e população

Variável nominal ou ordinal e população finita

Obs.: A proporção (p) será a estimativa da verdadeira proporção de um dos níveis

Francisco de Freitas Pá gina 6

Tema: Tipos de dados

Basicamente os dados, dividem-se em contínuos e discretos. O primeiro é definido

De acordo com o que dissemos anteriormente, numa análise estatística distinguem-se

Uma primeira fase em que se procura descrever e estudar a amostra (Estatística

1ª Fase (Estatística Descritiva): procura-se descrever a amostra, pondo em evidência

Francisco de Freitas Pá gina 7

2ª Fase (Estatística Indutiva): conhecidas certas propriedades (obtidas a partir de uma

Existe, assim, um certo grau de incerteza (percentagem de erro) que é medido em

Clique aqui para ver o exemplo 4

Tema: Dados, tabelas e gráficos

Objectivo: que os alunos saibam fazer o tratamento dos dados e apresenta-los em

1. Determina-se o menor e o maior valor para o conjunto:

Francisco de Freitas Pá gina 8

4. Definir o número de classes (K), que será calculado usando .

5. Conhecido o número de classes define-se a amplitude de cada classe:

6. Com o conhecimento da amplitude de cada classe, define-se os limites para cada

Clique aqui para ver o exemplo 5

A distribuição das frequências faz-se de forma aproximadamente simétrica,

Caso especial de uma distribuição simétrica: