RESUMO I ESTATSTICA

SAYURI YAMANE

CAPTULO I INTRODUO E COLETA DE DADOS 1.1 Porque um gerente precisa conhecer estatstica No sculo XXI, o acesso a uma grande quantidade de informaes, precisam de mtodos para tomar melhores decises. Gerentes precisam conhecer estatstica pelas seguintes quatro razes: 1. Para saber como apresentar informaes de forma apropriada; 2. Para saber como tirar concluses a partir de grandes populaes, como base somente na informao obtida atravs de amostras 3. Para saber como melhorar os processos 4. Para saber como obter previses confiveis

Os mtodos estatsticos so comumente usados pelas reas funcionais de negcios: contabilidade, finanas, administrao e marketing. Contabilidade: auditoria e despesas; Finanas: investimentos e descobrir tendncias Administrao: melhorar a qualidade dos produtos ou servios; Marketing: relacionar cliente e produtos, e melhor estratgia de vendas.

1.2 O crescimento e o desenvolvimento da estatstica moderna Est relacionada a trs fenmenos isolados: A necessidade do governo coletar dados de seus habitantes; O desenvolvimento da matemtica da teoria da probabilidade; Evoluo da computao eletrnica.

Estatstica descritiva: Mtodos centrados na coleta, na apresentao e na caracterizao de um conjunto de dados, de modo a descrever apropriadamente as vrias caractersticas daquele conjunto.

Inferncia estatstica: torna possvel a estimativa de uma caracterstica de uma populao, ou a tomada de uma deciso referente a uma populao, com base somente em resultados de amostra. Populao ou universo: totalidade dos itens ou objetos considerados;

RESUMO I ESTATSTICA

SAYURI YAMANE

Parmetro: medida resumida que descreve uma caracterstica de toda uma populao; Amostra: parte da populao que selecionada para anlise; Estatstica: medida resumida calculada a partir dos dados da amostra, usada para descrever ou estimar uma caracterstica de toda uma populao.

A teoria da probabilidade oferece uma ligao, determinando a possibilidade dos resultados da amostra refletirem os resultados da populao. A evoluo da computao eletrnica permite que usurios individuais tenham habilidades computacionais que os primeiros estatsticos nem imaginaram.

1.5 porque dados so necessrios Dados: informao necessria para auxiliar uma deciso bem instruda em determinada situao. Oferece insumo essencial para uma pesquisa ou estudo; Medir desempenho de um processo de produo ou de um servio em andamento; Avaliar conformidade com os padres; Assessora na formulao de cursos de ao alternativos num processo de deciso; Para satisfazer uma curiosidade.

1.6 Fontes de dados Fontes-chave para a coleta de dados 1. Obter dados j publicados Poe fontes governamentais, industriais ou individuais; 2. Planejar um experimento para obter os dados necessrios 3. Conduzir uma pesquisa 4. Fazer anlise atravs de um estudo observacional.

Coletores de dados: fontes primrias; Compiladores de dados: fontes secundrias. Grupo de foco: elucidar respostas desestruturadas para questes em aberto. Brainstorming, tcnica Delphi e o mtodo de grupo nominal: enfatiza a importncia do trabalho de equipe o envolvimento do empregado a melhoria de cada produto e servio.
2

RESUMO I ESTATSTICA

SAYURI YAMANE

1.7 Tipos de dados Variveis aleatrias: Categricas: produz respostas categricas: sim ou no; Numricas: respostas numricas; Discretas: respostas por um nmero inteiro; Contnuas: respostas numricas atravs de um processo de medio (nmeros fracionados). 1.8 tipos de mtodos de amostragem O processo de amostragem inicia-se pela definio da estrutura ou quadro da populao (frame). Estrutura ou quadro da populao (frame) uma lista completa ou parcial dos itens contidos na populao; Razes para delinear uma amostra: 1. Consome menor tempo que um censo; 2. Menos dispendiosa para administrar que um censo; 3. menos enfadonha e mais prtica para administrar que um censo.

Amostra: 1. No-probabilstica: aquela na qual os itens ou indivduos includos so escolhidos sem levar em conta a probabilidade de sua ocorrncia; por quota ou por fatia.
3

RESUMO I ESTATSTICA

SAYURI YAMANE

Vantagens: convenincia, rapidez e baixo custo Desvantagens: falta de exatido devida ao vis de seleo e impossibilidade de generalizar os resultados

2. Probabilstica (estatsticas corretas): aquela no qual os sujeitos da amostra so escolhidos com base em probabilidades conhecidas; aleatria simples, sistemtica, estratificada e a amostra de grupo(cluster). 2.1 amostra aleatria simples: cada indivduo ou item de uma estrutura ou populao possui mesma chance de seleo; mais elementar; n o tamanho da amostra e N representa a populao; com reposio ou sem reposio. 2.1.2 amostragem com reposio: aps um indivduo ou item selecionado, ele retorna para a populao, onde tem a mesma probabilidade de ser novamente selecionado; 2.1.3 amostragem sem reposio: aps um indivduo ou item selecionado, no retorna para a populao 2.2 amostra sistemtica: N indivduos ou itens da populao so fracionados em k grupos, pela diviso da populao N pelo n da amostra. k = N/n; ocorre vis de seleo e falta de representatividade das caractersticas da populao em relao a aleatria simples. 2.3 Amostra estratificada: N indivduos ou itens so subdivididos em estratos de acordo com uma caracterstica em comum. A preciso produzida pela homogeneidade dos indivduos ou itens dentro de cada estrato, quando combinados por toda a extenso de estratos. 2.4 Amostra de grupo (cluster): os N indivduos ou itens so divididos em diversos grupos ou clusters, de forma que cada grupo seja representativo na populao total. 1.9 avaliando o mrito da pesquisa Para evitar pesquisas que caream de objetividade ou credibilidade, voc deve examinar de forma crtica: 1. examinar os objetivos da investigao, o porqu ter sido realizada e para quem. 2. Determinar se a pesquisa foi baseada em uma amostra probabilstica ou no probabilstica.
4

RESUMO I ESTATSTICA

SAYURI YAMANE

Erros de pesquisa Toda pesquisa sujeita a erros potenciais: 1. Erro de cobertura: ocorre se certos grupos de sujeitos so excludos da lista da populao, de forma que os mesmos no possuam chance de ser selecionados na amostra. Vis de seleo(caractersticas da estrutura e no da populao). 2. Erro por falta de resposta: provm da falha em coletar dados de todos os elementos da amostra e resultam em vis pela falta de resposta. 3. Erro de amostragem: refletem na heterogeneidade ou diferena de chance de amostra para amostra, com base na probabilidade de determinados indivduos ou itens serem selecionados em determinadas amostras. 4. Erro de medio: refere-se falta de exatido das respostas registradas, pela deficincia na formulao da pergunta, um efeito causado pela influncia do entrevistador sobre o entrevistado, ou no resultado do esforo do entrevistado. Questes ticas: 1. Um patrocinador de uma pesquisa pode intencionalmente escolher perguntas direcionadas ou indutivas, que iriam conduzir as respostas numa direo especfica. 2. Um entrevistador, atravs de maneirismos e tonalidade de voz, pode intencionalmente influenciar o entrevistado ou, de outra maneira, guiar as respostas numa direo especfica. 3. Um entrevistado que menospreze o processo de investigao pode intencionalmente fornecer falsas informaes. CAPTULO II APRESENTANDO DADOS EM TABELAS E GRFICOS 2.1 organizando os dados numricos mtodos de organizar as observaes: disposio ordenada: sequncia de dados brutos, com ordem de classificao do menos para o maior. disposio ramo-e-folha: separa entrada de dados entre dgitos principais, ou ramos, e dgitos secundrios. 2.2 tabelas e grficos para dados numricos

RESUMO I ESTATSTICA

SAYURI YAMANE

2.2.1 distribuio de freqncia: dados encontram-se organizados na forma de grupamento de classes ou categorias, adequadamente estabelecidas e numericamente ordenadas. Grupos de classe(categorias) O nmero de grupos de classe depende do nmero de observaes. Deve ter pelo menos 5 grupos de classe at 15. Intervalos de classe: cada grupo deve ter a mesma amplitude. Para determinar a amplitude de um intervalo de classe, o intervalo dos dados dividido pelo nmero de grupos de classe desejado. Amplitude do intervalo = intervalo/n de grupo de classes Limites de classe claramente definidos para melhor observao. Ponto mdio da classe o ponto situado na metade do caminho entre os limites de cada classe, e representativo dos dados dentro daquela classe.

2.2.2 Distribuio de freqncia relativa (proporo)e de percentagem Distribuio de freqncia relativa formada dividindo-se as freqncias em cada classe da distribuio da freqncia pelo nmero total de observaes. Distribuio de percentagem formada pela multiplicao de cada freqncia ou proporo relativa por 100.

2.2.3 Distribuio acumulada Tcnica eficaz para tabular dados. Fornecem informaes sobre conjuntos de dados que no podem ser obtidos a partir da prpria distribuio de freqncia.

2.2.4 Histograma um grfico no qual as barras retangulares so construdas nos limites de cada classe.

2.2.5 Polgono de percentagem se forma quando o ponto mdio de cada classe representa dados naquela classe e, em seguida, liga a sequncia de pontos mdios em suas respectivas percentagens de classe.

2.2.6 Polgono de percentagem acumulada (ogiva) uma representao grfica de uma distribuio de percentagem acumulada.
6

RESUMO I ESTATSTICA

SAYURI YAMANE

2.2.7 Tabela resumida semelhante a uma tabela de distribuio de freqncia

2.2.8 Grfico de barras cada categoria ilustrada por uma barra, cujo comprimento representa a frequncia ou percentagem de observaes que se enquadram em uma categoria.

2.2.9 Grfico de pizza expressa dados categricos e dividida de acordo com o percentual de cada categoria. O objetivo da representao grfica exibir dados de uma forma correta e clara.

2.2.10 Diagrama de Pareto fornece maiores informaes que o grfico de barras ou pizza. um tipo especial de grfico de barras verticais, no qual as respostas categricas so desenhadas em ordem de classificao decrescente em relao a suas freqncias, e combinadas com um polgono acumulado no mesmo grfico.

2.3 elaborando tabelas e grficos de dados categricos e bivariados 2.3.1 Tabela de contingncia ou tabela de classificao cruzada deve ser formada. 2.4 Excelncia grfica Uma boa exposio grfica, revela aquilo que os dados esto transmitindo. Tabelas e grficos precisam ser apresentados de froma clara e cuidadosa, de maneira a otimizar uma anlise dos dados. Funes de dados grficos: 1. Mostrar os dados 2. Fazer com que o observador concentre-se na essncia do grfico, e no na forma como o grfico foi desenvolvido; 3. Evitar distores; 4. Incentivar comparaes de dados; 5. Servir a um propsito claro; 6. Estar integrado com as descries estatsticas e verbais do grfico

RESUMO I ESTATSTICA

SAYURI YAMANE

Princpios de excelncia grfica: 1. A excelncia grfica uma representao bem elaborada de dados, que fornece substncia, estatsticas e forma. 2. Comunica idias complexas com clareza, preciso e eficincia; 3. Fornece ao observador o maior nmero de idias, menos espao de tempo, com menor volume de impresso; 4. Quase empre envolve vrias dimenses; 5. Exige que seja transmitida a verdade sobre os dados Razo dado impresso a proporo de impresso do grfico que dedicada exposio de informaes no-redundantes relativas aos dados: Razo dado-impresso = dado-impresso/total de impresso utilizada para imprimir o grfico Sucata de grficos so adornos que correspondem impresso daquilo que no representativo dos dados ou impresso de dados redundantes. Fator de inverdade a razo entre a dimenso do efeito demosntrado no grfico e a dimenso do efeito sobre os dados.