FACULDADE ANHANGUERA DE SOROCABA

ATIVIDADES PRTICAS SUPERVISIONADAS

SOROCABA
FACULDADE ANHANGUERA DE SOROCABA

2013.2

ATIVIDADES PRTICAS SUPERVISIONADAS

INTEGRANTES:
Ana Paula Moura
Aline Matos Guimares
Alyne Goulart
Digines Rodrigues dos Santos
Francielly Dias Domingues

RA 5824321605
RA 5203951400
RA 5644106137
RA 7474689600
RA 5627105046

SOROCABA
2013.2
FACULDADE ANHANGUERA DE SOROCABA

ATIVIDADES PRTICAS SUPERVISIONADAS

Trabalho de concluso de semestre na Disciplina de
Estatstica do Curso de Administrao da Faculdade

Anhanguera Educacional, solicitado pelo Prof. Esp. Mrcio

Glauco de Campos Vieira.

SOROCABA
2013.2
SUMRIO

INTRODUO .............................................................................................................. 4
1 ETAPA 1.......................................................................................................................
1.1

Estatstica

Descritiva.............................................................................................
1.2

Desafio

A...............................................................................................................
1.3

4
4
5
7
8

Desafio

B...............................................................................................................
1.4

Desafio

C...............................................................................................................
2 ETAPA 2 ....................................................................................................................... 12
2.1 Medidas de Posio e Disperso.............................................................................. 12
2.2 Desafio.....................................................................................................................

12

3 ETAPA 3.......................................................................................................................

14

3.1

14

Probabilidade............................................................................................................

15

3.2 Desafio.....................................................................................................................
16
4 ETAPA 4......................................................................................................................
4.1
Correlao
e
Regresso 16
Lineares .............................................................................
4.2

17
Desafio 18

A..................................................................................................................
4.3

Desafio 20

B..................................................................................................................
20
CDIGO DE BARRAS PALNDROMO ....................................................................

CONSIDERAES FINAIS.........................................................................................
REFERNCIAS BIBLIOGRFICAS ......................................................................... 21

INTRODUO
Este trabalho tem como objetivo apresentar problemticas estatsticas e solues que
compreendem o cotidiano de inmero profissionais bem como o do administrador de
negcios. Atravs de diversas situaes problema, objetiva facilitar o processo de ensinoaprendizagem desenvolvendo uma srie de competncias.
Percorreremos a Estatstica Descritiva e suas tcnicas de descrio e sumarizao de
dados, Medidas de Disperso analisando a variabilidade dos dados, nos encontraremos com a
Probabilidade e as chances de um evento ocorrer encerrando com Correlao e Regresso
Lineares na verificao de relao entre variveis.
1- ETAPA 1
1.1 Estatstica Descritiva
Uma grande coleta de dados pode dos fornecer informaes confiveis, contudo,
necessitam de ordenamento, organizao e anlise crtica. Com isto o objetivo da Estatstica
descritiva apresentar tcnicas de descrio de dados e subtrair as informaes relevantes em
meio aos dados coletados, isolando estruturas e padres.
A estatstica uma importante ferramenta de gesto de negcios. O administrador se
viu diante de uma busca incessante pela melhoria de seus produtos ou seja, a qualidade como
um fator de deciso quando na venda de seu produto. Com isto, a estatstica fornece inmeros
dados que contribuem sobremaneira as tomadas de decises. Dentro do ambiente interno,
fornece ndices de desempenho, anlise de lucros e na perspectiva do macroambiente uma
srie de dados macroecommicos, pesquisas de satisfao entre muitos outros que a tornam
uma ferramenta indispensvel ao administrador.
A seguir apresentaremos o caso da empresa Vendomundo e seus dados de vida til
de lmpadas por ela fabricadas. Utilizamos os grficos histograma, polgono de frequncia e
ogiva e diagrama de caule e folha. Distribumos os dados em tabelas de distribuio de
frequncia de classes.
A empresa Vendomundo importou 10 contineres de lmpadas especiais de
duas

marcas distintas (marca A e B). Um controle de qualidade realizado antes que cada

lote de lmpada importada saia dos pases de origem. Para tanto, os dois fabricantes
coletam uma amostra de 40 lmpadas de 100 watts e medem o tempo de vida til (em
horas) de cada lmpada. Abaixo, vemos os resultados obtidos pelos fabricantes da lmpada A
5

e lmpada B:
Tabela 1 Tempo de vida til de duas marcas de lmpadas de 100 watts
(em horas).
Lmpada da marca A
Lmpada da marca B
684
831

697
835

720
848

773
852

821
852

819
907

836
912

888
918

897
942

903
943

859
893

860
899

868
905

870
909

876
911

952
994

959
1004

962
1005

986
1007

992
1015

922
939

924
943

926
946

926
954

938
971

1016
1038

1018
1072

1020
1077

1022
1077

1034
1082

972
1016

977
1041

984
1052

1005
1080

1014
1093

1096
1153

1100
1154

1113
1174

1113
1188

1116
1230

Fonte: Importadora Vendomundo

1.2 Desafio A
Gerar diagrama de Caule e Folha para cada uma das amostras.
Diagrama de Caule de folha

LMPADA A
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86

4
7

1
15
8
229
08

LMPADA B
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99

9
6

8
7
37
28

23
29
2
6
24
6

87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109

06
39
59
1
2460
89
36
4
127
4
5
46

1
2

0
3

100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123

457
568
02
48

277
2
6
0336

34
4
8

1.3 Desafio B
Montar as distribuies de frequncias com intervalos de classe para a
lmpada da marca A e para a lmpada da marca B, a partir dos dados apresentados
na tabela 1.
Clculos para Distribuio de Frequncia por Classes
MARCA A
Amplitude total (H)
H=1093-684
H = 409
Nmero de classes por Sturges
K= 1+3,322 (log10 n) = 1+3,322 (log10 40) = 1+3,322 (1,602)
K= 6,322 = 7
7

Amplitude de cada classe (h)

h=

H 409
=
=68,17
K
6

h= 70
MARCA B
Amplitude Total (h)
H= 1230-819
H= 411
Nmero de Classes por Sturges
K= 1+3,322 (log10 n) = 1+3,322 (log10 40) = 1+3,322 (1,602)
K= 6,322 = 7
Amplitude de cada classe (h)
h=

H 411
=
=68,5
K
6

h= 70
Tabelas de Distribuio de Frequncia por classes

1.4 Desafio C
Gerar para cada uma das distribuies de frequncia obtidas no Desafio B: o
histograma; o polgono de frequncia e ogiva;

Histogramas

Polgonos de Frequncia

Ogivas

2- ETAPA 2
2.1 Medidas de Posio e Disperso
Medidas de posio so dados que nos orientam em relao a posio da distribuio
em relao ao eixo horizontal do grfico da curva de frequncia. A medidas de posio
amostrais/populacionais mais importantes so as mdias aritmtica simples e ponderada,
moda e mediana.
Utilizamos a mdia aritmtica simples quando as ocorrncias no se distinguem por
peso e importncia, caso contrrio devemos utilizar uma mdia ponderada.
A moda representa valores que so repetidos, podendo ser unimodal quando apenas
um valor se repete bimodal, trimodal e plurimodal quando vrios valores se repetem.
Quando na ausncia de moda dizemos amodal.
As principais medidas de disperso so: varincia, desvio padro e o coeficiente de
variao. Para identificar uma varivel de forma completa deve-se adicionar uma medida
numrica que mostre a variabilidade ou disperso de seus valores. O conhecimento da
disperso dos valores uma medida chave na anlise estatstica de uma varivel.
2.2 Desafio
A respeito do estudo da vida til das lmpadas da marca A e B, podemos afirmar que:

10

I o tempo mdio de vida til das lmpadas A e B so respectivamente: 894,65 horas e

1003,35 horas. R: Incorreto (0).

(A)=

x = 684+697+ 1080+1093 =
n

40

(A)=909,65

( B)=

x = 819+836+ 1188+1230 =
n

40

( B )=1018 , 35

II comumente, as lmpadas da marca A duram 852 horas e da as marca B 1.077 horas;

R: Correto (1)
III o tempo mediano de vida til para a lmpada da marca A 910 horas e para a lmpada B
1.015,5 horas;
R: Incorreto (0). Para a mediana das marcas A e B temos:
Md ( A )=

911+922
=916,15
2

Md ( B )=

1015+ 1016
=1015,5
2

IV de todas as medidas de tendncia central obtidas no estudo de caso em questo, a mdia

a que melhor representa o tempo de vida til da lmpada da marca B;
R: Correto (1). Exceto se houvesse dados discrepantes muito fora da curva.
V a moda a melhor medida representativa para a sequncia de dados referentes
lmpada da marca B;
R: Incorreto (0). A moda a nica medida de tendncia central que pode ser usada
para descrever dados no nvel nominal de medio. Mas quando trabalhamos com dados
quantitativos, raramente ela utilizada. (LARSON; FARBER; 2010, p.57).
11

VI a sequncia de dados referentes lmpada da marca A apresenta uma forte

concentrao de dados em sua rea central;
R: Correto(1).
VII a lmpada da marca B possui uma distribuio assimtrica positiva;
R: Correto (1). Apresenta uma distribuio assimtrica direita (positivamente
assimtrica) pois a mdia 1018 maior que que a mediana 1003,46. (LARSON;
FARBER; 2010, p.61-62)
VIII 75% dos valores apresentados na tabela 1, para a lmpada da marca A, possuem um
tempo de vida til menor do que 971 horas;
R: Incorreto(0). A tabela apresenta 29 dados (de 40) com valores abaixo de 971 horas o
que representa percentualmente 72,5%.
IX 25% dos valores apresentados na tabela 1, para a lmpada da marca B, possuem um
tempo de vida til maior do que 1.000 horas;
R: Incorreto(0). A tabela apresenta 24 dados (de 40) com valores acima de 1000 horas o
que representa percentualmente 60%.
X os grficos Box-Plot para os dados amostrais da lmpada da marca A e marca B so:
R: Correto (1).

Lmpada
Medidas Lmpada A
1 quartil
855
Mnimo
684
Mediana
916,5
Mximo
1093
3 quartil
971

B
947,5
819
1015,5
1230
1089

12

3- ETAPA 3
3.1 Probabilidade
Quando nos referimos a probabilidade, estamos falando exatamente das chances de um
evento ocorrer diante da incerteza. buscar uma previsibilidade em meio a fenmenos
fsicos. Pode-se calcular a probabilidade a partir de uma frequncia que determinado dado
aparece em uma coleta de dados. Podemos tambm usar um experimento aleatrio que pode
ser repetido vrias vezes sob as mesma condies.
Utilizamos a probabilidade na administrao na soluo de conflitos e na tomada de
decises, alm de permitir a obteno de informaes possveis com base nos dados
disponveis, possibilitando-nos equacionar riscos desnecessrios.
3.2 Desafio
Com o intuito de reconhecer o trabalho e dedicao dos funcionrios, a importadora
Vendomundo realiza, semestralmente, eventos de confraternizao para seus colaboradores
e familiares. Nessa festa, alm de boa comida, bebida e msica, acontecem tambm
campeonatos de Poker.
Antes de iniciar o campeonato, o Dealer (a pessoa que distribui as cartas durante uma mo ou
jogada) embaralha as cartas no mnimo trs vezes. Involuntariamente, ao embaralhar a 1 vez,
trs delas caram sobre a mesa, viradas para baixo.
Sobre essas trs cartas, podemos afirmar que:
I a probabilidade de a 1 carta ser um s, a 2 carta ser uma figura e a 3 carta ser um nmero
de 1,30317%;
R: Correto.

P ( 1) =

4
12
36
P(2)= P (3)=
52
51
50

4
12
52
36
51
P ( E ) = p ( 1 ) . p ( 2 ) . p ( 3 )=
50
13

P(E)= 0,0130317 = 1,30317%;

II a probabilidade de todas as cartas serem um valete de 4%;

R: Incorreto.

P ( 1) =

4
3
2
P(2)= P (3)=
52
51
50

4
3
52
2
51
P ( E ) = p ( 1 ) . p ( 2 ) . p ( 3 )=
50
P(E) = 0,000181 = 0,0181%
III a probabilidade de que pelo menos uma delas seja uma carta de copas de 58,647%
R: Correto.
Nenhuma ser copa:

P ( 1) =

39
38
37
P (2)= P (3)=
52
51
50

39
38
52
37
51
P ( nenhuma ser copa )= p ( 1 ) . p ( 2 ) . p ( 3 )=
=0,41353=41,353
50
P(E) = 100% - 41,353% = 58,647%
IV a probabilidade de a 3 carta ser de 7 de paus, sabendo que a 1 carta um 8 de espadas e
a 2 carta um rei de ouros de 5,60412%
R: Incorreto.
P ( E )=

1
50

P(E) = 0,02 = 2%
4- ETAPA 4
14

4.1 Correlao e Regresso Lineares

Correlao um conjunto de variveis quantitativas distintas. Quando duas variveis
esto ligadas por uma relao estatstica, dizemos que existe correlao entre elas. Se houver
uma correlao entre as variveis, poderemos ter uma funo matemtica que caracteriza esta
relao, com a regresso seremos capazes de determinar os parmetros desta funo
O instrumento empregado para a medida da correlao linear o coeficiente de
correlao. Esse coeficiente deve indicar o grau de intensidade da correlao entre duas
variveis e, ainda, o sentido dessa correlao sendo positivo ou negativo.
J a regresso linear uma anlise estatstica em que se pode verificar a existncia de
uma relao funcional numa varivel dependente com uma ou mais variveis independentes.
Podemos utilizar um diagrama de disperso para se avaliar o comportamento dos valores
dependentes em funo da varivel independente.
4.2 Desafio A
A empresa Vendomundo responsvel pela importao de 20% das marcas que uma
determinada cadeia de lojas de desconto de roupas femininas comercializa. Ao longo de 25 anos,
essa cadeia de lojas ampliou sua participao de mercado aumentando o nmero de pontos de suas
lojas no Brasil. Nunca foi utilizado um mtodo sistemtico para a seleo desses pontos. A seleo
de pontos era baseada, principalmente, no que era considerado um bom aluguel ou uma boa
localizao. Neste ano, com um planejamento estratgico para abrir diversas lojas novas, foi
pedido ao diretor de projetos especiais e de planejamento um mtodo de previso de vendas
semanais para todas as novas lojas. Os dados a seguir representam as vendas semanais (em
milhares de reais) e a rea da loja (em metros quadrados) para a amostra de 14 lojas da cadeia:
Tabela 2 Seleo de pontos de lojas.

Loja

Vendas Semanais (em

rea (m2)

milhares de R$)
X

15

7.394

160

7.823

153

13.363

262

19.168

516

6.865

120

11.174

225

7.351

122

5.411

102

10.983

293

10

5.821

141

21.439

479

11
12

Diagrama de Disperso

4.3 Desafio B
A respeito dos dados amostrais apresentados na tabela 2, podemos afirmar:
I o coeficiente de correlao de Pearson para os dados amostrais apresentados na tabela 2
dado por r= 0,9566;
16

R: Correto. O Coeficiente de correlao linear de Pearson 0,9566.

II equao de regresso de mnimos quadrados para os dados apresentados na

tabela 2 dada por: Y

x=

1694,7042 + 36,6921 X ;

R: Correto.

III a mdia prevista de vendas semanais para uma loja que tenha 300 metros
quadrados de rea ser de aproximadamente 12.700 (milhares de R$).
R: Correto.

17

IV se as vendas da loja 7 forem iguais a 5.343 (milhares de R$), a mdia prevista de

vendas

semanais ser de aproximadamente 500 metros quadrados.

R: Incorreto. Para vendas de 5.343 milhares so necessrios aproximadamente 100 m (99,43m)

Yx = 1694,7042+36,6921 X
5343 = 1694,7042+36,6921X

X=

3648,2958
36,6921

X= 99,43
CDIGO DE BARRAS PALNDROMO

I
0

II
1

III
0

IV
1

V
0

VI
1

VII
1

VIII
0

IX
0

X
1

I
0

II
0

III
1

IV
1

I
1

II
0

III
0

IV
0

18

0 1 0 1 0 1 1 0 0 1 0 0 1 1 1 0 0 0 0 0 0 1 1 1 0 0 1 0 0 1 1 0 1 0 1 0

CONSIDERAES FINAIS
O presente trabalho propiciou o contato com vrios conceitos de Estatstica e suas
ferramentas norteadoras para a conduo de decises mais coerentes e acertadas do
administrador. Por meio de diversas atividades, pudemos compreender o funcionamento da
Estatstica em diversas situaes quais, sem ela, impossibilitar-se-ia a soluo de diversos
problemas que insurgem na locomotiva do mercado de produo de bens e servios.
O administrador que negligenciar o mtodo estatstico para a gerncia do seu negcio,
certamente se encontrar deriva no acirrada concorrncia de mercado.
REFERNCIAS BIBLIOGRFICAS

LUTZ, Maurcio. Correlao. <http://iffmauricio.pbworks.com/w/file/fetch/

59898760/Correla%C3%A7%C3%A3o.pdf> Acesso em: 20 nov. 2013
CETControlo Estatstico de Qualidade. <http://docentes.esa.ipcb.pt/tmlc/
EST_DESC.pdf> Acesso: 20 nov. 2013

19

LARSON, Ron.; FARBER, Betsy. Estatstica Aplicada. 4 ed. So Paulo: Pearson Prentice Hall, 2010.

20