Escolar Documentos
Profissional Documentos
Cultura Documentos
Revisada e Ampliada
O Autor:
William Costa Rodrigues Agrnomo, Doutor em Fitotecnia e PsDoutor em Entomologia, pela Univ. Federal Rural do Rio de Janeiro.
Prof. da Universidade Severino Sombra e no Instituto Superior de
Tecnologia de Paracambi/ FAETEC-RJ, ministra aulas de Ecologia1,
Toxicologia1, Climatologia1, Estudos de Impacto Ambiental1, Estatstica Aplicada2 e Auditoria Certificao Ambiental2, Metodologia da
Pesquisa Cientfica2 na graduao e de Estatstica Ambiental1 e Biondicadores Ambientais1 na especializao de Planejamento e Gesto
Ambiental1, onde tambm Supervisor Pedaggico. Atua como desenvolvedor de softwares agrcolas e Cientficos. Coordenador Geral
do projeto Entomologistas do Brasil (www.ebras.bio.br). Coordenador e autor de captulos no livro Citricultura Fluminense: Principais
pragas e seus inimigos naturais. Trabalha ativamente com anlise estatstica em projetos na rea agrcola e ambiental. O autor poder ser
contatado atravs do e-mail: wcostarodrigues@yahoo.com.br.
Esta Obra:
A apostila Estatstica Ambiental foi inicialmente utilizada no programa de Ps-Graduao Lato Sensu, Planejamento e Gesto Ambiental e
no Curso de graduao em Gesto Ambiental, na disciplina Estatstica
Aplicada, tendo como objetivo informar o discente sobre os princpios
bsicos da estatstica, relacionando-a com a metodologia cientfica,
possibilitando um entendimento bsico sobre o assunto. Hoje a apostila tambm utilizada em cursos de graduao. Capa: Fotos do Autor
na Ilha da Marambaia. Foto superior Casulo de Plecoptera e foto inferior, crrego onde ao casulo foi coletado.
Copyright2004Copyright2004-2008
2008, W.C. Rodri
Rodrigues
1
2
Sumrio
1
2
3
4
5
Introduo................................................................................................................. 1
1.1
Crescimento e Desenvolvimento da Estatstica Moderna ................................ 1
1.2
Variao ao Acaso ............................................................................................ 1
Ensaio x Experimentao ......................................................................................... 2
Conceitos Estatsticos ............................................................................................... 2
3.1
Estatstica Descritiva ........................................................................................ 2
3.2
Inferncia Estatstica......................................................................................... 2
3.3
Tipos de Dados ................................................................................................. 3
3.3.1
Variveis Aleatrias Categorizadas.......................................................... 3
3.3.2
Variveis Aleatrias Numricas ............................................................... 3
Por que Utilizar a Estatstica .................................................................................... 4
Planejamento Experimental...................................................................................... 4
5.1
Fases do Planejamento ..................................................................................... 4
5.1.1
Problema................................................................................................... 5
5.1.2
Informaes Existentes............................................................................. 5
5.1.3
Noes Gerais Sobre Hiptese ................................................................. 5
5.1.4
Formulao das Hipteses ........................................................................ 6
5.1.4.1 Elaborando as hipteses........................................................................ 6
5.1.4.2 Hiptese Estatstica x Hiptese Cientfica ........................................... 6
5.1.5
Testando as Hipteses .............................................................................. 6
5.1.6
Riscos na Tomada de Deciso Atravs Teste de Hipteses ..................... 6
5.1.7
Aleatorizao ............................................................................................ 7
5.2
Erros de Observaes ....................................................................................... 7
5.2.1
Erros do Observador................................................................................. 7
5.2.2
Erro do Mtodo de Observao ................................................................ 8
5.2.3
Por Falta de Resposta ............................................................................... 8
5.3
Controle dos Erros nas Observaes ................................................................ 8
5.4
Mtodos de Coleta de Dados ............................................................................ 8
5.4.1
Fontes Primrias ....................................................................................... 8
5.4.2
Fontes Secundrias ................................................................................... 8
5.5
Pesquisa Observacional .................................................................................... 9
5.6
Pesquisa Experimental...................................................................................... 9
5.6.1
Princpios da Experimentao ................................................................ 10
5.7
Tipos de Amostras .......................................................................................... 10
5.7.1
Amostras Simples ao Acaso ................................................................... 10
5.7.2
Amostra Estratificada ............................................................................. 11
5.7.3
Amostra Sistemtica ............................................................................... 11
5.7.4
Amostra por rea ................................................................................... 11
5.7.5
Amostra por Conglomeradas .................................................................. 11
5.7.6
Amostra Selecionada .............................................................................. 11
5.8
Determinao do Tamanho da Amostra ......................................................... 12
5.8.1
Tamanho da Amostra para Dados Discretos .......................................... 12
5.8.2
Tamanho da Amostra para Dados Contnuos ......................................... 13
Tcnicas Estatsticas Para Anlise de dados .......................................................... 14
6.1
Medidas de Tendncia Central ....................................................................... 14
6.1.1
Mdia Aritmtica Simples ( X ) .............................................................. 14
6.1.2
Mdia Aritmtica Ponderada .................................................................. 14
6.1.3
Mdia Aritmtica de Dados Agrupados em Intervalos .......................... 15
6.1.4
Mediana (Me) ......................................................................................... 16
6.2
Medidas de Variao ...................................................................................... 17
6.2.1
Desvio-Mdio (DM) ............................................................................... 17
6.2.2
Desvio Padro......................................................................................... 17
6.3
Varincia ou Quadrado Mdio ....................................................................... 18
6.4
Erro-Padro da Mdia - s(x) ........................................................................... 19
6.5
Coeficiente de Variao.................................................................................. 19
6.6
Curva de Distribuio Normal........................................................................ 19
6.6.1
Limites de Confiana.............................................................................. 21
6.6.2
Erro Padro ............................................................................................. 22
6.7
Teste de Normalidade dos Dados ................................................................... 22
6.8
Teste de Klomogorov-Smirnov (K-S) ............................................................ 22
6.9
Teste de Shapiro-Wilks (S-W) ....................................................................... 22
7
Testes Paramtricos e No Paramtricos................................................................ 23
7.1
Teste t - Student.............................................................................................. 23
7.1.1
Dados Pareados (Amostras Dependentes).............................................. 24
7.1.2
Dados Pareados (Amostras Independentes) ........................................... 25
7.1.3
Dados No-Pareados - Varincias Desiguais (Heterocedsticas)........... 26
7.1.4
Dados No-Pareados - Varincias Iguais (Homocedsticas) ................. 27
7.2
Teste Qui-Quadrado () ................................................................................ 28
7.3
Tabela de Contingncia .................................................................................. 28
7.4
Teste de Kruskal-Wallis ................................................................................. 29
7.5
Teste de Friedman (Anlise da Varincia) ..................................................... 31
8
Correlao Linear ................................................................................................... 32
8.1
Coeficiente de Correlao (r) ......................................................................... 32
8.1.1
Correlao de Pearson ............................................................................ 32
8.1.2
Correlao de Spearman......................................................................... 32
8.1.3
Aspectos Gerais da Correlao Linear ................................................... 33
8.2
Coeficiente de Determinao (r) ................................................................... 34
8.3
Coeficiente de Alienao (K) ......................................................................... 34
8.4
Significncia do Teste de Correlao ............................................................. 34
8.4.1
Significncia Baseada nos Intervalos ..................................................... 34
8.4.2
Significncia Baseada no Teste t para r (Pearson) ................................. 35
9
Anlise de Regresso.............................................................................................. 35
9.1
Regresso Linear Simples .............................................................................. 36
9.2
Regresso Linear Mltipla.............................................................................. 36
9.3
Regresso Mltipla ......................................................................................... 37
10
Transformao de Dados .................................................................................... 37
10.1 Raiz Quadrada ................................................................................................ 38
10.2 Transformao Logartimica .......................................................................... 38
10.3 Transformao Angular (Arcoseno)............................................................... 38
10.4 Consideraes Gerais ..................................................................................... 38
11
Testes Especficos Para Anlise de Populaes e Comunidades ....................... 38
11.1 ndice de Diversidade e Dominncia Populacional........................................ 38
11.1.1
ndice de Margalef ()............................................................................ 39
11.1.2
ndice de Glason (Dg) ............................................................................. 39
11.1.3
ndice de Menhinick (Dm) ...................................................................... 39
11.1.4
ndice de Shanon-Wiener (H') ................................................................ 39
11.1.5
ndice de Dominncia Berger-Parker (d)................................................ 39
11.2 Exemplo.......................................................................................................... 39
ndice de Tabelas
Tabela 1. Resultados da interpretao de 500 fotos areas de diversas reas com
presena de mata. (dados fictcios)........................................................................... 7
Tabela 2. Dados do peso de 10 crianas antes e depois da administrao a base de folhas
de mandioca (dados fictcios). ................................................................................ 24
Tabela 3. Dados de um experimento com a taxa de crescimento de mudas de duas
leguminosas em sistema agro-silvo-pastoril, numa rea de re-vegetao (dados
fictcios). ................................................................................................................. 25
Tabela 4. Resultados das amostras de cinco diferentes reas delimitadas pelas
caractersticas edficas do solo, em quatro diferentes profundidades. Os dados
apresentados referem-se a o poluente -
-16-Imaginol-Poluentis, em mg.mm de
solo ......................................................................................................................... 31
Tabela 5. Correlao de Spearman entre as notas brutas de matemtica e biologia (Zar,
1999)....................................................................................................................... 33
Tabela 6. Classificao do valor r atravs de intervalos de 0 a 1................................... 34
Tabela 7. Classificao do valor r atravs de intervalos de acordo com e Teste de Rugg.
................................................................................................................................ 34
Tabela 8. Srie de dados da correlao da flutuao populacional do pulgo Toxoptera
aurantii (Homoptera, Aphididae) em funo da brotao foliar de tangerina cv
Ponc, sob cultivo orgnico na Fazendinha Agroecolgica, no perodo de outubro
de 2002 e outubro de 2003 (Extrado de Rodrigues, 2004). Exemplo para o
Microsoft Excel. ..................................................................................................... 35
Tabela 9. ndices de diversidade de cochonilhas em agroecossiema ctrico. ................. 40
Tabela 10. Duas comunidades com sua composio de espcies em percentagem ....... 40
Tabela 11. Valores de t -student em nveis de 5% e 1% (
=0,05 a 0,01) de
probabilidade. ......................................................................................................... 44
=0,05 a 0,01) de
Tabela 12. Valores de (Qui-quadrado) em nveis de 5% e 1% (
probabilidade .......................................................................................................... 45
Tabela 13. Valores crticos para o Coeficiente de Correlao de Spearman (rs)............ 46
Tabela 14. Valores para transformao arcsen % ....................................................... 47
Tabela 15. Valores mnimos de j, significativos a 0,5% (Southwood, 1971). ............... 48
ndice de Figuras
Figura 1. Diagrama de uma estatstica descritiva, com seus diversos nveis de
categorias. ................................................................................................................. 3
Figura 2. Diagrama de tipos de dados .............................................................................. 4
Figura 3. Interpretao dos dados experimentais. O grfico esquerda, baseado em
apenas dois pares de valores anotados para X e Y (que definem os pontos A e B),
parece sugerir que Y cresce medida que X cresce, entretanto no grfico direita,
em que foram registrados outros valores intermedirios (definidos pelos pontos B e
C), mostra que a relao entre X e Y obedece a uma lei mais completa................ 10
Figura 4. Curva de distribuio normal simtrica, onde a mdia e s o desvio padro.
................................................................................................................................ 20
Figura 5. Curvas de distribuio normal das freqncias de X, tendo a mesma mdia (
)
e diferentes graus de disperso dos valores de X, isto , desvios padres (s)
diferentes. ............................................................................................................... 20
Figura 6. Curva normal padro, tendo por parmetros =0 e s= 1. As reas sob a curva
assinaladas entre os traos verticais, indicam as percentagens de valores de X a
contidas................................................................................................................... 21
Figura 7. Os valores de Z (compreendidos entre -Z e +Z) correspondem aos
afastamentos de X em relao mdia , medidos em unidades de desvio-padro.
A probabilidade (P) com que X possa ter valor menor que uma coordenada
escolhida (C) indicada pela rea, sob a curva, situada esquerda de C. ............. 22
Figura 8. Correlao linear simples positiva (A); e inversa ou negativa (B),
apresentando a linha de tendncia de regresso linear simples de dados fictcios. 33
Figura 9. Janela de configurao da linha de tendncia (linha de regresso) e
configurao da equao de regresso no Microsoft Excel.................................... 36
Figura 10. Regresso linear simples entre a flutuao populacional de T. aurantii e a
brotao foliar de tangerina cv. Ponc, em cultivo orgnico de tangerina cv. Ponc,
na Fazendinha Agroecolgica, no perodo de outubro de 2002 a outubro de 2003
(Adaptado de Rodrigues, 2004).............................................................................. 36
Figura 11. Correlao mltipla da amplitude trmica (varivel x), brotao (varivel y) e
a flutuao populacional de Toxoptera citricida (varivel z), em cultivo orgnico
de tangerina cv. Ponc, na Fazendinha Agroecolgica, no perodo de outubro de
2002 a outubro de 2003 (Adaptado de Rodrigues, 2004)....................................... 37
Figura 12. Regresso mltipla entre a flutuao populacional de T. aurantii e a brotao
foliar de tangerina cv. Ponc, em cultivo orgnico de tangerina cv. Ponc, na
Fazendinha Agroecolgica, no perodo de outubro de 2002 a outubro de 2003
(Adaptado de Rodrigues, 2004).............................................................................. 37
Figura 13. Fluxograma Para Auxiliar na Escolha de Testes Estatsticos ....................... 43
Introduo
Ensaio x Experimentao
Experimentao
O tempo de avaliao dever ser o suficiente
para que os dados coletado possam garantir
uma avaliao, com margem de erro menor
possvel.
O nmero de amostra dever ser suficiente
para avaliar os dados com a maior preciso
possvel
O tamanho do experimento dever ser suficiente para avaliar os dados.
As variaes ao acaso so controladas com
rigor, possibilitando assim menor erro amostral e na anlise estatstica.
A anlise e interpretao dos dados devero
ser rigorosas e adequadas ao tipo de experimentao realizada.
Conceitos Estatsticos
Para melhor elucidar estes conceitos, digamos que h uma necessidade de saber
a opinio da qualidade de vida no campus de sua faculdade. A populao, ou universo,
ser todos os alunos da faculdade, enquanto a amostra consistir os estudantes selecionados para participar da pesquisa. O objetivo da pesquisa descrever vrias atitudes ou
caractersticas de toda a populao (os parmetros). Isto seria alcanado utilizando-se
as estatsticas obtidas da amostra de estudantes para estimar atitudes ou caractersticas
de interesse da populao. Desse modo, um aspecto principal da inferncia o processo
que utiliza a estatstica amostral para tomar decises sobre os parmetros da populao.
Populao/Universo
Amostra
Parmetro
Estatstica
Figura 1. Diagrama de uma estatstica descritiva, com seus diversos nveis de categorias.
A amostra pode ser definida tambm como o conjunto de observaes extradas
de uma fonte (populao), segundo determinadas regras e critrios, sendo a populao a fonte de observaes.
A populao pode ser constituda de elementos simples, como o caso dos seres
humanos ou das plantas superiores ou das bactrias, ou por elementos coletivos,
como o caso das irmandades com mais de um indivduo, das famlias, ou das
pessoas que habitam uma casa.
A necessidade da inferncia estatstica deriva da necessidade da amostragem.
Quando a populao se torna grande, geralmente dispendioso demais, consome muito
tempo e muito cansativo obter informaes sobre a populao inteira. Decises pertinentes s caractersticas da populao devem ser baseadas na informao contida numa
amostra da populao.
3.3 Tipos de Dados
Existem basicamente dois tipos de dados de caractersticas de variveis aleatrias que podem ser estudadas e que produzem os resultados ou os dados observados:
categorizados ou numricos (Figura 2).
3.3.1 Variveis Aleatrias Categorizadas
Este tipo de varivel produz respostas categorizadas. Por exemplo, voc tem
Sim
No.
carro?
3.3.2 Variveis Aleatrias Numricas
Produz respostas numricas, podendo ser nmeros discretos ou contnuos. A
resposta para pergunta: "Quantos livros voc possui?", a resposta discreta, enquanto a
reposta para "Qual a sua altura?", contnua.
Dados discretos so respostas numricas que surgem a partir de processo de contagem e dados contnuos so repostas numricas que surgem a partir de um processo de
medio.
Na Figura 2, segue exemplos de variveis tanto para aleatrias categorizadas,
quanto para aleatrias numricas (discretas e contnuas).
Tipos de Dados
Categorizadas
Numricas
Discretas
Contnuas
Voc possui
carro?
Sim
No
1,75m
Planejamento Experimental
5.1.1 Problema
Ao planejar o problema que se vai pesquisar, dever ser dada especial ateno
aos seguintes pontos:
Definio da importncia do problema que se estuda;
Determinao do(s) objetivo(s) e finalidade da investigao.
Definir a importncia do problema que se estuda explicar o que vamos estudar.
Ser impossvel o planejamento das etapas subseqentes se no ficar claramente evidenciado o problema a investigar. No basta, por exemplo, dizer que se vai estudar a
biodiversidade da floresta atlntica, o efeito da poluio do rio Paraba do Sul, pois provavelmente nenhum pesquisador ter possibilidade e capacidade de abordar todos os
aspectos da biodiversidade ou da poluio. importante tambm especificar sua extenso.
5.1.2 Informaes Existentes
Antes de empreender o experimento, o pesquisador deve revisar tudo o que diz
respeito ao fato em estudo, com a finalidade de saber o que j se conhece sobre o assunto. Decerto sero encontrados vrios subsdios que fornecero valiosa colaborao para
o estudo.
A reviso bibliogrfica sobre o assunto dever sofrer cuidadosa seleo para que
os resultados mais afins possam ser aproveitados no conforto e discusso posteriores
da pesquisa.
5.1.3 Noes Gerais Sobre Hiptese
A hiptese, resultado de um raciocnio indutivo (consciente ou subconsciente),
requer demonstrao ou prova de sua adequao. Sabemos que a veracidade de uma
hiptese nunca pode ser demonstrada ou provada definitivamente. O que se faz verificar se ela no seria falsa; o que nos levaria a rejeit-la e a formular outra, se necessrio.
Enquanto no se possa demonstrar que ela incorreta, mantm-se a hiptese
como boa. Dela deduzimos as conseqncias ou fazemos previses.
Por sua vez, essas conseqncias e previses sero testadas, para ver se a hiptese adotada ainda se mantm ou no.
O planejamento de pesquisa consiste, portanto, na elaborao de um plano de
observao, ou de experimentao, destinado a contestar determinada hiptese, por mais
justa e slida que possa parecer. A estratgia para isso depende da natureza do problema
em causa.
Muitas vezes, o que se tem em vista verificar uma relao de causa e efeito:
queremos saber se a varivel X e a varivel Y, peculiares a determinado fenmeno, guardam entre si relaes de causa e efeito (direta ou indiretamente).
Na prtica, teremos de montar uma observao ou uma experincia em que se
possa verificar o aparecimento de Y quando ocorre X, ou alteraes dos valores de Y
quando varia X, de tal forma que se possa demonstrar a existncia de uma relao constante entre os valores de X e Y. A varivel X, que precede a outra, chamada varivel
independente, enquanto Y, que se supe depender de X, a varivel dependente.
Do ponto de vista operacional, podemos encontrar duas situaes. Uma prpria
de fenmenos sobre os quais no podemos influir nem exercer qualquer controle, limitando-se o estudo cientfico observao de como X e Y se apresentam espontaneamente, ento, como observar e medir seus valores e como analisar as relaes qualitativas e
quantitativas que possam existir entre eles (ver item Pesquisa Observacional, p. 9). A
outra seria a interdependncia das duas variveis.
5.1.7 Aleatorizao
Na oportunidade em que organizamos os ensaios devemos proporcionar condies idnticas para cada tratamento, possibilitando que se houver algum erro este seja
atribudo ao acaso, ou seja, no tendencioso. Com este processo o erro experimental
poder ser mensurado atravs do modelo matemtico utilizado para analisar os dados.
5.2 Erros de Observaes
Quanto aos componentes de uma populao, o pesquisador ter a oportunidade
de verificar a existncia de diferenas entre os mesmos.
Atravs da observao ou coleta de dados, haver sempre uma discrepncia entre as amostragens realizadas, seja por falha no aparelho utilizado ou pela desateno do
observador. So os erros experimentais oriundos de fatores que no podem ser controlados.
5.2.1 Erros do Observador
O grau de treinamento dos observadores, o excesso de trabalho, seu estado fsico
e condies ambientais podem ser as principais causas de erros das observaes. Como
exemplo, poderamos citar a experincia de que participaram cinco tcnicos especializados em anlise de foto area (foto interpretao), que examinaram em pocas separadas por um perodo de dois meses, as mesmas 500 fotos, com a finalidade de verificar a
degradao ambiental acentuada das reas fotografadas. As fotos foram interpretadas
separadamente por cada tcnico conforme a Tabela 1.
Erros cometidos pelo observador devero ser considerados no modelo matemtico escolhido para anlise dos dados. Entretanto se estes erros forem muito distantes, ou
seja, forem muito discrepantes, o modelo matemtico poder no prev erro to grande.
Assim o treinamento dos observadores dever ser de forma a permitir um menor erro
experimental possvel.
Tabela 1. Resultados da interpretao de 500 fotos areas de diversas reas com presena de mata. (dados fictcios)
Observador
A
B
C
D
E
Observa-se pela tabela acima que em nenhuma das duas ocasies os diferentes
observadores coincidiram quanto ao nmero de fotos consideradas positivas para o referido diagnstico. O mesmo foi verificado em relao a cada um dos observadores que
apresentaram resultados diferentes entre as duas leituras.
Devemos concluir que, tais discordncias no refletem uma variao real, e sim
cometida por quem procedeu leitura do material fotogrfico.
10
35
30
25
30
25
Y
20
15
20
15
10
10
5
5
A
B
X
11
12
13
O nmero de indivduos que deveramos examinar para a determinao da prevalncia de 384 para uma populao infinita e 380, para uma populao finita.
14
A preciso considerada para esta pesquisa foi de 0,5mg e o valor z= 1,96. Substituindo na frmula teremos:
34,56
1,96 2 9
3,84 9
n0 =
n 0 =
n 0 =
n 0 = 138,24 138
2
0,5
0,25
0,25
138,24
138,24
n=
n =
n = 137,48 137
138,24
1,0055
1+
25.000
Para o estudo a ser realizado recomenda-se que o nmero mnimo de indivduos
ser igual a 138 para populaes infinitas e 137 para populaes finitas.
x : 32 + 25 + 32 + 30 + 26 + 30 + 29 + 26 + 29 + 33.
n = 10
292
X=
29,2
10
Varivel
X1
X2
.
.
.
Xn
15
Freqncia
f1
f2
.
.
.
fn
2 10 + 3 8 + ... + 9 4 250
=
= 5 anos
10 + 8 + ... + 4
50
Freqncia (f)
4
2
3
1
10
X.f
10,0
15,0
37,5
17,5
80,0
16
X=
xf 80 = 8 anos
n
10
Desta forma a mdia da populao avaliada oito anos.
Quando os dados apresentam homogeneidade, possvel o uso da mdia aritmtica, que tem como:
Vantagens:
o Ser fcil de calcular e entender;
o Unir em um valor todas as observaes do conjunto.
Desvantagens:
o No servir para sries variveis assimtricas;
o No expressar variaes dentro da distribuio de dados.
17
b) Em coletas de amostra de solo em cinco cidades, foram verificadas amostras poludas com metais pesados, conforme o quadro a seguir:
Municpios
Amostras Poludas
A
48
B
42
C
52
D
95
E
46
Aps ordenar os dados teremos: 42, 46, 48, 52 e 95. Como o nmero de obsern +1
vaes mpar utilizaremos a frmula
, para encontra o valor central. Desta forma,
2
o valor central 48, que corresponde ao valor da mediana.
Me= 48 amostras poludas
D.M. =
2 - 11 + 5 - 11 + 9 - 11 + 11 - 11 + 14 - 11 + 25 - 11
6
9 + 6 + 2 + 0 + 3 + 14
6
D.M. =
34
6
D.M. = 5,6
( x )
s=
n 1
Onde: x: valores do conjunto de dados; : somatrio; e n: nmero de observaes.
Exemplo: Calcular o desvio padro do seguinte conjunto de dados: 2, 5, 9, 11, 14 e 25
x= 2+ 5 + 9 + 11 + 14 + 25 = 66
18
fx
n
fx
, ou seja,
s=
852 58
s = 60,8571 4,1429 2 s = 60,8571 17,1636 s = 43,6935 s = 6,6101
14 14
19
A varincia a medida estimada ou calculada que determina a variao dos valores entre si, ou seja, quanto menor este valor menor ser a diferena entre os valores
dos elementos do conjunto de dados.
20
21
Figura 6. Curva normal padro, tendo por parmetros =0 e s= 1. As reas sob a curva
assinaladas entre os traos verticais, indicam as percentagens de valores de X a contidas.
A rea compreendida entre -2s e +2s abrange cerca de 95,5% dos valores de X,
restando, portanto duas reas extremas, apenas 4,5% das observaes ou eventos medidos.
As propriedades da curva normal permitem seu uso para o clculo de probabilidade com que determinados valores obtidos durante as observaes, ou as medies,
possam ocorrer em funo das variaes.
22
Figura 7. Os valores de Z (compreendidos entre -Z e +Z) correspondem aos afastamentos de X em relao mdia , medidos em unidades de desvio-padro. A probabilidade
(P) com que X possa ter valor menor que uma coordenada escolhida (C) indicada pela
rea, sob a curva, situada esquerda de C.
6.6.2 Erro Padro
Em alguns casos, conveniente trabalhar com a mdia das mdias amostrais.
Nesse caso o desvio padro de uma distribuio de mdias ou de diferenas entre mdias tambm chamado de erro padro.
6.7 Teste de Normalidade dos Dados
Os testes empregados para verificar a distribuio normal dos dados, tm por
objetivo direcionar o pesquisador a saber qual o tipo de teste ser utilizado, se um teste
paramtrico ou no paramtrico.
necessrio explorar um pouco mais a idia sobre a distribuio de variveis.
Uma questo que pode ser levantada primeiramente se a maioria das variveis normalmente distribuda e, portanto poder ser empregados testes paramtricos sem preocupao quantos s suas restries. Testes estatsticos com grandes amostras mostram que
nem sempre as suposies de normalidade de confirmam. Por outro lado, como nem
sempre se dispes de um nmero elevado de casos para estudo, s vezes nem possvel
decidir se determinada varivel possui ou no distribuio normal (na prtica a amostra
deve ter o valor n > 100).
Os testes comumente utilizados so KlomogorovSmirnov, ou teste K-S, que
um teste tradicional de normalidade e o teste de Shapiro-Wilks, ou teste S-W, vem sendo empregado cada vez com maior freqncia.
6.8 Teste de Klomogorov-Smirnov (K-S)
Este teste compara a distribuio real dos dados (amostra) com uma distribuio
normal gerada por uma mdia e um desvio padro supostamente conhecidos (populacionais).
6.9 Teste de Shapiro-Wilks (S-W)
Este teste uma boa opo para se testas a normalidade de uma distribuio. o
teste pode ser usado em amostra de at 2.000 observaes. Nos ltimos anos o teste SW tem sido preferido ao teste K-S pela capacidade de adaptao a uma variada gama de
problemas sobre a variao de normalidade.
23
24
Peso (Kg)
Antes
Depois
24
28
23
25
24
25
23
29
30
32
31
34
31
38
14
19
20
22
18
23
!Configurao no
!Configurao no
vlida de caractere
vlida de caractere
Diferena
4
2
1
6
2
3
7
5
2
5
!Configurao no vlida
de caractere
Procedimento:
a) Obtm-se as diferenas entre os valores antes e depois (quadro acima);
b) Verifica-se a mdia aritmtica das diferenas;
c) Verifica-se a varincia das diferenas e;
d) Aplica-se o teste t - student.
37
b) X d =
= 3,7
10
c) d=173; d=37; n= 10
s2 =
1369
10 = 173 136,9 = 39,1 = 4,01
9
9
9
173
d) t =
3,7
4,01
10
=t=
3,7
0,401
3,7
= 5,84
0,6332
O prximo passo e recorrer tabela do teste t - student (Tabela 11, p. 44) e compara-se o valor do t calculado com o valor crtico da tabela em funo de com n-1
graus de liberdade.
25
n1 n 2
Onde: X1 e X 2 : mdias das amostras; s1= e s2= desvios-padro das amostras; e n1 e n2:
nmero de observaes das amostras.
Esta equao deve ser utilizada, quando se conhece a varincia populacional
().
Exemplo:
Tabela 3. Dados de um experimento com a taxa de crescimento de mudas de duas leguminosas em sistema agro-silvo-pastoril, numa rea de re-vegetao (dados fictcios).
Leguminosa A
Leguminosa B
X1 = 38 cm
X 2 = 33,5 cm
s1= 5 cm
s2= 6 kg
n1= 26
n2= 26
Calculado o valor de t teremos:
38 - 33,5
4,5
4,5
4,5
4,5
t=
=
=
=
=
= 2,9379 2,94
25 36
0,9615 + 1,3846
2,3461 1,5317
52 6 2
+
+
26 26
26 26
Para calcular o Grau de Liberdade, procedemos da seguinte forma:
GL= n1 + n2 2 ou (n11) + (n21).
Para o nosso exemplo acima temos o GL = 26 + 26 2 = 50 ou (261) + (26
1)=50. Os valores a 5% e 1% de probabilidade so 2,68 e 2,01, respectivamente (Tabela
11, p. 44). Comparando o valor calculado (2,94) com os valores tabelados verifica-se
que h diferena estatstica a 5% e a 1% de probabilidade. Desta forma, conclumos que
h 99% de probabilidade de que a leguminosa A, possuam taxa de crescimento mdia
mais elevada que a leguminosa B.
26
g=
s12 s 22
+
n1 n 2
s2
1
n1
n1 1
s2
2
n2
n2 1
27
Consulta-se ento a tabela do teste t-student (Tabela 11, p. 44), para verificar os
valores crticos nos nveos de 5% e 1% de probabilidade para 25 graus de liberdade.
Na tabela iremos obter o valor de 2,06 (5%) e 2,79 (1%). Desta forma, concluise que o valor obtido pata t = 5,82 significativo no nvel de 1% (1% ou =0,01), aceitando-se a hiptese alternativa, devido diferena significativa entre as mdias das duas
amostras.
s 2
+
n
n
B
A
Assim temos:
28
t=
1,42 - 1,5
1 1
0,0673 +
10 7
0,8
0,8
=
1,98
0,1634 0,4043
Os valores de t tabelado para 15 graus de liberdade a 5 e 1% so respectivamente, 2,13 e 2,95. Desta forma, conclui-se que as duas marcas de gua mineral no apresentam diferentes propores de sulfatos em sua composio, sendo que a marca B possui maiores concentraes em relao marca A.
2
=
fe
Onde: fo= freqncia observada e; fe= freqncia esperada.
Portanto o valor do desvio elevado ao quadrado e dividido pela freqncia esperada.
Em muitos casos utiliza-se este teste em experimentos probabilsticos, por exemplo, lanamentos de moedas ou proporo de doentes aps uma epidemia. No primeiro caso a probabilidade de lanarmos 10 vezes uma moeda e cair cara de 50%
(freqncia esperada) e o valor real aps os lanamentos ser a freqncia observada.
No segundo caso a freqncia esperada dever ser corrigida (calculada) atravs da Tabela de Contingncia.
7.3 Tabela de Contingncia
Em muitos trabalhos experimentais, os dados colhidos representam ocorrncia
de certos fenmenos que se podem classificar numa tabela, chamada tabela de contingncia.
Estas tabelas tm como objetivo estudar a possvel associao entre duas variveis que classificam os dados. Em tal situao a H0 (hiptese nula) ser testar a independncia entre as variveis.
Para poder calcular o , necessrio que tenhamos as freqncias tericas, o
que se faz admitindo-se a hiptese de que todos os grupos reajam da mesma maneira
diante da condio a elas imposta.
A comparao entre os valores calculados de , para verificar a significncia
pode ser obtido na tabela de (Tabela 12, p. 45).
Exemplo: Num Shopping Center, foram escolhidas ao acaso pessoas com trs
diferentes faixas etrias, para verificar a incidncia de diabete. Para tal, foram coletadas
amostras de sangue. A H0 que no diferena entre as faixas etrias em relao a ter
diabete.
Os dados coletados ao final do experimento foram:
Faixa Etria
Pessoas*
(anos)
Com diabete
Sem diabete
A: 10-15
2 (11,74)
75 (65,26)
77
Faixa Etria
(anos)
B: 16-21
C: 22-40
29
Pessoas*
Com diabete
Sem diabete
12 (11,28)
62 (62,72)
20 (10,98)
52 (61,02)
34
189
74
72
!Configurao no
vlida de caractere
Neste caso temos uma tabela de contingncia de 2 x 3, pois temos duas situaes
as serem testadas (com ou sem diabete) em trs grupos (faixas etrias).
O Grau de liberdades para tabelas de contingncias ser calculado pela seguinte
frmula: GL = (n s 1) (n g 1) . No nosso exemplo teremos:
GL = (2 1) (3 1) GL = 1 2 GL = 2
Para calcular as freqncias realiza-se uma regra de trs simples como segue:
34 223
fe 77
34 77
a fe da terceira coluna (sem diabete) calculada pela diferena
223
entre os valores da fe da 2 coluna (com diabete) e o valor da coluna total (). Os demais valores da linha subseqentes so obtidos com a realizao da regra de trs para
cada valor da 2 coluna.
Para calcular o do conjunto de dados utilizaremos a frmula vista anteriormente. Assim teremos:
(2 11,74)2 + (75 65,26 )2 + (12 11,28)2 + (62 62,72)2 + (20 10,98)2 +
2 =
11,74
65,26
11,28
62,71
10,98
Ou seja, fe A =
11,74
65,26
11,28
62,72
10,98
61,02
30
+
+
23 (23 + 1) 7
8
8
3 (23 + 1)
12
3.249 4.830,25 22.350,25
H=
+
+
3 24
23 24 7
8
8
12
H=
(464,14 + 603,78 + 2.793,78) 3 24
552
12
H=
(3.861,70 ) 72 H = 0,0217 3.861,70 72
552
H = 11,95
Como j foi dito este teste segue a distribuio do teste . Desta forma, sendo k
= 3 (mtodos), os graus de liberdade correspondem a 2, pois GL= k-1. Portanto, os valores da tabela , correspondem a 5 e 1%, so 5,99 e 9,21, respectivamente.
31
Tabela 4. Resultados das amostras de cinco diferentes reas delimitadas pelas caractersticas edficas do solo, em quatro diferentes profundidades. Os dados apresentados
referem-se a o poluente --16-Imaginol-Poluentis, em mg.mm de solo
Blocos
rea A
rea B
rea C
rea D
rea E
Total
0-10
12 (2)
8 (2)
14 (2)
17 (3)
12 (2)
Profundidade (cm)
11-20
21-30
13 (3)
16 (4)
9 (3)
12 (4)
20 (3)
22 (4)
16 (2)
21 (4)
15 (3)
16 (4)
31-50
7 (1)
5 (1)
6 (1)
11 (1)
10 (1)
R1= 11
R2= 14
R4 = 5
R3= 20
*Os valores entre parnteses e em negrito correspondem ordenao dos tratamentos dentro dos blocos
(linhas). Sendo o valor Ri a somas dos valores de ordenao nos tratamentos (colunas).
32
12
112 + 14 2 + 20 2 + 5 2 3 5 5
5 4(4 + 1)
12
2r =
(121 + 196 + 400 + 25) 75
5 4(4 + 1)
12
2r =
742 75 = 89,04 75
100
2r = 14,04
2r =
Como valor de graus de liberdade igual a k-1 graus de liberdade e sendo k=4
(tratamentos), tm-se 3 graus de liberdade. A partir da tabela (Tabela 12, p. 45). Os
valores para 5 e 1% de probabilidade so 7,82 e 11,32, respectivamente.
Sendo o valor de r calculado maior que os valores da tabela de , rejeita-se a
hiptese nula (H0) e aceita a hiptese alternativa (H1). Ou seja, a profundidade de 21-30
cm tem uma maior concentrao do poluente que as demais profundidades avaliadas,
nas reas onde foram coletadas amostras.
Correlao Linear
A correlao linear utilizada para verificar, num determinado conjunto, a dependncia entre duas sries de variveis.
Trata-se de um valor abstrato que d uma idia sobre a dependncia entre os
dados apresentados.
A correlao pode ser denominada positiva ou negativa. Quando positiva h a
variao positiva da varivel dependente (Y), quando h variao positiva da varivel
independente (X) vice-versa. Quando negativa h a variao negativa de Y, quando h
variao positiva de X e vice-versa.
33
Exemplo:
Notas de
Matemtica
57
45
72
78
53
63
86
98
59
71
Rank de
Xi
3
1
7
8
2
5
9
10
4
6
Notas de
Biologia
83
37
41
84
56
85
77
87
70
59
Rank de
Yi
7
1
2
8
3
9
6
10
5
4
di
di 2
4
0
5
0
1
4
3
0
1
2
Total
16
0
25
0
1
16
9
0
1
4
72
n= 10; di2=72
6 (72 )
432
432
1
1
1 0,4364 0,5636
3
10 10
1000 10
990
Para verificar se h significncia na correlao
rs = 1
B
3
2,5
2,5
1,5
1,5
0,5
0,5
0
0
20
40
60
20
40
60
Figura 8. Correlao linear simples positiva (A); e inversa ou negativa (B), apresentando a linha de tendncia de regresso linear simples de dados fictcios.
A utilizao de um ou outro coeficiente depender da normalidade dos dados
(veja o tpico Teste de Normalidade dos Dados, p.22).
34
Significncia
Correlaes nulas
Correlaes fracas
Correlaes substncias
Correlaes fortes
Correlaes extremamente Fortes
Significncia
r desprezvel
r baixo
r aprecivel
r acentuado
A significncia das tabelas acima poder ser utilizada tanto na correlao de Pearson, quanto na de Spearmann.
35
Anlise de Regresso
T. a
0,00
0,00
20,00
5,00
40,00
7,50
40,00
2,50
60,00
2,50
0,00
0,00
30,00
2,50
50,00
10,00
100,00
12,50
100,00
25,00
100,00
60,00
1
2
3
4
Para criao do grfico de disperso basta selecionar os dados das linhas 2 e 3
(Tabela 1) e selecionar o menu Inserir Grfico e selecionar o grfico Disperso (XY)
em seguida clique em Avanar > para configurar o grfico ou em Concluir para finalizar a criao. Aps criar o grfico selecione um dos pontos e em seguida clique no boto direito de mouse e selecione a opo Adicionar linha de tendncia... Ser exibida
uma janela com mostra a Figura 9. O tipo de linha ser de acordo com a equao que
melhor de adeqei a distribuio dos dados, lembrando que um evento biolgico somente poder ser explicado at uma equao de segundo grau, ou seja, caos opte por linha
do tipo polinomial a ordem para eventos biolgicos dever ser 2..
A exibio da equao e do valor de R feita atravs da seleo da Aba Opes, selecionando a caixa de seleo:
Exibir equao no grfico
Exibir valor de R-quadrado no grfico
36
Figura 9. Janela
de configurao
da linha de tendncia (linha de
regresso)
e
configurao da
equao de regresso no Microsoft Excel.
9.1 Regresso Linear Simples
Neste tipo de regresso possvel verificar a associao entre as sries de dados,
plotar a linha e a equao da reta de duas variveis, X independente e Y dependente.
T. aurantii
70
60
50
y = 0,3095x - 2,3472
R2 = 0,3984
40
30
20
10
0
-10
20
40
60
80
100
120
37
Figura 11. Correlao mltipla da amplitude trmica (varivel x), brotao (varivel y)
e a flutuao populacional de Toxoptera citricida (varivel z), em cultivo orgnico de
tangerina cv. Ponc, na Fazendinha Agroecolgica, no perodo de outubro de 2002 a
outubro de 2003 (Adaptado de Rodrigues, 2004).
9.3 Regresso Mltipla
Neste tipo de regresso possvel verificar a associao entre as sries de dados,
plotar a linha de tendncia polinomial e a equao de segundo graus das duas variveis,
X independente e Y dependente.
Figura 12. Regresso
T. aurantii
mltipla entre a flutuao
populacional de T. auran70
tii
e a brotao foliar de
60
tangerina cv. Ponc, em
50
y = 0,0046x2 - 0,2141x + 7,1984
40
cultivo orgnico de tangeR2 = 0,4695
30
rina cv. Ponc, na Fazen20
dinha Agroecolgica, no
10
perodo de outubro de
0
2002 a outubro de 2003
0
20
40
60
80
100
120
(Adaptado de Rodrigues,
2004).
10 Transformao de Dados
Para uma aplicao vlida dos testes de significncia, baseados nas propriedades
das curva normal, necessrio que o dados tenham uma distribuio normal (Figura 4,
Figura 5 e Figura 6). As porcentagens, as contagens e as notas dadas a certas caractersticas qualitativas, exigem quase sempre essa transformao.
Vamos apresentar nesta apostila algumas das principais transformaes de dados
empregadas na normalizao dos dados e as situaes que cada uma se aplica.
38
39
Quando o ndice de diversidade diminui, indica que h competio interespecfica e que o local menos diversificado, tendendo a dominncia de uma determinada espcie, porm quando h um aumento deste ndice, h um indicativo de que o local
bastante diversificado, mesmo que o nmero de indivduos seja reduzido.
40
1994
10
268
1,609
4,118
1995
10
235
1,648
4,218
1996
10
323
1,557
3,985
1997
10
435
1,481
3,790
!Configura
Mdia
10
1,574
4,045
o no
vlida de
caractere
Dm
0,611
0,652
0,556
0,479
0,575
Sorensen QS =
% S = (% a + % b + % c + ... + % n )
Onde: % a = menor porcentagem da espcie a observada no confronto das comunidades; % b = idem, para espcies b; % c = idem, para espcies c e % n = idem, para espcies n.
Tabela 10. Duas comunidades com sua composio de espcies em percentagem
Comunidade
A
B
Espcies
a
15
33
b
35
14
c
27
36
d
23
17
41
42
12 Bibliografia
Arango, H.G. 2001. Bioestatstica Terica e Computacional. Rio de Janeiro: Guanabara
Koogan, 235p.
Beiguelman, B. 2002. Curso prtico de bioestatstica. Ribeiro Preto: FUNPEC, 5 Ed.,
272p.
Berger, W.H. & Parker, F.L. 1970. Diversity of Planktonic Foraminifera in Deep-Sea
sediments. Science, 168: 1345-1347.
Brower, J.E.; Zar, J.H. & von Ende, C.N. 1998. Field and Laboratory Methods for
General Ecology. Quebecor: MC Graw Hill, 4th ed., 273p and software included.
Centeno, A.J. 2002. Curso de Estatstica Aplicada Biologia. Goinia (Coleo Didtica, 3): Ed. Da UFG, 2 ed., 2 reimpr. 234p.
Clark, L.R.; Geier, P.W.; Hughes, R.D. & Morris, R.F. 1967. The Ecology of insect
Populations in Theory and Practice. Methuen & Co., London. 232p.
Dauber, J.; Hirsch. M.; Simmering, D.; Waldhardt, R.; Otte A. & Wolters, V.
2003. Landscape structure as an indicator of biodiversity: matrix effects on species
richness. Agriculture, Ecosystems and Environment, 98: 321-329.
Fager, E.W. 1957. Determination and analysis of recurrent groups. Ecology, 38:586595.
Gomes, F.P. 1990. Curso de Estatstica Experimental, Piracicaba: Nobel, 13 ed (revista
e ampliada), 467p.
Jaccard, P. 1912. The distribution of the flora in the alpine zone, NeroPhytal. 11:37-50.
Lara, F.M. 1992. Princpios de Entomologia. Ed. cone, 3 ed. 331 p.
Laroca, S. 1995. Ecologia: princpios e mtodos: Petrpolis: Vozes, 197p.
Levine, D.M.; Berenson, M.L & Stephan, D. 2000. Estatstica: teoria e Aplicaes
usando Microsoft Excel em portugus. Souza, T.C.P (Trad.). Rio de Janeiro:
LTC. 811p.
Lewinsohn, T.M & Prado, P. I. K.L. 1997.O uso de anlise multivariadas ecolgicas
em estudos ambientais interdisciplinares. Caderno V, Campinas: UNICAMP, 43p.
Magnusson, W. E. & Mouro, G. 2003. Estatstica [Sem] Matemtica: A ligao entre
as questes e a anlise. Londrina: Planta. 126p.
Mulekar, M.S. & Mishra, S.T. 2000. Confidence interval estimation of overlap: equal
means case. Computational Statistics & Data Analysis, 34: 121-137.
Rey, L. 2000. Planejar e redigir trabalhos cientficos, So Paulo: Edgard Blcher, 2 ed.
(revista e ampliada), 318p.
Rodrigues, P.C. 2002. Bioestatstica. Niteri: EdUFF. 3 ed. 339p.
Rodrigues, W.C. 2004. Hompteros (Homoptera: Sternorrhyncha) associados tangerina cv. Ponc (Citrus reticulata Blanco) em cultivo orgnico e a interao com
predadores e formigas. Seropdica, UFRuralRJ. 63f. Tese de Doutorado.
Siegel, S. 1979. Estatstica no paramtrica. So Paulo: MC Graw Hill do Brasil. 169p.
Silveira Neto, S.; Nakano, O; Barbin, D. & Villa Nova, N. A. 1976. Manual de Ecologia de Insetos. Ed. Agronmica Ceres, 419 p.
Sorensen, T. 1948. A method of establishing groups of equal amplitude in plant sociology basead an similarity of species. Biol. Skr. 5:1-34
Southwood, T.R.E. 1971. Ecological Methods. Chapman and Hall Ltd., 391p.
Vanzolini, P.E.1993. Mtodos estatsticos elementares em sistemtica zoolgica. So
Paulo, Huirtec. 130p.
Zar. J.H. 1999. Biostatistical Analysis. New Jersey: Prentice Hall. 4th ed., 663p and
index included.
43
13 Anexos
Figura 13. Fluxograma Para Auxiliar na Escolha de Testes Estatsticos
Dados com Distribuio Normal
2 Tratamentos
2 Tratamentos
> 2 Tratamentos
Dados Numricos
divididos em
Categorias
ANOVA
Teste F
Teste T
No dividido em
blocos
(Amostras
compostas)
Dividido em Bloco
Teste 2
(Qui-Quadrado)
Dados no
Pareados
Dados Pareados
No ser
abordado
Calcula Valor
Teste de KruskalWallis
S2Maior
S2Menor 4
S2Maior
S2Menor < 4
Teste de Friedman
Calcula Valor H
Varincias iguais
(Homocedsticas)
Compara com
valor 2 Tabelado
( = 5%)
Se
2calc
2tab
Rejeita H0
Coloca *
Se
Calcula Valor T
Se Tcalc Ttab
Coloca **
Compara com 2
tabelado ( =1%)
Compara com T
tabelado ( =5%)
Compara com T
tabelado ( =1%)
2r
Varincias desiguais
(Heterocedsticas)
Calcula Varincia
Ponderada
Se Tcalc Ttab
Rejeita H0
Coloca *
Calcula Valor
Se
Conclui
textualmente
2calc
2tab
Coloca **
Se
44
5% (=0,05)
12,71
4,30
3,18
2,78
2,57
2,45
2,36
2,31
2,26
2,23
2,20
2,18
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,09
2,06
2,04
2,01
1,98
1,96
1,96
1% (=0,01)
63,66
9,92
5,84
4,60
4,03
3,71
3,50
3,36
3,25
3,17
3,11
3,06
3,01
2,98
2,95
2,92
2,90
2,88
2,86
2,84
2,79
2,75
2,68
2,63
2,59
2,58
A tabela completa poder ser encontrada em Gomes (1990) e Levine et al. (1998).
45
5% (=0,05)
3,84
5,99
7,82
9,49
11,07
12,59
14,07
15,51
16,92
18,31
19,68
21,03
22,36
23,68
25,00
26,30
27,59
28,87
30,14
31,41
32,67
33,92
35,17
36,42
37,65
38,88
40,11
41,34
42,30
43,77
44,99
46,19
47,40
48,60
49,80
50,99
52,19
53,38
54,57
55,76
1% (=0,01)
6,64
9,21
11,34
13,28
15,09
16,81
18,48
20,09
21,67
23,21
24,72
26,22
27,69
29,14
30,58
32,00
33,41
34,80
36,19
37,57
38,98
40,29
41,64
42,98
44,31
45,64
46,96
48,28
49,60
50,89
48,23
49,49
54,78
56,06
57,34
58,62
59,89
61,16
62,43
63,69
A tabela completa poder ser encontrada em Gomes (1990) e Levine et al. (1998).
46
(2)
0,50
0,600
0,500
0,371
0,321
0,310
0,267
0,248
0,236
0,217
0,209
0,200
0,189
0,182
0,176
0,170
0,165
0,161
0,156
0,152
0,148
0,144
0,142
0,128
0,118
0,110
0,103
0,097
0,093
0,089
0,085
0,082
0,079
0,076
0,074
0,072
0,070
0,068
0,10
1,000
0,900
0,829
0,714
0,643
0,600
0,564
0,536
0,503
0,484
0,464
0,446
0,429
0,414
0,401
0,391
0,380
0,370
0,361
0,353
0,344
0,337
0,306
0,283
0,264
0,248
0,235
0,224
0,214
0,206
0,198
0,191
0,185
0,180
0,174
0,170
0,165
0,05
1,000
0,886
0,786
0,738
0,700
0,648
0,618
0,587
0,560
0,538
0,521
0,503
0,485
0,472
0,460
0,447
0,435
0,425
0,415
0,406
0,398
0,362
0,335
0,313
0,294
0,279
0,266
0,255
0,244
0,235
0,227
0,220
0,213
0,207
0,202
0,197
0,01
1,000
0,929
0,881
0,833
0,794
0,755
0,727
0,703
0,679
0,654
0,635
0,615
0,600
0,584
0,570
0,556
0,544
0,532
0,521
0,511
0,467
0,433
0,405
0,382
0,363
0,346
0,331
0,318
0,307
0,297
0,287
0,279
0,271
0,264
0,257
47
0
0
1,81
2,56
3,14
3,63
4,05+
4,44
4,80
5,13
5,44
5,74
8,13
9,98
11,54
12,92
14,18
15,34
16,43
17,46
18,44
19,37
20,27
21,13
21,97
22,79
23,58
24,35+
25,10
25,84
26,56
%
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
0
27,28
27,97
28,66
29,33
30,00
30,66
31,31
31,9532,58
32,21
33,83
34,4535,06
35,67
36,27
36,87
37,47
38,06
38,6539,23
39,82
40,40
40,98
41,55+
42,13
42,71
43,28
43,85
44,43
45,00
%
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
0
45,57
46,1546,72
47,29
47,87
48,4549,02
49,60
50,18
50,77
51,35+
51,94
52,53
53,13
53,73
54,33
54,94
55,55+
56,17
56,79
57,42
58,05+
58,69
59,34
60,00
60,67
61,34
62,03
62,72
63,44
%
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99,0
99,1
99,2
99,3
99,4
99,5
99,6
99,7
99,8
99,9
100,0
-
0
64,16
64,90
65,65
66,42
67,21
68,03
68,87
69,73
70,63
71,56
72,54
73,57
74,66
75,82
77,08
78,45
80,02
81,87
84,26
84,56
84,87
85,20
85,56
85,9586,37
86,86
87,44
88,19
90,00
-
Os sinais (+) e (-), seguindo ngulos terminados em 5, so orientaes para arredondamento a uma decimal.
48
1,0
5
5
6
7
7
8
14
19
25
29
36
41
46
52
57
nB/na
1,5
5
6
7
8
8
9
16
22
29
35
42
48
55
61
67
2,0
6
7
8
9
10
17
24
32
39
46
53
59
67
74
49
*************
O minuto que voc est vivendo agora o mais importante de sua vida, onde quer que
voc esteja.
Preste ateno ao que est fazendo.
O ontem j lhe fugiu das mos.
O amanh ainda no chegou.
Viva o momento presente, porque dele depende todo o seu futuro.
Procure aproveitar ao mximo o momento que est vivendo, tirando todas as vantagens
que puder, para seu aperfeioamento.
C. Torres Pastorinho
Minutos da Sabedoria, p. 154
*************