Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatística Descritiva Assunto PDF
Estatística Descritiva Assunto PDF
Estatística Descritiva Assunto PDF
Unidade II
3 MEDIDAS OU PARMETROS ESTATSTICOS
Objetivos do mdulo
39
Unidade II
3.1 Mdia
x1 + x2 + x 3 + .... + xn
N
Ou
x i
N
Onde: X a mdia aritmtica; x1, x2, etc. os diversos valores;
20
e N, a quantidade total de elementos da amostra.
X=
Exemplo 1
Calcular a mdia aritmtica dos valores abaixo relacionados:
S={2;5;7;9;10;12;16;18}. Observe que so 8 elementos de
diferentes
valores, portanto:
25
X=
40
x i
2 + 5 + 7 + 9 + 10 + 12 + 16 + 18
X = 9, 9
X=
N
8
ESTATSTICA
Caso os valores sejam repetidos na amostra, ou seja, se eles
tiverem uma frequncia diferente de 1 ( x1 com f1; x2 com f2
e assim por diante), ento a frmula para o clculo da mdia
aritmtica ser:
5
X=
xifi
fi
X=
C=AxB
Valor
Frequncia
Simples
Valor x
Frequncia
xi
xi.
25
37
925
42
28
1176
57
54
3078
62
62
3844
39
12
468
ft
193
9491
xifi
9491
X=
X = 49, 2
fi
193
41
Unidade II
No caso de dados agrupados em classes, o processo de
clculo idntico ao anterior, com a diferena de que o valor a
ser usado o ponto mdio de classe (lembre que j denimos
esse valor no mdulo anterior):
5
xi=pmi
O exemplo a seguir mostra-nos, passo a passo, o clculo da
mdia aritmtica ponderada para dados agrupados por classes:
Exemplo 3
Classe
E=(C+D)/2
F=DxE
Frequncia
simples
Ponto
mdio de
classe
Frequncia
x Ponto
mdio
ls
pmi
x pmi
Limites de classe
li
1,0
3,0
|-------
414,0
14
208,5
2.919,0
2,0
414,0
|-------
825,0
19
619,5
11.770,5
3,0
825,0
|-------
1.236,0
41
1.030,5
42.250,5
4,0
1.236,0
|-------
1.647,0
53
1.441,5
76.399,5
5,0
1.647,0
|-------
2.058,0
32
1.852,5
59.280,0
6,0
2.058,0
|-------
2.469,0
27
2.263,5
61.114,5
7,0
2.469,0
|-------
2.880,0
20
2.674,5
53.490,0
8,0
2.880,0
|-------
3.291,0
11
3.085,5
33.940,5
9,0
3.291,0
|------|
3.702,0
3.496,5
27.972,0
225
369.136,5
ft
42
ESTATSTICA
O uso de uma tabela para estes clculos facilita as operaes de
clculo, bem como so mais facilmente trabalhadas em computador.
Note que acima ns somamos os valores de todos os
elementos da amostra, cando na seguinte situao: o valor da
5 soma dos 225 elementos da amostra 369136,5, portanto, a
mdia aritmtica ser de:
X=
xifi
369136, 5
X=
X = 1640, 61
225
fi
15
20
43
Unidade II
caso N seja um nmero par, a mediana ser a mdia
aritmtica simples dos dois elementos centrais (o elemento
mediano passa a ser um elemento terico intermedirio).
Veja no exemplo abaixo:
5 Exemplo 1
Dados os dois conjuntos de notas abaixo, de alunos de
estatstica, calcule a mediana:
Grupo A = {6,2; 4,2; 8,7; 6,4; 2,8; 9,1; 5,0; 3,9; 7,1}
Para calcular a mediana, necessrio ordenar os dados em
10 ordem crescente:
{2,8; 3,9; 4,2; 5,0; 6,2; 6,4; 7,1; 8,7; 9,1}
Como o nmero de elementos impar (N = 9), a mediana
ser o valor do elemento central (o 5 elemento), ou seja, o valor
da mediana ser 6,2.
15
9 +1
N +1
=> Eme =
=> Eme = 5
2
2
Me = 6,2
Grupo B = { 8,4; 6,3; 9,2; 4,9; 6,5; 8,0}, ordenando {4,9; 6,3;
6,5; 8,0; 8,4; 9,2}
Eme =
44
N +1
6 +1
=> Eme =
=> Eme = 3, 5
2
2
ESTATSTICA
Evidentemente, no existe um elemento 3,5. A mediana ser
a mdia aritmtica entre o valor dos 3 e 4 elementos:
Me =
x3 + x4
6, 5 + 8, 0
=> Me =
=> Me = 7, 25
2
2
Quantidade de
famlias na cidade
Frequncia
acumulada
crescente
Valor
Frequncia simples
xi
fi
fac
15
15
18
33
12
45
53
58
61
62
Mais do que 6
63
Soma
63
45
Unidade II
Perceba que o nmero de elementos (N = 63) mpar; logo,
o elemento mediano ser o 32:
Eme =
63 + 1
= Eme = 32
2
Quantidade de
famlias na cidade
Frequncia
acumulada
crescente
Valor
Frequncia simples
xi
fi
fac
15
15
21
36
16
52
61
67
71
72
Mais do que 6
72
Soma
72
46
72 + 1
= Eme = 36, 5
2
ESTATSTICA
O 36 elemento tem o valor 1, e o 37, o valor o valor 2,
portanto, o 36,5 seria um valor mdio entre esses dois valores,
ou seja, a mediana ser:
Eme =
5
1+ 2
= Eme = 1, 5
2
Onde:
20
Me = Mediana
liMe= Limite inferior da classe que contm o elemento
mediano (classe mediana)
Eme = Elemento mediano
47
Unidade II
fMe = Frequncia da classe mediana
h = Amplitude da classe mediana
O exemplo 3, a seguir, demonstra o clculo da mediana para
uma distribuio de vendas em R$ agrupadas por classe.
5 Exemplo 3
Calcular a mediana para a tabela abaixo que apresenta a
distribuio de vendas de determinada empresa.
Vendas mensais em R$
Classes
nmero
Valor
li
Quantidade Frequncia
de meses acumulada
Frequncia crescente
ls
fi
fac
R$ 50.000,00
|----
R$ 80.000,00
12
12
R$ 80.000,00
|----
R$ 110.000,00
18
30
R$ 110.000,00
|----
R$ 140.000,00
27
57
R$ 140.000,00
|----
R$ 170.000,00
26
83
R$ 170.000,00
|----
R$ 200.000,00
21
104
R$ 200.000,00
|----
R$ 230.000,00
18
122
R$ 230.000,00
|----
R$ 260.000,00
12
134
R$ 260.000,00
|---|
R$ 290.000,00
143
Total
143
143 + 1
=> Eme = 72
2
48
ESTATSTICA
Portanto, podemos armar que 50% das vendas mensais
dessa empresa esto acima de R$ 157.307,69, e 50%, abaixo
deste mesmo valor.
3.3 Moda
20
Linha B: {8; 8; 9; 9; 9; 9; 10; 11; 11; 11; 11; 12; 12; 12}
Neste conjunto, temos duas modas: Mo=9 e Mo=11.
Chamamos de amostra multimodal.
Linha C: {15; 18; 25; 32; 43; 50; 61}
49
Unidade II
Linha D
Quantidade
de rolamentos
consumidos
Nmero de vezes
em que ocorreu
o consumo
xi
fi
Valor
Frequncia
18
10
25
12
32
13
45
15
28
16
21
17
12
21
Quantidade de
meses
Valor
Frequncia
li
fi
R$ 650,00
|----
R$ 1.100,00
16
R$ 1.100,00
|----
R$ 1.550,00
21
R$ 1.550,00
|----
R$ 2.000,00
28
R$ 2.000,00
|----
R$ 2.450,00
31
R$ 2.450,00
|----
R$ 2.900,00
18
R$ 2.900,00
|----
R$ 3.350,00
16
R$ 3.350,00
|----
R$ 3.800,00
Total
50
ls
12
142
ESTATSTICA
Voc pode notar que os valores se repetem mais na classe
4 (a frequncia a maior de todas); logo, a moda deve ser um
valor entre R$ 2.000,00 e R4 2.450,00. Mas exatamente qual
o valor da moda?
5
(fMo fant )
Mo = liMo +
x h
(fMo fant ) + (fMo fpost )
15
Onde:
Mo = Moda
liMo = Limite inferior da classe modal
fMo = Frequncia da classe modal
51
Unidade II
No nosso exemplo, caria:
( 31 28)
Mo = 2.000 +
x 450 => Mo = R$ 2.103, 85
( 31 28 ) + ( 31 18 )
Recomendao de King
Para utilizarmos a recomendao de King, devemos
5 inicialmente localizar a classe que tem maior frequncia, a
chamada classe modal. No nosso exemplo, essa classe a de
nmero 4, como j falamos. Em seguida, aplicamos a seguinte
frmula:
fpost
Mo = liMo +
x h
fant + fpost
10
Onde:
Mo = Moda
liMo = Limite inferior da classe modal
fant = Frequncia da classe imediatamente anterior classe
modal
15
52
ESTATSTICA
Recomendao de Pearson
No caso de Pearson, a recomendao parte de conceito
diferente das anteriores. Baseia-se no uso da mdia e da
mediana:
5
Mo=3 x Me 2 x X
Onde:
Mo = Moda
Me = Mediana
X = Mdia
10
15
53
Unidade II
Medida de
posio
Mdia
Vantagens
Desvantagens
de fcil compreenso,
podendo ser calculada
diretamente usando-se
calculadoras apropriadas.
Evidencia bastante
estabilidade de amostra para
amostra.
A mdia no tem,
necessariamente, existncia
real.
Possibilita a manipulao de
dados, com clculo de mdias
combinadas.
Mediana
Os valores extremos no
interferem no seu resultado;
por isso indicada quando
existem valores discrepantes.
Mesmo que os valores mais
altos ou mais baixos da srie
no estejam denidos, ela
pode ser determinada.
Pode ser utilizada para dados
que tm a possibilidade de ser
ordenados.
Caso algum valor da srie
seja modicado, no
necessariamente a moda
alterar.
Os valores extremos no
interferem no seu resultado
Moda
54
ESTATSTICA
4 MEDIDAS DE DISPERSO
Objetivos
As medidas de disperso completam a informao
contida nas medidas de posio, revelando o afastamento
ou desvio dos elementos do valor central. Quanto menor
5 for a disperso de uma amostra, maior ser a qualidade da
informao contida na medida de posio, ou, em outras
palavras, menor a margem de erro que ser assumido
considerando a medida de posio como representante de
toda a amostra.
10
15
55
Unidade II
Por exemplo, suponha que tenhamos as valorizaes mensais
das aes de duas diferentes empresas A e B, com os seguintes
valores (em porcentagem):
Empresa A = {21,5; 18,0; 26,3; 32,4; 45,1; 18,6; 37,6}.
5
di
dm = i=1
N
56
ESTATSTICA
O primeiro passo ser calcular a mdia aritmtica desses
valores e, em seguida, os desvios de cada um dos valores. Depois,
somaremos o mdulo desses valores dividindo-os pelo nmero
total de elementos da amostra. O quadro abaixo mostra passo a
5 passo esses clculos:
Ordem dos
elementos
Valores
Desvios
Mdulo
dos desvios
_
|di=xi X |
18
18 - 27
= -9
21
21 - 27
= -6
22
22 - 27
= -5
27
27 - 27
28
28 - 27
29
29 - 27
33
33 - 27
38
38 - 27
= 11
11
Soma
_
Mdia ( X )
216
40
216/8=27
40/8 = 5
_
di=xi X
x i
216
X=
X = 27
N
8
15
di
dm = i=1
N
=> dm =
40
=> dm = 5
8
57
Unidade II
Quando trabalhamos com dados agrupados em classes
ou no, utilizamos exatamente o mesmo processo de clculo,
evidentemente que com alteraes nas frmulas de clculos,
introduzindo-se o conceito de frequncia simples, como se
5 mostra a seguir:
n
di x fi
dm = i=1n
i=1fi
Observar que para dados agrupados em classes o clculo dos
desvios dado por:
di = pmi - X
10
58
Dias
Valor x
pesquisados Frequncia
Desvios
Mdulo
dos
desvios
Mdulo
dos
desvios x
Frequncia
Valor
Frequncia
xi
fi
xi.
12
-3,6
3,6
43,5
15
15
-2,6
2,6
39,4
28
56
-1,6
1,6
45,6
23
92
0,4
0,4
8,6
19
95
1,4
1,4
26,1
48
2,4
2,4
19,0
48
4,4
4,4
26,2
10
40
6,4
6,4
25,5
11
22
7,4
7,4
14,7
12
12
8,4
8,4
8,4
Somas
118
428
Mdia
3,6
_
_
di=xi X |di=xi X |
|di| x fi
257,0
Desvio mdio
2,2
ESTATSTICA
n
Limites de
classes
li
Pontos
mdios
de
classe
Manutenes
pesquisadas
Valor x
Frequncia
Desvios
Mdulo dos
desvios
Mdulo dos
desvios x
Frequncia
Valor
Frequncia
ls
pmi
fi
pmi.
_
di=xi X
_
|di=xi X |
|di| x fi
|---
1,5
26
39
-4,1
4,1
106,0
|---
4,5
20
90
-1,1
1,1
21,5
|---
7,5
16
120
1,9
1,9
30,8
|--- 12
10,5
10
105
4,9
4,9
49,2
12
|--|
13,5
81
7,9
7,9
47,5
Somas
78
435
Mdia
5,6
15
255,1
Desvio Mdio
3,3
59
Unidade II
variabilidade absolutas: a varincia e o desvio padro que
veremos em seguida.
A varincia o somatrio dos desvios tomados ao quadrado,
ou seja, basicamente a mesma denio do desvio mdio,
5 alterando-se apenas a potncia dos desvios:2
n
d2
2
i=1 i
S =
N 1
10
d2 x fi
2
i=1 i
S =
n
i=1 fi 1
Os exemplos de 1 a 3 no prximo item mostram o clculo da
varincia nos vrios casos possveis.
4.1.4 Desvio padro
60
ESTATSTICA
Conceitualmente, o desvio padro a raiz quadrada da
varincia e simbolizado pela letra S maiscula. Dessa forma,
calculado pelas frmulas
n
S=
5
i=1di2
N 1
S=
i=1di2 x fi
n
i=1fi 1
20
61
Unidade II
Exemplo 1
Calcular a mdia e o desvio padro da amostra {18; 21; 22;
27; 28; 29; 32; 37}.
Ordem dos
elementos
Valores
18
Desvios ao
quadrado
Desvios
_
di=xi X
xi
di2
18 - 27
= -9
81
21
21 - 27
= -6
36
22
22 - 27
= -5
25
27
27 - 27
28
28 - 27
29
29 - 27
33
33 - 27
36
38
38 - 27
= 11
121
Soma
216
_
Mdia ( X )
216/8=27
304
Varincia
304/7 = 43,4
Desvio padro
6,6
Clculo da mdia:
5
X=
x i
216
X=
X = 27
N
8
Clculo da varincia:
n
d2
304
i=1 i
=
=> S2 =
=> S2 = 43, 4
N 1
8 1
S =
62
i=1di2
N 1
=> S =
304
=> S = 43, 4 => S = 6, 6
8 1
ESTATSTICA
Exemplo 2
Calcular a varincia e o desvio padro da amostra de
distribuio abaixo, relativa ao nmero de acidentes dirios
numa estrada federal.
Distribuio de acidentes por dia - Estrada X
Dias
Nmero de
acidentes pesquisados
dirios
Valor x
Frequncia
Desvios
Quadrado Quadrado
dos
dos desvios
desvios
x
Frequncia
Valor
Frequncia
xi
fi
xi.
_
di=xi X
di2
di2 x fi
12
-3,6
13,2
157,9
15
15
-2,6
6,9
103,5
28
56
-1,6
2,6
74,1
23
92
0,4
0,1
3,2
19
95
1,4
1,9
35,8
48
2,4
5,6
45,0
48
4,4
19,1
114,7
10
40
6,4
40,6
162,5
11
22
7,4
54,4
108,7
12
12
8,4
70,1
70,1
Somas
118
428
Mdia
3,6
875,6
Varincia
7,5
Desvio Mdio
2,7
Clculo da varincia:
n
d2 x fi
i=1 i
=
n
i=1fi 1
=> S2 =
875, 6
= S2 = 7, 5
118 1
i=1di2 x fi
n
i=1fi 1
n
S=
=> S =
875, 6
=> S = 7, 5 => S = 2, 7
118 1
63
Unidade II
Exemplo 3
Calcular o desvio padro da amostra de distribuio abaixo,
relativa ao tempo de mo de obra gasto com a manuteno dos
avies de uma empresa area.
Distribuio das horas de manuteno - Aero X
Classes
Limites de
classes
li
Pontos
mdios de
classe
Manutenes
Valor x
pesquisadas Frequncia
Desvios
Quadrado
dos desvios
Quadrado
dos desvios x
Frequncia
Valor
Frequncia
ls
pmi
fi
pmi.
_
di=xi X
di2
di2 x fi
|---
1,5
26
39
-4,1
16,6
432,2
|---
4,5
20
90
-1,1
1,2
23,2
|---
7,5
16
120
1,9
3,7
59,2
|--- 12
10,5
10
105
4,9
24,2
242,4
12 |--| 15
13,5
81
7,9
62,8
376,7
Somas
78
435
Mdia
5,6
1133,5
Varincia
14,7
Desvio Padro
3,8
Clculo da varincia:
n
d2 x fi
2 1133, 5
i=1 i
=
=
=> S2 = 14, 7
=>
S
n
78 1
i=1 fi 1
S=
i=1di2 x fi
n
i=1 fi 1
=> S =
1133, 5
=> S = 14, 7 => S = 3, 8
78 1
64
ESTATSTICA
O mais comum, na estatstica, que essa relao entre
mdia e desvio padro seja feita pela chamada distribuio
normal, qual ns voltaremos na disciplina de Estatstica para
Administradores. Nessa relao, vlida na maior parte dos casos
5 prticos, seguem-se os seguintes intervalos:
1. Entre a mdia mais uma vez o desvio padro e a mdia
menos uma vez o desvio padro, esto contidos 68% dos
elementos da amostra ou da populao.
10
15
65
Unidade II
4.2 Medidas de disperso relativas
S
S
ou Cvp = 100
X
X
S
S
ou Cvp =
100
Me
Me
66
ESTATSTICA
Um especialista estudou, estatisticamente, dois tipos de
investimentos, chegando s concluses do quadro abaixo. Qual
o investimento que apresenta menor risco?3
Estatsticas
Retorno
esperado
Desvio padro
Aplicaes
X
Observaes
12% 20%
9%
10%
Estatsticas
Retorno esperado
12%
20%
Desvio padro
9%
10%
Coeciente de variao
de Pearson
75%
50%
Cvpa =
9
x 100=>Cvpa = 75%
12
Cvpb =
10
x 100=>Cvpb = 50%
20
67
Unidade II
A comparao dos coecientes de variao das aplicaes
mostra que o especialista estaria cometendo um erro srio
se escolhesse a aplicao X em vez de a aplicao Y, j que a
disperso relativa, ou risco, das aplicaes, conforme reetida
5 no coeciente de variao, menor para o ativo Y do que para
o X (50% versus 75%). Evidentemente, o uso do coeciente de
variao para comparar o risco da aplicao melhor porque
este tambm considera o tamanho relativo, ou retorno esperado,
das aplicaes.
4.3 Relaes grcas entre as medidas
estatsticas
10
68
ESTATSTICA
Frequncia simples
30
25
20
15
10
5
0
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
105
Peso em quilos
69
Unidade II
Figura 2 - Assimetria
Frequncia simples
Simtrica
Assimtrica positiva
Assimtrica negativa
Mdia
Varivel
Figura 3 - Curtose
Frequncia simples
Curva leptocrtica
Curva mesocrtica
Curva platicrtica
Mdia
Varivel
4.3.1 Assimetria
A assimetria mede o quanto a distribuio se afasta da
mdia. Esse afastamento pode ocorrer para a direita ou para
a esquerda, gerando, respectivamente, as assimetrias positiva e
negativa.
5
Pearson.
70
X Me
S
ESTATSTICA
Onde:
As = Coeciente de assimetria
X = Mdia
Me = Mediana
S = Desvio padro
Caso:
As = 0, a distribuio simtrica.
As > 0, a distribuio assimtrica positiva ou direita.
As < 0, a distribuio assimtrica negativa ou esquerda.
10
15
di4 x fi
fi 3
k=
S4
71
Unidade II
Onde:
K = Coeciente de curtose
di = Desvios
fi = Desvio Padro
Caso:
K = 0, a distribuio mesocrtica.
K > 0, a distribuio leptocrtica.
K < 0, a distribuio platicrtica.
Exemplo:
10
Frequncia simples
Mdia
72
Varivel
|---|
150
200
250
300
350
400
450
10
Somatrios
|----
100
|----
|----
|----
|----
|----
|----
|----
50
|----
li
Valor
Classes
nmero
500
450
400
350
300
250
200
150
100
50
ls
1.245
53
56
63
84
280
175
164
112
100
158
fi
Frequncia
475
425
375
325
275
225
175
125
75
25
pmi
Pontos
mdios
de
classe
1.245
1.192
1.136
1.073
989
709
534
370
258
158
fac
270.425
25.175
23.800
23.625
27.300
77.000
39.375
28.700
14.000
7.500
3.950
pmi x fi
Frequncia
Pontos
acumulada mdios x
crescente Frequncias
258
208
158
108
58
-42
-92
-142
-192
_
di=xi X
Desvios
66.456
43.177
24.898
11.619
3.340
61
1.782
8.502
20.223
36.944
di2
18.534.426
3.522.183
2.417.921
1.568.577
975.991
935.149
10.623
292.180
952.277
2.022.335
5.837.189
di2 x fi
Desvios
Desvio ao
ao
quadrado x
quadrado Frequncias
4.416.437.760
1.864.267.846
619.912.976
134.999.655
11.154.389
3.685
3.174.048
72.291.984
408.984.000
1.364.876.602
di4
Desvios
a quarta
potncia
657.154.712.129
234.071.201.262
104.398.999.377
39.054.517.468
11.339.970.993
3.123.228.929
644.833
520.543.855
8.096.702.259
40.898.400.046
215.650.503.107
di4 x fi
Desvios a
quarta potncia
x Frequncias
ESTATSTICA
73
Unidade II
Clculo da mdia:
X=
S=
5
i=1 di2 x fi
n
i=1 fi 1
=> S =
18.534.426
=> S = 14.899 => S = 122,1
1.245 1
Clculo da mediana:
- elemento mediano:
Eme =
N +1
1.245 + 1
=> Eme =
=> Eme = 623
2
2
- mediana:
Eme -fac ant
623-534
Me=liMe +
x 50=>Me=225,4
x h=200+
175
fMe
10
Clculo da assimetria:
As =
217, 2 225, 4
X Me
=> As =
=> As = 0, 067
S
122,1
Clculo da curtose:
di4 x fi
657.154.712.129
f
i 3 => K =
1245
K=
3 => K = 0, 625
S4
74
(122,1)4
ESTATSTICA
Referncias bibliogrcas
ANDERSON, D. R.; SWEENEY, D. J.; WILLIAMS, T. A. Estatstica
aplicada administrao e economia. 2. ed. So Paulo:
Thomson Learning, 2007.
BRUNI, Adriano B. Estatstica aplicada gesto empresarial.
So Paulo: Atlas, 2007.
BUSSAB, W. O.; MORETIN, P. A. Estatstica bsica. 3. ed. So
Paulo: Atual, 1986.
COSTA NETO, P. L. O. Estatstica. So Paulo: Edgard Blcher,
1979.
COSTA NETO, P. L. O.; CYMBALISTA, M. Probabilidades. So
Paulo: Edgard Blcher, 1974.
DOWNING, D.; CLARK, J. Estatstica aplicada. 1. ed. So Paulo:
Saraiva, 1998.
FONSECA, J. S.; MARTINS, G. A.; TOLETO, G. L. Estatstica
aplicada. So Paulo: Atlas, 1995.
GUERRA, M.; GUERRA, M. J.; DONAIRE, D. Estatstica aplicada.
So Paulo: Cincia e Tecnologia, 1991.
KAZMIER, L. J. Estatstica aplicada economia e administrao.
So Paulo: Makron Books, 1982.
KUNE, H. Mtodos estatsticos para a melhoria da qualidade.
So Paulo: Gente, 1993.
LAPPONI, J. A. Estatstica usando Excel. 4. ed. Rio de Janeiro:
Elsevier, 2005.
75
Unidade II
MEDEIROS, E.; MEDEIROS, E.; GONALVES, V.; MUROLO, A.
C. Estatstica para os cursos de economia, administrao e
cincias contbeis. 2. ed. v. 1 e 2. So Paulo: Atlas, 1997.
__________. Tabelas de estatstica para os cursos de
economia, administrao e cincias contbeis. 2. ed. So Paulo:
Atlas, 1999.
MEYER, P. L. Probabilidade aplicaes estatstica. 1. ed. Rio
de Janeiro: Livros Tcnicos e Cientcos, 1976.
MILONE, G.; ANGELINI, F. Estatstica aplicada. So Paulo: Atlas,
1995.
MOORE, D. A estatstica bsica e sua prtica. 1. ed. Rio de
Janeiro: LTC, 2000.
MOORE, D; McCABE, G. P.; DUCKWORTH, W. M.; SCLOVE, S. L. A
prtica da estatstica empresarial. Como usar dados para tomar
decises. Rio de Janeiro: LTC, 2006.
SPIEGEl, M. R. Estatstica. So Paulo: Makron Books, 1993.
STEVENSON, W. J. Estatstica aplicada administrao. So
Paulo: Habra, 1981.
TRIOLA, M. F. Introduo estatstica. Rio de Janeiro: LTC, 2005.
WITTE, R. S.; WITTE, J. S. Estatstica. 7. ed. Rio de Janeiro: LTC,
2005.
76