Escolar Documentos
Profissional Documentos
Cultura Documentos
BrevesConsideraessobreSPSS
raquelsav@gmail.com
1 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
NDICE
1. APRESENTAO SUCINTA DO AMBIENTE SPSS 1.1. 1.2. 1.3. 1.4. PRINCIPAIS MENUS E JANELAS SPSS PARA ORGANIZAR DADOS EXPLORAO DE VARIVEIS A APRESENTAO GRFICA DE DADOS E O TIPO DE VARIVEL 3 3 5 10 11 15 22 22 25 26 27 27 29 36
2. MEDIDAS DE LOCALIZAO DE TENDNCIA CENTRAL REVISO DE CONCEITOS E APLICAO A SPSS 3. ASSOCIAO E CORRELAO 3.1. DIAGRAMA DE DISPERSO 3.2. COVARINCIA E CORRELAO 3.2.1.COEFICIENTEDECORRELAOLINEARDEPEARSON 3.2.2.COEFICIENTEDECORRELAOORDINALDESPEARMAN 3.2.3.COEFICIENTEDECORRELAOBISSERIALPORPONTOS 3.3. ASSOCIAO: TABELAS DE CONTINGNCIA E COEFICIENTE DE ASSOCIAO 4. TESTES PARAMTRICOS E NO PARAMTRICOS
2 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
3 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Alm dos Menus, o SPSS apresenta outro tipo de interfaces, tais como: janelas, barras de ferramentas e de estado e caixas de dilogo que tornam mais acessvel o seu manuseamento. No que se refere a janelas, destacamos:
A janela de edio (SPSS Data Editor) que se subdivide em duas janelas: - Janela de dados - (Data View): Ao abrir o SPSS a primeira janela que visualizada e consiste numa matriz (linhas/colunas) onde vo ser inseridos (ou alterados) os dados. Cada coluna representa uma varivel e cada linha um registo, caso ou observao. - Janela de Variveis - (Variable View): O SPSS tem uma janela de vista de variveis onde se definem, ou se modificam, todos os aspectos relativos a cada uma das variveis.
A Janela de resultados (Output Viewer) Onde todos os resultados, sob a forma de tabelas ou grficos so exibidos. O contedo pode ser editado e gravado em ficheiro.
4 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
- Numeric - numricas - Comma - com vrgulas a separar os milhares - Dot- Com ponto separador nos milhares - Scientific notation - numricos com notao cientfica - Date- data-vros formatos - DolLar-para moeda dlar - Custom Currency- outros fomatos para valores monetrios - String- alfanumricas - mais usada para posteriormente identificar casos em 1 apresentao grfica de resultados, ou seja para variveis Nominais e Ordinais. - Restricted Numeric: nmero inteiro com zeros esquerda
Label: etiqueta que, queremos que saia, por exemplo, no Output dos resultados.
1Mesmo quando as variveis so qualitativas possvel escolher numeric para que se possam
realizar posteriormente anlises estatsticas com este tipo de variveis. Por exemplo, Grau de satisfao ser 1 para muito baixo, 2 para moderado e 3 para muito alto.
5 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Missing values - Os valores em falta. Note-se que os valores de uma varivel- mesmo sendo numricos- especificados como missing values pelo utilizador so excludos do tratamento estatstico dos dados e so tratados como um caso especial. Columns - Permite definir/alterar o tamanho da coluna. Align - Permite definir/alterar o alinhamento da coluna. Measure Permite definir o tipo de varivel: - Scale se so quantitativas - Nominal e Ordinal se so variveis qualitativas (ambas tratadas como categricas nos procedimentos de tabelas e grficos, mesmo que os valores sejam numricos). Role Permite definir o papel que a varivel poder tonar na anlise dos dados: - Input : varivel independente - Target: varivel depente - Both: ambas - None: sem papel assumido - Partition: ser usada para a partio de dados em duas amostras separadas - Split: permite a compatibilidade (nos dois sentidos) com o PASW Modeler (programa que permite a descoberta de padres).
O Menu Transform
O SPSS possui um conjunto de ferramentas que permitem transformar as variveis, alterar os valores a uma varivel ou at criar novas variveis a partir de outras, e se necessrio tambm seleccionar casos a analisar.
6 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Clicamos OK.
7 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Seleccionamos Old and New Values e atribumos um cdigo a cada uma das classes. Por exemplo: 1-> at 19,99 - peso baixo 2-> 20 a 24,99 - peso normal 3-> 25 a 29,99 - excesso de peso 4-> 30 a 35,99 - obesidade 5-> a partir de 36 - obesidade mrbida
Depois de criada a nova varivel, no modo Variable View- Value podemos atribuir a cada um dos valores uma etiqueta:
8 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
O Menu Data
No menu data esto alguns dos comandos directamente relacionados com os dados, dos quais podemos destacar alguns procedimentos, por enquanto: Sort Cases- Ordena os casos de acordo com uma varivel. Neste exemplo os dados esto ordenados a partir da varivel peso:
Transpose- Transpe linhas para colunas o que significa que as variveis passam a ser casos e as observaes variveis. Merge files- permite acrescentar valores (casos ou variveis) de outro ficheiro de dados do SPSS. Split Files permite dividir ficheiros de dados em funo de categorias de uma varivel categrica. til quando necessrio compara resultados para dois grupos distintos. Por exemplo: feminino e masculino. Select Cases- Permite escolher um subconjunto de observaes para se fazer vrias anlises, tendo em considerao esses valores, dependendo de um critrio introduzido (if condition is satisfied), aleatoriamente (Random Sample of cases) , num intervalo (time or case range). Por exemplo: seleccionar todos os casos em que a idade seja inferior ou igual a 30 anos:
9 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
10 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
11 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Varivel Ordinal
A informao sumria das variveis, geralmente, semelhante ao descrito anteriormente para as variveis nominais, no entanto no se pode alterar a ordem das categorias uma vez que estas tm uma ordem prpria.
12 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Grfico de Caule-e-folhas O diagrama de caule-e-folha (stem and leaf) consiste numa representao grfica que apresentar os dados separando em cada dado quantitativo os algarismos de maior ordem (caule) dos de menor ordem (folhas). Esta tabela tem a particularidade de permitir ao observador uma percepo do aspecto global dos dados sem perda de informao contida na coleco de dados inicial. Para construir um grfico de caule-e-flores deve proceder aos seguintes passos: Descritive Statistics -> Explore e escolher a varivel que pretender e seleccionar Plots -> Stem-and-leaf
13 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
14 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
2. Medidas de localizao de tendncia central Reviso de Conceitos e aplicao a SPSS Mdia aritmtica
1) Seja x1, x2, x3, .., xn os n valores de uma varivel quantitativa. Chama-se mdia, e representa-se por , ao valor obtido por . 2) Quando os dados esto agrupados em classes, x1, x2, x3,..., xn so os valores mdios da classe
com k =nmero de classes; Fi=frequncia absoluta classe i; yi o ponto mdio da classe i (representante da classe). O valor que obtemos para a mdia deixa de ser exacto, passando a ser uma aproximao. A mdia aritmtica o valor nico que equilibra a distribuio, dado que a soma dos desvios de todas as observaes em relao mdia zero. muitas vezes designada de centro de gravidade da distribuio e depende do valor de todas a observaes, sendo objectivamente afectada pelos valores extremos. A mdia o centro nas distribuies normais
DESVANTAGEM DA MDIA: A mdia muito sensvel a valores muito grandes ou muito pequenos, por isso uma medida sensvel e pouco resistente.
Mediana
Indica o valor central das observaes, depois de ordenadas. A mediana o valor que a divide ao meio, isto , 50% dos elementos da amostra so menores ou iguais mediana e os outros 50% so maiores ou iguais. Depois de ordenada a amostra: Se n mpar a mediana o elemento mdio. Se n par a mediana a semi-soma dos dois elementos mdios. Como medida de localizao, a mediana mais resistente do que a mdia, pois no to sensvel aos dados.
15 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Sendo: l limite inferior da classe; c amplitude da classe mediana; n dimenso da populao F frequncia acumulada da classe anterior classe mediana; f frequncia da classe mediana
Quantil
A designao de quantil encontra-se associada ideia de que os quantis dividem a distribuio de frequncias em quantidades iguais, isto , com igual nmero de observaes. Os quantis podem ser: Quartis divide a distribuio de frequncias em 4 partes iguais. Decis divide a distribuio de frequncias em 10 partes iguais Percentis divide a distribuio de frequncias em 100 partes iguais. Sejam x1 e xn, respectivamente, o menor e o maior valor da varivel considerando o conjunto ordenado. Q1 Q2 Q3
x1
mediana
xn
Q1, Q2 e Q3 representam os quartis da distribuio: 1 quartil o valor da varivel tal que o nmero de observaes para valores inferiores a Q1 25%, e o n de observaes superior a 75%. 2 quartil coincide com a mediana, o que significa que 50% das observaes esto abaixo de Q2 e, pelo menos, 50% esto acima de Q2. 3 quartil o valor da varivel tal que o nmero de observaes para valores inferiores a Q3 75%, e o n de observaes superiores 25%. As frmulas de clculo do Q1 e do Q3 so idnticas da mediana, substituindo respectivamente por e (e os valores na frmula tm de ser adaptados ao
Moda
o valor mais frequente da distribuio ou o valor que mais observaes apresenta no conjunto de dados. Existem conjuntos de dados que no apresentam moda, porque nenhum valor se repete maior nmero de vezes, e existem conjuntos de dados com duas ou mais modas. Se os dados esto agrupados em classes de igual amplitude, a classe de maior
16 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
frequncia chama-se classe modal. Quando as amplitudes so variveis, a classe modal aquela que corresponde ao rectngulo com maior altura do histograma. A moda pode considerar-se o ponto mdio da classe modal. A moda tem algumas vantagens como medida de estatstica descritiva: fcil de calcular e interpretar; No afectada por valores extremos
Mas apresenta uma clara desvantagem: No pode ser definida com rigor
simtrica
17 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
De um modo geral:
Curva simtrica
- Achatamento ou Curtose As medidas de curtose do-nos uma indicao da intensidade das frequncias na vizinhana dos valores centrais. Como referncia ao grau de achatamento podemos ter:
Distribuio Leptocrtica
Distribuio Mesocrtica
Distribuio Platicrtica
18 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Grau de Curtose
Sendo Q1 e Q3 o primeiro e terceiro quartis e P90 e P10 o 90 e 10 percentis. Se K = 0.263 Se K > 0.263 Se K < 0.263 a distribuio mesocrtica; a distribuio platicrtica; a distribuio leptocrtica.
Para obter as medidas descritivas, basta explorar o menu Analyse: Analyse -> Descritive Statistics.
19 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
20 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Mximo
Q3 Mediana Q1
Mnimo
A identificao dos outliers, ou seja, dos valores que diferem significativamente do conjunto, feita com recurso a um critrio de distncia. So determinadas distncias, com referencia ao Q1 e Q3, permitindo o clculo das chamadas barreiras internas e externas (superior e inferior). Este critrio permite identificar e classificar se esses valores diferem muito do restante conjunto de dados. Relativamente interpretao a dar caixa de bigodes, de referir: Quanto mais pequena for a caixa, maior a concentrao da distribuio de frequncias (menor disperso) para, pelo menos 50% das observaes. Se Q2-Q1 = Q3-Q2 a distribuio aproximadamente simtrica; Se Q2-Q1 < Q3-Q2 a distribuio aproximadamente assimtrica positiva; Se Q2-Q1 > Q3-Q2 a distribuio aproximadamente assimtrica negativa;
21 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
3. Associao e Correlao
No captulo anterior vimos como caracterizar dados descrevendo uma varivel, no entanto, uma das grandes vantagens na utilizao do SPSS consiste na potencialidade comparar o comportamento de vrias variveis entre si. Assim, caso se pretenda estudar a relao existente entre duas variveis de natureza quantitativa ou qualitativa medida em escala ordinal, recorre-se ao conceito de correlao. Quando as variveis so de natureza qualitativa e esto medidas atravs de uma escala nominal, usual designar-se a relao entre elas por associao. A anlise de correlao linear entre duas variveis X e Y tem por objectivo quantificar a intensidade da relao linear existente entre elas, analisando portanto a sua variao conjunta. Ou seja, a correlao mede o grau de associao linear entre variveis. Existem vrios coeficiente de correlao, que variam em absoluto entre 0 e 1. Quanto mais prximo de 1, mais forte a associao entre as variveis. Se assumir valores positivos, as variveis evoluem no mesmo sentido, enquanto se assumirem valores negativos, variam no sentido inverso. Note-se que a correlao mede apenas o grau de associao entre variveis no constituindo, isoladamente uma prova de causalidade entre as mesmas. Neste captulo iremos estudar os aspectos essenciais acerca de Associao de variveis, e distinguir em que situaes devemos usar os coeficientes de correlao respectivos.
22 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
E obtemos
No entanto, o diagrama de disperso uma das representaes grficas mais adequadas para analisar graficamente a relao entre estas duas variveis, e nos permite, facilmente concluir, neste exemplo, que medida que aumentam as mdias de curso aumenta o nmero mdio de horas de estudo. Podemos afirmar, nesta situao que existe uma relao
23 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
positiva entre as duas variveis, j que a valores elevados de mdia esto, em mdia, associados valores elevados de mdia de horas de estudo. No entanto, este tipo de diagrama no nos permite quantificar a intensidade desta relao.
24 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
sxy =
1 n xi x yi y n i =1
)(
Pode fazer-se uma interpretao simples da expresso da covarincia a partir do respectivo diagrama de disperso. O seu sinal depende do quadrante em que o para ordenado se encontra no sistema de eixos cartesianos. Como podemos observar na seguinte tabela:
Quadrantes
1 Quadrante
( x x)
i
( y y)
i
( x x )( y y)
i i
+
2 Quadrante
3 Quadrante
4 Quadrante
O sinal da covarincia indica se a relao entre X e Y positiva ou negativa. Se o sinal for positivo, predominam os produtos dos desvios positivos em relao aos negativos e, por consequncia, os desvios tendem a ser ambos positivos ou ambos negativos (Q1 e Q3). Assim, as variveis variam em mdia no mesmo sentido, ou seja, quando uma varivel aumenta a outra tambm aumenta, em mdia, e quando uma varivel diminui a outra tambm diminui, em mdia. Se o sinal for negativo, predominam os produtos dos desvios negativos em relao aos positivos e, por consequncia, os desvios tendem a ter sinais contrrios (Q2 e Q4). Assim, quando uma varivel aumenta a outra tambm diminui, em mdia, e vice-versa.
25 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Quando a covarincia nula, a magnitude dos desvios positivos e negativos igual e, por isso, no existe relao linear entre as variveis.
3.2.1.CoeficientedeCorrelaoLineardePearson
Na avaliao do grau de correlao entre duas variveis, a covariancia apresenta desde logo dois inconvenientes: depende das unidades de medida das variveis, e assume valores no conjunto dos nmeros reais. Atendendo a que a preciso de qualquer medida inversamente proporcional amplitude do intervalo onde a mesma toma valores, podemos concluir que a covarincia uma medida pouco precisa, pois d-nos pouca informao relativamente intensidade de correlao existente entre as variveis. Assim a informao contida na covarincia essencialmente sobre o sinal e no sobre a sua intensidade. Surge assim a necessidade de criar um coeficiente de correlao linear que damos o nome de Pearson, que assume valores no intervalo [-1,1] e no depende das unidades de medida das variveis e que se calcula fazendo:
rx, y =
sxy sx sy
1 n x x yi y n i =1 i 1 n x x n i =1 i
)(
) )
2
1 n y y n i =1 i
Em funo do sinal e do valor absoluto deste coeficiente pode concluir-se sobre a direco e a intensidade da relao existente entre duas variveis quantitativas
Coeficiente de correlao
Concluses
Diagrama de disperso
rx,y = -1
Os pontos esto inscritos numa recta de declive negativo. A correlao linear entre as variveis negativa perfeita. Os pontos esto inscritos numa recta de declive negativo. A correlao linear entre as variveis negativa. Quanto mais prximo de -1 for o valor de rx,y menor a variabilidade dos pontos em torno da recta.
rx,y = 0
Os pontos esto inscritos numa recta de declive positivo. A correlao linear entre as variveis positiva. Quanto mais prximo de 1 for o valor de rx,y menor a variabilidade dos pontos em torno da recta.
26 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
rx,y = 1
Os pontos esto inscritos numa recta de declive positivo. A correlao linear entre as variveis positiva perfeita.
3.2.2.CoeficientedeCorrelaoOrdinaldeSpearman
Quando se pretende analisar a correlao entre duas variveis medidas em escala ordinal deve recorrer-se ao Coeficiente de Correlao Ordinal de Spearman, que mede a intensidade da relao entre variveis ordinais. Este coeficiente recorre s ordens de observaes em detrimento dos seus valores observados. O coeficiente de correlao de Spearman pode ser encarado como um caso particular do coeficiente de correlao de Pearson, entre as ordens de observao. O coeficiente de correlao de Spearman mede a intensidade da relao existente entre duas variveis medidas numa escala pelo menos ordinal, e calcula-se da seguinte forma:
rx, y = 1
6 d 2 n n 1
i =1 2
em que
di = o(xi ) o(yi ) e
3.2.3.CoeficientedeCorrelaoBisserialporpontos
O Coeficiente de Correlao Bisserial por pontos mede a intensidade da relao existente entre uma varivel quantitativa y e uma varivel qualitativa dicotmica x, e definido da seguinte forma:
rx, y =
em que
y p yq sy
pq
p=
np n
27 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
q=
nq n
1 quando as observaes tiverem exactamente a mesma ordem, -1 quando tiverem ordem inversa 0 quando as ordens se dispuserem de uma forma aleatria uma relativamente outra. Interpretao:
rbp > 0 y p > yq existe uma correlao positiva entre Y e a caracterstica medida
como 1 em Y.
rbp < 0 y p < yq existe uma correlao negativa entre Y e a caracterstica medida
como 1 em Y, ou, uma correlao positiva entre Y e a caracterstica medida como 0 em Y.
ParaobterestescoeficientesnoSPSS,bastafazer:
28 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Coeficiente de correlao
Linearde Pearson Ordinalde Spearman Bisserial
Variveis
Quantitativa X Quantitativa Ordinal X Ordinal (pelomenos) Quantitativa X Qualitativa dicotmica
Exemplos
Associaoentreonmerodehorasdetrabalho dedicadoeanotaobtida,medidanumaescalaentre 0e20. AssociaodeumanotamedidapelaEscala(1Mau; 2Suficiente,3Bom,4MuitoBom)eanotanum trabalhomedidopelaescala(A,B,C,D) Associaoentreonmerodehorasqueumgrupo demoraaexecutarcertatarefaeognero
B A 1 2 Totais
1 a c a+c
2 b d b+d
29 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Designamsepormodalidadesconcordantes(A1,B1)/(A2,B2)epor modalidadesdiscordantes(A1,B2)/(A2,B1): Ocoeficientedeassociao dadopor: ad bc = ( a + b )( c + d )( a + c )(b + d ) Ainterpretaodestecoeficientefeitadaseguinteforma: coeficientedeassociao Concluses -1 < < 1 ExisteumaassociaoentreAeBnas > 0 modalidadesconcordantes Noexisteassociaoentreasvariveis = 0 AeB ExisteassociaoentreAeBnas <0 modalidadesdiscordantes Exemplo: NoMinistriodaEducaoforaminquiridos500indivduosdosquadros tcnicossuperiorese700dosquadrostcnicossobreasnormasde seguranadosrespectivoslocaisdetrabalho.Aopiniodosinquiridos encontraseresumidanaseguintetabela: Opinio So Noso Totais cumpridas cumpridas Quadros 350 150 500 Superiores Quadros 125 575 700 Tcnicos Totais 475 725 1200 Pretendesesabercomoserelacionamequalaintensidadedarelaoentre aduasvariveisconsideradas. Asvariveisso: Opiniosobrenormasdesegurana:variveldicotmica,jques podeassumirdoisvaloresdiferentes(Cumpridasounocumpridas) Quadros:variveldicotmica(Superioresoutcnicos) Porsetrataremdeduasvariveisnominaisedicotmicas,paramedira intensidadedarelaoentreelasvamosutilizarocoeficientedeassociao.
=
= 0, 526
30 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
UsandooSPSS:
1.Inserirasvariveisecaracterizlasconvenientemente:
NOTA:paraquadroseopiniodeveusaraopoValuesparaindicaras possibilidadesdasvariveis.
31 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
2. Especificarqueavarivelfreqobscaracterizaasfrequnciasobservadas:
3.
ObterocoeficientedeAssociaoatravsdosseguintespassos:
32 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
4.
Obtemosassim:
33 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Confirmandoassim,ovalorobtidoanteriomente,0,526(Phi).
Podemos,ainda,obterumainterpretaomaisaprofunda,seleccionandoem Crosstabs>Cells
34 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Paraobter:
Podemosretiraralgumasconclusesdestatabela: Dos475elementosqueafirmaramqueasnormasdeseguranaso cumpridas,350(73.7%)sodosquadrossuperioreseosrestantes125 (26,3%)sodequadrostcnicos; Dos500elementosdequadrossuperiores350(70%)afirmamqueas normasdeseguranasocumpridase150(30%)afirmamquenoso cumpridas; Dototaldoselementos,1200,575(47,9%)sodequadrostcnicose afirmamqueasnormasdesegurananosocumpridas; Dototaldaselementos,1200,500(41,7%)sodequadrossuperiores.
35 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira
Referncias Bibliogrficas Bessa, J. (2006). Folha de Apoio - Iniciao ao SPSS. Aveiro: Universidade de Aveiro [Acessvel em http://www2.dce.ua.pt/leies/pacgi/Folhaapoio1.pdf] Cunha, G.; Martins, M. R.; Sousa, R. & Oliveira, F.F. (2007). Estatstica Aplicada s Cincias e Tecnologias da Sade. Lisboa: Lidel; Martinez, L. F. & Ferreira, A. I. (2008). Anlise de dados com SPSS: Primeiros passos (2ed.). Lisboa: Escolar Editora. Pereira, A. (2006). SPSS Guia Prtico de Utilizao: Anlise de dados para cincias sociais e psicologia. (6 Ed.). Lisboa. Edies Slabo
37 ESETN:Estatstica/TratamentoEstatsticoProf.RaquelVieira