Você está na página 1de 24

ESTATSTICA

ESTATSTICA
POPULAO, AMOSTRA, TABELAS, GRFICOS, DISTRIBUIO DE FREQUNCIA, MEDIDAS DE TENDNCIA CENTRAL (MDIA ARITMTICA, MEDIANA, MODA), MEDIDAS DE DISPERSO (VARINCIA, DESVIO PADRO).
Quando a amostra no representa corretamente a populao diz-se enviesada e a sua utilizao pode dar origem a interpretaes erradas. Estatstica Descritiva e Estatstica Indutiva Sondagem: por vezes no vivel nem desejvel, principalmente quando o nmero de elementos da populao muito elevado, inquirir todos os seus elementos sempre que se quer estudar uma ou mais caractersticas particulares dessa populao. Assim surge o conceito de sondagem, que se pode tentar definir como: Estudo cientfico de uma parte de uma populao com o objetivo de estudar atitudes, hbitos e preferncias da populao relativamente a acontecimentos, circunstncias e assuntos de interesse comum. Amostragem: o processo que procura extrair da populao elementos que atravs de clculos probabilsticos ou no, consigam prover dados inferenciais da populao-alvo. No Probabilstica Acidental ou convenincia Intencional Quotas ou proporcional Tipos de Amostragem Desproporcional Probabilstica Aleatria Simples Aleatria Estratificada Conglomerado - No Probabilstica: A escolha de um mtodo no probabilstico, via de regra, sempre encontrar desvantagem frente ao mtodo probabilstico. No entanto, em alguns casos, se faz necessrio a opo por este mtodo. Fonseca (1996), alerta que no h formas de se generalizar os resultados obtidos na amostra para o todo da populao quando se opta por este mtodo de amostragem. - Acidental ou Convenincia: Indicada para estudos exploratrios. Frequentemente utilizados em super mercados para testar produtos. - Intencional: O entrevistador dirige-se a um grupo em especfico para saber sua opinio. Por exemplo, quando de um estudo sobre automveis, o pesquisador procura apenas oficinas. - Quotas ou Proporcional: Na realidade, trata-se de uma variao da amostragem intencional. Necessita-se ter um prvio conhecimento da populao e sua proporcionalidade. Por exemplo, deseja-se entrevistar apenas indivduos da classe A, que representa 12% da populao. Esta ser a quota para o trabalho. Comumente tambm substratifica-se uma quota obedecendo a uma segunda proporcionalidade.D - Desproporcional: Muito utilizada quando a escolha da amostra for desproporcional populao. Atribui-se pesos para os dados, e assim obtm-se resultados ponderados representativos para o estudo.
1

Populao e amostra referem-se ao conjunto de elementos cujas propriedades (caractersticas) desejamos averiguar. Populao Estatstica ou Universo Estatstico: coleo de todos os elementos cujas caractersticas (comuns) desejamos conhecer. Amostra: subconjunto finito da populao cujas caractersticas sero medidas. A amostra ser usada para descobrir caractersticas da populao. Como toda a anlise estatstica ser inferida a partir das caractersticas obtidas da amostra, importante que a amostra seja representativa da populao, isto , que as caractersticas de uma parte (amostra) sejam em geral as mesmas que do todo (populao). Noes de Amostragem Qualquer estudo cientfico enfrenta o dilema de estudo da populao ou da amostra. Obviamente teria-se uma preciso muito superior se fosse analisado o grupo inteiro, a populao, do que uma pequena parcela representativa, denominada amostra. Observa-se que impraticvel na grande maioria dos casos, estudar-se a populao em virtude de distncias, custo, tempo, logstica, entre outros motivos. A alternativa praticada nestes casos o trabalho com uma amostra confivel. Se a amostra confivel e proporciona inferir sobre a populao, chamamos de inferncia estatstica. Para que a inferncia seja vlida, necessria uma boa amostragem, livre de erros, tais como falta de determinao correta da populao, falta de aleatoriedade e erro no dimensionamento da amostra. Quando no possvel estudar, exaustivamente, todos os elementos da populao, estudam-se s alguns elementos, a que damos o nome de Amostra. Exemplo: Se o objetivo for estudar o desempenho escolar de um colgio, indicado estudar as notas dos alunos ao final do ano letivo. A partir da poderemos facilmente obter a percentagem de aprovaes e reprovaes. Agora, se entretanto o interesse for aprofundar o estudo, saber se por exemplo o sucesso no estudo pode ser atribudo para as alunas ou alunos, deveremos recolher no somente a informao relativa a nota do aluno que aprovou ou no, mas tambm para cada um, o sexo. Masculino Feminino Total Aprovados 28% 13% 41%

Didatismo e Conhecimento

ESTATSTICA
Exemplo: Em um mercado de telefones celulares, considerando uma fatia de mercado meramente ilustrativa, obtevese os resultados conforme descritos a seguir: Marcas Nokia Ericson Gradiente Philips Total Participao no mercado 60% 20% 15% 05% 100% Elementos da Amostra n 50 50 50 50 200 % 25% 25% 25% 25% 100% Motivao: Muitas vezes estamos interessados em algumas caractersticas de uma populao, por exemplo, qual a caracterstica de uma regio em Belo Horizonte? Qual o perfil dos moradores dessa regio? A consulta a todos os moradores dessa regio tornaria o levantamento muito invivel por diversas razes (limitaes): - Custo - Tempo - Pessoal - Comodidade - Impossibilidade de observar todas as unidades amostrais. Dessa forma, consultar uma parte dos moradores (uma amostra) uma alternativa bem razovel. Por que fazer amostragem? Populao grande, diminuir custo, resultados mais rpidos, aumentar a representatividade, melhorar a preciso (mais cuidado na obteno dos dados), minimizar perdas por medidas destrutivas. Por que fazer censo? Populao pequena, preciso completa (no se permite erros), a observao j completa. Notao: N: tamanho da populao n: tamanho da amostra X1,..., XN : elementos da populao x1,..., xn: elementos da amostra Caractersticas Populacionais: So aspectos (variveis) da populao que ns estamos interessados em analisar. Ex.: o grau de satisfao com o servio 190 da polcia. Elemento: um objeto no qual as caractersticas de interesse podem ser medidas. Ex.: cada residente que acionou a polcia atravs do 190. Populao alvo (ou objetiva): a coleo finita de elementos sobre a qual desejamos fazer inferncia, ou seja, coletar informaes. Ex.: todas as pessoas que acionaram a polcia pelo 190. Populao de estudo (ou referenciada): o grupo de elementos do qual a amostra selecionada, ou seja, a populao que deveria ser representada pela amostra. Ex.: todas as pessoas que ligaram para o 190 consideradas no cadastro que auxiliou amostragem. Unidades amostrais: So partes disjuntas da populao. A unio dessas unidades deve constituir toda a populao referenciada e cada elemento da populao s pode pertencer a uma nica unidade amostral. Ex.: cada residente que acionou a polcia atravs do 190. Sistema de referncia (ou frame): uma lista de todas as unidades amostrais. Ex.: cadastro de todas as pessoas que acionaram a polcia pelo 190. Amostra: uma coleo de unidades amostrais selecionadas do sistema de referncia da pesquisa. Amostra representativa: uma amostra na qual qualquer elemento da populao pode fazer parte dela.
2

Objetivando obtermos os pesos a serem atribudos a cada marca de telefone celular, para uma anlise conjunta de todas as marcas no exemplo acima, obtemos os seguintes coeficientes: Marcas Nokia Ericson Gradiente Philips Total Pesos 2,4 0,8 0,6 0,2 4,0 Nmero de elementos a serem entrevistados 120 40 30 10 200

Dimensionamento da amostra: Quando deseja-se dimensionar o tamanho da amostra, o procedimento desenvolve-se em trs etapas distintas: - Avaliar a varivel mais importante do grupo e a mais significativa; - Analisar se ordinal, intervalar ou nominal; - Verificar se a populao finita ou infinita; Varivel intervalar e populao infinita Varivel intervalar e populao finita Varivel nominal ou ordinal e populao infinita Varivel nominal ou ordinal e populao finita Obs.: A proporo (p) ser a estimativa da verdadeira proporo de um dos nveis escolhidos para a varivel adotada. Por exemplo, 60% dos telefones da amostra Nokia, ento p ser 0,60. A proporo (q) ser sempre 1 - p. Neste exemplo q, ser 0,4. O erro representado por d. Para casos em que no se tenha como identificar as propores confere-se 0,5 para p e q.

Didatismo e Conhecimento

ESTATSTICA
Populao amostrada: a populao que d origem amostra final da pesquisa, conhecida somente aps o trabalho de campo. Ex.: suponha que indo a campo no se consiga informaes sobre algumas pessoas que usaram o 190 selecionadas para entrevista, por recusa, ausncia, morte, etc ou ainda que no estavam no frame, nesse caso, a amostra final refletir informaes sobre uma nova populao, que a populao amostrada. Parmetros populacionais: So medidas que sintetizam a informao dos elementos populacionais em relao s caractersticas populacionais de interesse. Ex.: grau de satisfao das pessoas que usaram o 190. Estimador: qualquer funo das observaes amostrais e que utilizada para inferir sobre o parmetro populacional de interesse. Ex.: proporo das pessoas que esto satisfeitas com o 190. Estimativa: o valor numrico observado do estimador. Ex.: 68% das pessoas que acionaram o 190 esto satisfeitas. Variao amostral: a variao que acontece quando amostras com unidades amostrais diferentes produz estimativas diferentes. Erro de estimao (erro de amostragem): a quantidade: Onde = parmetro populacional de interesse = estimador de Esse erro acontece devido ao fato de que a amostra no pode fornecer uma informao completa sobre a caracterstica populacional medida. Tal erro pode ser controlado atravs da escolha adequada do procedimento de amostragem a ser utilizada na coleta de dados e do tamanho da amostra. Erros no devidos amostragem: So erros que podem aparecer nas pesquisas e so mais difceis de serem controlados. a) Erros de campo: No respostas, informaes imprecisas, efeitos dos entrevistadores, etc. b) Erros de planejamento: Sistemas de referncias no adequados, escolha incorreta do mtodo de seleo de unidades amostrais, vcio na seleo das unidades amostrais, deficincia dos questionrios, etc. A invalidao ou no da extenso dos resultados da pesquisa devido a no resposta depender: a) do volume de no respondentes; b) de uma anlise criteriosa sobre a diferena de perfil dos respondentes em relao aos no respondentes. Amostragem: o processo de seleo de uma amostra. Plano amostral: o protocolo que descreve todos os mtodos e medidas envolvidos na execuo da amostragem. O plano amostral contm todas as informaes, como o mtodo usado para seleo da amostra, erro de estimao e tamanho de amostra, estimadores usados na pesquisa, etc. Seleo probabilstica: So procedimentos de seleo de amostras nas quais cada unidade amostral tem associada uma probabilidade de seleo diferente de zero. Didatismo e Conhecimento
3

Seleo no-probabilstica: So procedimentos de seleo nos quais as unidades amostrais so escolhidas intencionalmente, ou at atingir-se uma cota, ou de algum outro modo, com isso algumas unidades amostrais tem probabilidade zero de seleo. Planejamento de Pesquisa Para que se possa fazer uma pesquisa por amostragem com qualidade necessrio definir-se claramente: - Os objetivos gerais da pesquisa; - As populaes alvo e de estudo, alm de subpopulaes de interesse; - As caractersticas populacionais e os parmetros de interesse; - A unidade amostral e o sistema de referncia de cada estgio de seleo da amostra; - O mtodo de amostragem a ser empregado na seleo da amostra; os estimadores e seus erros de estimao; tamanho de amostras; - O mtodo de coleta de informaes a ser empregado em campo, ou seja, entrevistas pessoais, por telefone, pelo correio, internet, etc. - O instrumento de medida a ser utilizado na coleta de informaes, ou seja, um medidor fsico. Exemplo: questionrio; Se o instrumento for um questionrio, as questes precisam ser cuidadosamente formuladas e testadas de modo a evitar-se dupla interpretao, constrangimentos, respostas incorretas, etc. - Procedimentos a serem adotados pelos responsveis pela coleta de informaes em campo para diminuir a taxa de no resposta, ou os erros no amostrais; - A populao amostrada; - Alm disso necessrio ter uma equipe de trabalho muito bem escolhida, treinada e organizada; - essencial que se tenha manuais de instruo para o pessoal encarregado da coleta de dados e supervisores preparados para resolver situaes inesperadas; - Processamento de dados: escolher bem a forma de entrar com os dados no sistema para no dificultar a anlise estatstica posterior dos dados; - Deve-se ter bons digitadores bem treinados, manual de digitao com dicionrios de variveis e cdigos de digitao; - Os erros de digitao e a consistncia dos dados precisam ser verificados; Principais casos de amostragem no-probabilstica - Inacessibilidade a toda populao: quando o pesquisador no tem acesso a toda populao de estudo, somente uma parte dela est disponvel. Exemplo: populao de usurios de drogas de Belo Horizonte (no existe cadastro). - Material contnuo: devido a caracterstica da continuidade impossvel realizar sorteio. Exemplo: Retirar amostras de gua em diferentes pontos de um rio para avaliar a poluio. - Amostragem por quotas: Inclui unidades amostrais na amostra segundo diversas caractersticas da populao e nas mesmas propores que figuram na populao. Exemplo: idade, sexo, nvel scio-econmico, etc.

ESTATSTICA
- Amostragem por julgamento (ou convenincia): Inclui na amostra as unidades estatsticas que podero proporcionar uma representatividade da populao, de acordo com a lgica, senso comum ou um julgamento equilibrado. - Amostragem por voluntrio: Quando o indivduo se apresenta para fazer parte da amostra. um mtodo muito aplicado em pesquisas mdicas. - A esmo (ou sem norma): O pesquisador procura ser aleatrio sem, no entanto, realizar propriamente o sorteio. Exemplo: Misturar 10000 parafusos e retirar 100. Algumas Tcnicas de Amostragem Probabilstica Amostragem Aleatria Simples (AAS): Indicada quando: - uma amostra de tamanho n selecionada de uma populao de tamanho N no qual todas as amostras possveis de tamanho n tem a mesma probabilidade de ser selecionada. - a lista de todos os elementos que compem a populao-alvo conhecida. - a populao-alvo homognea em relao varivel de interesse. Procedimento: Enumerar de 1 a N, os elementos da populao. Sortear n nmeros compreendidos entre 1 e N. O mecanismo aleatrio de seleo dos nmeros poderia ser, por exemplo, um gerador computacional ou uma tabela de nmeros aleatrios. - Os elementos correspondentes aos nmeros sorteados formaro a amostra. Exemplo: Os dados a seguir referem-se aos dimetros (mm) de 30 eixos produzidos por uma indstria automobilstica. 26 32 26 19 20 22 30 31 17 20 16 17 28 15 26 19 14 16 16 26 27 31 13 26 18 29 18 16 21 24 Extrair, sem reposio, uma amostra aleatria de tamanho n = 5. Soluo: Eixo Dimetro Eixo Dimetro Sorteio: 26 15 03 07 06 Dimetro: 29 26 26 30 22 Amostragem Estratificada (AAE): Este tipo de amostragem deve ser utilizado quando os elementos da populao podem ser divididos em grupos no-superpostos e homogneos em relao caracterstica que se quer medir (em relao varivel de interesse). O objetivo da amostragem aleatria estratificada formar estratos homogneos e ento realizar amostragem aleatria simples dentro de cada estrato. Essa forma de amostragem uma das mais utilizadas, j que a maioria das populaes tem estratos bem definidos: os homens e as mulheres; os alunos das escolas X, Y, Z; os operrios pertencentes s classes salariais 1, 2, 3, 4 etc. Os estratos devem ser heterogneos entre si e, homogneos internamente. Procedimento: - Primeiro divide a populao alvo em L estratos (ou grupos) Seja: Ni= nmero de unidades amostrais no estrato i; N=N1+N2+...+NL N o n de unidades amostrais na populao - Selecionamos uma AAS dentro de cada estrato O mais comum utilizar-se amostragem estratificada proporcional, que consiste em selecionar os elementos da amostra entre os vrios estratos em nmero proporcional ao tamanho de cada um dos estratos. Procedimento: - Calcula-se a frao de amostragem: f = n/N - O nmero de elementos a serem sorteados em cada estrato ser: 1 26 16 19 2 32 17 14 3 26 18 16 4 19 19 16 5 6 7 30 22 31 8 9 10 20 25 18 11 16 26 29 12 17 27 18 13 28 28 16 14 15 29 21 15 26 30 24

20 22 20 21 26 27

31 17 23 24 13 26

Didatismo e Conhecimento

ESTATSTICA
n1 = N1f , n2 = N2f , ...., nL = NLf Exemplo: Considere a populao dos funcionrios de uma indstria (N=50.000). Desejamos estimar o salrio mdio de um funcionrio desta indstria usando uma amostra de tamanho n=2500 funcionrios. A populao heterognea com relao a varivel de interesse, pois o salrio varia muito dependendo do cargo. (n=2500). Cargo Chefe de seo Operrio especializado Operrio no especializado Total N 5000 15000 30000 50000 Salrio Alto Mdio Baixo

Podemos formar estratos de acordo com o cargo. Assim teremos estratos homogneos com relao ao salrio e teremos heterogeneidade entre os estratos. Selecionar os elementos da amostra entre os vrios estratos em nmero proporcional ao tamanho de cada um deles frao de amostragem: f = n/N = 2500/50000 = 0,05 O nmero de elementos a serem sorteados em cada estrato ser: n1 = fN1 = 0,05.5000 = 250; n2 = 0,05.15000 = 750; n3 = 0,05.30000 = 15000 Usando o frame, sortear 250 chefes de seo, 750 operrios especializados e 15000 operrios no especializados. Exemplo: Na execuo de uma rede eltrica, uma firma especializada utiliza eletrodutos de dois tipos: E e F. Em uma anlise do custo do material, foram consideradas 30 faturas, representadas a seguir pelo preo de 10 m de eletroduto: E: 710 710 715 715 755 760 F: 750 750 750 750 755 760 760 765 765 765 765 765 770 770 770 785 785 790 790 795 795 800 810 820 Extrair, sem reposio, uma amostra estratificada proporcional de tamanho n = 8. Soluo: Eletroduto Fatura Tipo E: Eletroduto Fatura Eletroduto Fatura 1 750 13 770 2 750 14 770 3 750 15 770 4 750 16 785 5 755 17 785 6 760 18 790 7 760 19 790 8 765 20 795 9 765 21 795 10 765 22 800 11 765 23 810 12 765 24 820 1 2 3 715 4 715 5 755 6 760 710 710

Tipo F: f = 8/30 = 0,27; n1 = 6.0,27 = 1,62 @ 2; n2 = 24.0,27 = 6,48 @ 6 Sorteio no frame Tipo Fatura Amostra 03 E 715 01 E 710 01 F 750 10 F 02 F 04 F 24 F 820 07 F 760

765 750 750

Vantagens da AAE sobre a AAS: - Pode fornecer estimativas mais precisas para a mesma amostra de tamanho n, em particular, as observaes em cada estrato so quase homogneas; - Pode reduzir o custo tal como requisitar tamanhos amostrais pequenos; - Podemos estar interessados em subgrupos (estratos) tal como a populao completa. Amostragem Sistemtica (AS): Utilizada quando temos os elementos de uma populao ordenada, e a retirada dos elementos da amostra feita periodicamente. Ex.: os prdios de uma rua, as linhas de produo, listas telefnicas, etc.
5

Didatismo e Conhecimento

ESTATSTICA
Procedimento: - Define-se o intervalo de amostragem r = N/n - Sorteia-se o primeiro elemento K, 1 K r, e os demais sero definidos pela soma de r. A amostra sistemtica de tamanho n ser constituda dos elementos de ordem K, K + r, K + 2r, ..., K + (n 1)r. Exemplo: 100 casas em uma rua, queremos sortear 6. Soluo: N = 100, n = 6 , r = 100/6 = 16,6 @ 17. Nmero sorteado K = 14 A amostra ser constituda dos elementos de ordem: 14 31 48 65 82 99. Se o tamanho da populao desconhecido, no podemos determinar exatamente o valor de r. Escolheremos intuitivamente um valor razovel para r. s vezes a amostragem sistemtica preferida amostragem aleatria simples pois acarreta economia de tempo e dinheiro, alm de ter grande facilidade de determinao dos elementos da amostra. Vantagem: amostra-se uniformemente todo o espao. Amostragem por Conglomerado (ou Clusters) (AC): uma amostra probabilstica em que cada unidade amostral uma coleo, ou grupo de elementos. Exemplo: Um quarteiro de uma cidade, que consiste de uma coleo (ou conglomerado) de domiclios. O primeiro passo para se usar esse processo especificar conglomerados apropriados, que idealmente so heterogneos internamente e semelhantes entre si. Nesse caso, a seleo de um pequeno nmero de conglomerados com um grande nmero de elementos suficiente para representar a populao. A amostra por conglomerado muito til quando: - No se dispe de um bom frame, ou sua obteno muito complicada; - Quando a distncia geogrfica entre os elementos eleva demais o custo de obter uma observao. Na AAE seleciona-se uma AAS (de indivduos) dentro de cada estrato; Na AC selecionam-se AAS de grupos, e todos os indivduos dentro dos grupos selecionados faro parte da amostra. Exemplo: Estamos interessados no salrio mdio dos operrios da indstria automobilstica. Soluo: - Amostragem aleatria simples invivel, pois pressupe uma listagem de todos os operrios de todas as montadoras, o que difcil de se obter. - Amostragem estratificada tambm invivel, j que aqui tambm necessria uma listagem dos elementos por estrato. - A melhor escolha amostragem por conglomerado. Cada montadora um conglomerado. Assim temos heterogeneidade dentro dos conglomerados com relao ao salrio e entre os conglomerados existe homogeneidade. Extrai-se uma amostra aleatria simples de montadoras e nelas pesquisa-se o salrio de todos os funcionrios. Didatismo e Conhecimento
6

Exemplo: Um estatstico contratado pela prefeitura deseja estimar a renda mdia por domiclio em uma determinada cidade do estado Paran. Como ele deve escolher a amostra? Soluo: Se ele utilizar a AAS, precisar ter uma lista com todos os domiclios desta cidade (soluo muitas vezes impossvel ou muito cara). Se utilizar ento a AAE, ele tambm precisar desta lista contendo todos os domiclios em cada estrato. Porm, ele utilizando esta amostragem por conglomerados, poderia dividir a cidade em regies tais como quarteires, bairros (conglomerados de elementos) e selecionar uma AAS de bairros da populao. Depois poderia observar a renda de todos os domiclios dentro de cada bairro. Vemos que desta forma o custo de se realizar esta entrevista seria menor, pois os elementos dentro de um conglomerado estariam geograficamente mais prximos uns dos outros, diminuindo assim as despesas com transporte. Exemplo: Pretende-se fazer uma pesquisa de opinio, envolvendo famlias de uma determinada cidade. Soluo: Como muito difcil obter um cadastro de todas as famlias, pode-se planejar uma amostra da seguinte forma: com um mapa da cidade delimita-se os bairros e as quadras; toma-se como unidade amostral, primeiramente os bairros e dentre eles sorteiase uma amostra casual simples. Em seguida, tomando-se como unidade amostral, as quadras dos bairros selecionadas fazem-se, novamente, um sorteio. Ao conjunto de famlias que habitam as quadras sorteadas d-se o nome de conglomerado, sendo elas que sero investigadas na pesquisa. Escalas Tabelas Grficos Tipos de grficos: Os dados podem ento ser representados de vrias formas: Diagramas de Barras

ESTATSTICA
Diagramas Circulares Eventualmente, faixas de tamanho desigual podem ser convenientes para representar valores nas extremidades da tabela. Exemplo:

Histogramas

Pictogramas 1 2 3 4 5 = 1 unidade Tabela de Frequncias: Como o nome indica, conter os valores da varivel e suas respectivas contagens, as quais so denominadas frequncias absolutas ou simplesmente, frequncias. No caso de variveis qualitativas ou quantitativas discretas, a tabela de freqncia consiste em listar os valores possveis da varivel, numricos ou no, e fazer a contagem na tabela de dados brutos do nmero de suas ocorrncias. A frequncia do valor i ser representada por ni, a frequncia total por n e a freqncia relativa por fi = ni/n. Para variveis cujos valores possuem ordenao natural (qualitativas ordinais e quantitativas em geral), faz sentido incluirmos tambm uma coluna contendo as frequncias acumuladas f ac, obtidas pela soma das frequncias de todos os valores da varivel, menores ou iguais ao valor considerado. No caso das variveis quantitativas contnuas, que podem assumir infinitos valores diferentes, invivel construir a tabela de frequncia nos mesmos moldes do caso anterior, pois obteramos praticamente os valores originais da tabela de dados brutos. Para resolver este problema, determinamos classes ou faixas de valores e contamos o nmero de ocorrncias em cada faixa. Por ex., no caso da varivel peso de adultos, poderamos adotar as seguintes faixas: 30 | 40 kg, 40 | 50 kg, 50 | 60, 60 | 70, e assim por diante. Apesar de no adotarmos nenhuma regra formal para estabelecer as faixas, procuraremos utilizar, em geral, de 5 a 8 faixas com mesma amplitude. (10) (8) (4) (5) (4)

Grfico de Barras: Para construir um grfico de barras, representamos os valores da varivel no eixo das abscissas e suas as frequncias ou porcentagens no eixo das ordenadas. Para cada valor da varivel desenhamos uma barra com altura correspondendo sua freqncia ou porcentagem. Este tipo de grfico interessante para as variveis qualitativas ordinais ou quantitativas discretas, pois permite investigar a presena de tendncia nos dados. Exemplo:

Diagrama Circular: Para construir um diagrama circular ou grfico de pizza, repartimos um disco em setores circulares correspondentes s porcentagens de cada valor (calculadas multiplicando-se a frequncia relativa por 100). Este tipo de grfico adapta-se muito bem para as variveis qualitativas nominais. Exemplo:

Didatismo e Conhecimento

ESTATSTICA
Histograma: O histograma consiste em retngulos contguos com base nas faixas de valores da varivel e com rea igual frequncia relativa da respectiva faixa. Desta forma, a altura de cada retngulo denominada densidade de frequncia ou simplesmente densidade definida pelo quociente da rea pela amplitude da faixa. Alguns autores utilizam a frequncia absoluta ou a porcentagem na construo do histograma, o que pode ocasionar distores (e, consequentemente, ms interpretaes) quando amplitudes diferentes so utilizadas nas faixas. Exemplo:

Construo das Distribuies de Frequncia Distribuio de Frequncia: Quando da anlise de dados, comum procurar conferir certa ordem aos nmeros tornando-os visualmente mais amigveis. O procedimento mais comum o de diviso por classes ou categorias, verificando-se o nmero de indivduos pertencentes a cada classe. - Determina-se o menor e o maior valor para o conjunto. - Definir o limite inferior da primeira classe (Li) que deve ser igual ou ligeiramente inferior ao menor valor das observaes: - Definir o limite superior da ltima classe (Ls) que deve ser igual ou ligeiramente superior ao maior valor das observaes. - Definir o nmero de classes (K), que ser calculado usando . Obrigatoriamente deve estar compreendido entre 5 a 20. - Conhecido o nmero de classes define-se a amplitude de cada classe: - Com o conhecimento da amplitude de cada classe, define-se os limites para cada classe (inferior e superior) Exemplo:
5,1 6,3 6,7 7,3 7,8 8,5 9,4 5,3 6,3 6,8 7,4 7,9 8,6 9,5 5,3 6,3 6,8 7,5 7,9 8,7 9,5 10,8 5,6 6,4 6,9 7,5 8 8,8 9,6 5,8 6,4 6,9 7,6 8 8,9 9,8 5,9 6,4 7 7,6 8,1 8,9 9 6 6,5 7,1 7,6 8,2 9 9 6,1 6,5 7,1 7,7 8,3 9,1 10 12,3 6,2 6,6 7,2 7,7 8,4 9,2 10,2 12,7 6,2 6,7 7,2 7,8 8,5 9,4 10,2 14,9

Grfico de Linha ou Sequncia: Adequados para apresentar observaes medidas ao longo do tempo, enfatizando sua tendncia ou periodicidade. Exemplo:

Polgono de Frequncia: Semelhante ao histograma, mas construdo a partir dos pontos mdios das classes. Exemplo:

10,4 10,6

10,9 11,2

11,5 11,8

Regras para elaborao de uma distribuio de frequncias: - Determina-se o menor e o maior valor para o conjunto: Valor mnimo: 5,1 Valor mximo: 14,9 - Definir o limite inferior da primeira classe (Li) que deve ser igual ou ligeiramente inferior ao menor valor das observaes: LI: 5,1

Grfico de Ogiva: Apresenta uma distribuio de frequncias acumuladas, utiliza uma poligonal ascendente utilizando os pontos extremos. Didatismo e Conhecimento
8

- Definir o limite superior da ltima classe (Ls) que deve ser igual ou ligeiramente superior ao maior valor das observaes: LS:15

ESTATSTICA
- Definir o nmero de classes (K), que ser calculado usando . Obrigatoriamente deve estar compreendido entre 5 a 20. Neste caso, K igual a 8,94, aproximadamente, 8. - Conhecido o nmero de classes define-se a amplitude de cada classe: No exemplo, ser igual a: 1,23. - Com o conhecimento da amplitude de cada classe, definese os limites para cada classe (inferior e superior), onde limite Inferior ser 5,1 e o limite superior ser 15 + 1,23. Intervalo de Classe 05,10 a 06,33 06,34 a 07,57 07,58 a 08,81 08,82 a 10,05 10,06 a 11,29 11,30 a 12,53 12,54 a 13,77 13,78 a 15,01 Frequncia Absoluta 13 21 22 15 4 3 1 1 Frequncia Acumulada 13 34 56 71 75 78 79 80 Frequncia Relativa 16,25% 26,25% 27,50% 18,75% 5,00% 3,75% 1,25% 1,25% 68,26% => 1 desvio 95,44% => 2 desvios 99,73% => 3 desvios Na figura acima, tem as barras na vertical representando os desvios padres. Quanto mais afastado do centro da curva normal, mais rea compreendida abaixo da curva haver. A um desvio padro, temos 68,26% das observaes contidas. A dois desvios padres, possumos 95,44% dos dados compreendidos e finalmente a trs desvios, temos 99,73%. Podemos concluir que quanto maior a variabilidade dos dados em relao mdia, maior a probabilidade de encontrarmos o valor que buscamos embaixo da normal. Propriedade 1: f(x) simtrica em relao origem, x = mdia = 0; Propriedade 2: f(x) possui um mximo para z=0, e nesse caso sua ordenada vale 0,39; Propriedade3: f(x) tende a zero quando x tende para + infinito ou - infinito; Propriedade4: f(x) tem dois pontos de inflexo cujas abscissas valem mdia + DP e mdia - DP, ou quando z tem dois pontos de inflexo cujas abscissas valem +1 e -1. Para se obter a probabilidade sob a curva normal, utilizamos a tabela de faixa central. Exemplo: As alturas de grupo de crianas so tidas como normais em sua distribuio, com desvio padro em 0,30m e mdia em 1,60. Qual a probabilidade de um aluno medir (1) entre 1,50 e 1,80, (2) mais de 1,75 e menos de 1,48? (1) z1= (1,50-1,60)/0,30=-0,33 z2= (1,80-1,60)/0,30= 0,67 Ento, z1 (0,1293) + z2 (0,2486) = 37,79% (2) z1= (1,75-1,60)/0,30=0,30 0,500-0,1915 = 30,85% Distribuio Normal: A distribuio normal a mas importante distribuio estatstica, considerando a questo prtica e terica. J vimos que esse tipo
9

de distribuio apresenta-se em formato de sino, unimodal, simtrica em relao a sua mdia. Considerando a probabilidade de ocorrncia, a rea sob sua curva soma 100%. Isso quer dizer que a probabilidade de uma observao assumir um valor entre dois pontos quaisquer igual rea compreendida entre esses dois pontos.

80 100% Distribuies Simtricas: A distribuio das frequncias faz-se de forma aproximadamente simtrica, relativamente a uma classe mdia.

Caso especial de uma distribuio simtrica: Quando dizemos que os dados obedecem a uma distribuio normal, estamos tratando de dados que distribuem-se em forma de sino. Distribuies Assimtricas: A distribuio das frequncias apresenta valores menores num dos lados:

Distribuies com caudas longas: Observamos que nas extremidades h uma grande concentrao de dados em relao aos concentrados na regio central da distribuio.

(3) Z1= (1,48-1,50)/0,30 =-0,4 0,500-0,1554 = 34,46%

Didatismo e Conhecimento

ESTATSTICA
Mdia Aritmtica o quociente da soma de todos os dados pelo efetivo total. Se as observaes se encontram agrupadas, ento um valor aproximado para a mdia dado pela seguinte expresso. Onde: k o nmero de classes do agrupamento ni a frequncia absoluta da classe i yi o ponto mdio da classe i, o qual considerado como elemento representativo da classe.

Medidas de Tendncia Central: As mais importante medidas de tendncia central so a mdia aritmtica, mdia aritmtica para dados agrupados, mdia aritmtica ponderada, mediana, moda, mdia geomtrica, mdia harmnica, quartis. Quando se estuda variabilidade, as medidas mais importantes so: amplitude, desvio padro e varincia. - Mdia Aritmtica: - Mdia Aritmtica para dados agrupados: - Mdia Aritmtica Ponderada: - Mediana: Se n impar, o valor central; Se n par, o valor a mdia dos dois valores centrais.

A mdia ser sempre uma medida representativa dos dados? Ao determinar a mdia dos seguintes dados obteve-se o valor = 24.1 12.4 13.5 13.6 11.2 15.1 10.6 12.4 14.3 113.5

Embora todos os dados, menos um, estejam no intervalo [10.6, 15.1], o valor obtido para a mdia est bem afastado daquele intervalo! O que aconteceu que a mdia muito sensvel a valores muito grandes ou muito pequenos. No caso do exemplo foi - Moda: Valor que ocorre com mais frequncia. o valor 113.5 que inflacionou a mdia. Alm disso, temos razes para pensar que pode ter havido um erro ao digitar o valor 113.5, - Mdia Geomtrica: digitando um 1 a mais. E se em vez de 113.5 o valor correto fosse 13.5, qual o valor - Mdia Harmnica: da mdia? Ao determinar a mdia dos seguintes dados: 12.4 13.5 13.6 11.2 15.1 10.6 12.4 14.3 13.5, obteve-se o valor da - Quartil: mdia = 13.0, significativamente diferente do obtido no caso anterior. Sendo a mdia uma medida to sensvel aos dados, preciso ter Sendo a mdia uma medida to sensvel aos dados, preciso ter cuidado com a sua utilizao, pois pode dar uma imagem cuidado com a sua utilizao, pois pode dar uma imagem distorcida distorcida dos dados, que pretende representar. Para alm do fato dos dados. Pode-se mostrar, que quando a distribuio dos dados de ser uma medida muito simples de calcular, existir alguma normal, ento a melhor medida de localizao do centro, a mdia. outra razo, que a torne uma medida to popular? Sendo a Distribuio Normal uma das distribuies mais Pode-se mostrar (e essa demonstrao faz parte da Estatstica importantes e que surge com mais frequncia nas aplicaes, (esse Indutiva), que quando a distribuio dos dados normal, ento a fato justifica a grande utilizao da mdia). melhor medida de localizao do centro, a mdia. A mdia possui uma particularidade Ora sendo a Distribuio Normal uma das distribuies mais bastante interessante, que consiste no seguinte: importantes e que surge com mais frequncia nas aplicaes, esse se calcularmos os desvios de todas as observaes relativamente fato justifica a grande utilizao da mdia. mdia e somarmos esses desvios o resultado obtido igual a zero. Esquematicamente podemos posicionar a mdia da forma A mdia tem uma outra caracterstica, que torna a sua utilizao seguinte, tendo em conta a representao grfica na forma de vantajosa em certas aplicaes:Quando o que se pretende histograma. representar a quantidade total expressa pelos dados, utiliza-se a mdia. Na realidade, ao multiplicar a mdia pelo nmero total de elementos, obtemos a quantidade pretendida. A mdia amostral ou simplesmente mdia, que se representa por uma medida de localizao do centro da amostra, e obtmse a partir da seguinte expresso: onde x1, x2, ..., xn representam os elementos da amostra e n a sua dimenso.

Figura aproximadamente simtrica, pelo que o centro est bem definido.


10

Didatismo e Conhecimento

ESTATSTICA
Joo Filipa Ana Maria O enviesamento para a direita provoca que a mdia seja deslocada para a direita. Teresa David 8 7 3 5 4 6

O enviesamento para a esquerda provoca uma deslocao da mdia para a esquerda. Exemplo: Considerando os valores 2, 3, 3 e 4 fomos construir um diagrama de barras e posicionar a mdia e posteriormente alteramos um desses valores para estudar o comportamento da mdia.

A cada menino coube em mdia 5.5 berlindes. Houve meninos que apanharam menos berlindes do que a mdia, enquanto que outros apanharam mais. Os meninos que apanharam mais berlindes resolveram dividir com os que apanharam menos de forma a ficarem todos com a mesma quantidade. Tero conseguido? Exemplo (resposta): Calculando os desvios relativamente mdia, temos: Desvio Joo Filipa Ana Maria Teresa David 8 7 3 5 4 6 8 - 5.5 = 2.5 7 - 5.5 = 1.5 3 - 5.5 = -2.5 5 - 5.5 = -0.5 4 - 5.5 = -1.5 6 - 5.5 = 0.5 -0.5 -1.5 + 0.5 + 2.5 + 1.5 -2.5 = 0 Graficamente temos:

Um diagrama de barras (ou histograma) comporta-se como um balanc em que o ponto de apoio a mdia. Ao contrrio da mediana, como se ver adiante, a percentagem de elementos para um e outro lado da mdia no necessariamente igual a 50%. Particularidade: A mdia goza de uma particularidade interessante e que consiste no seguinte: se calcularmos os desvios de todas as observaes relativamente mdia e somarmos esses desvios o resultado obtido igual a zero.

O resultado anterior verifica-se porque a soma dos desvios positivos igual soma dos desvios negativos. A mdia tem uma outra caracterstica, que torna a sua utilizao vantajosa em certas aplicaes: Quando o que se pretende representar a quantidade total expressa pelos dados, utiliza-se a mdia. Na realidade, ao multiplicar a mdia pelo n total de elementos, obtemos a quantidade pretendida. Vejamos de outra forma: ...Tenho algumas quantias em quatro Bancos, que pretendo distribuir pelos meus quatro filhos ...Qual o melhor processo? Para que fiquem todos satisfeitos darei a cada um a mdia dessas quantias. Mas cuidado com as medidas de localizao. Suponha que numa regio comearam a aparecer pessoas com uma virose desconhecida. Os mdicos do Centro de Sade dessa regio procuraram recolher alguma informao sobre as pessoas atacadas por essa doena. Foi recolhida uma amostra de 34 desses
11

Exemplo: Suponhamos que numa festa foram distribudos berlindes pelos meninos presentes. Os berlindes eram lanados ao ar e quem mais corria mais apanhava. No fim fez-se a contagem e verificou-se a seguinte distribuio sobre os nmeros de berlindes que cada menino conseguiu apanhar: Didatismo e Conhecimento

ESTATSTICA
doentes a quem se perguntou, entre outras caractersticas, a idade. Depois de analisados os dados os mdicos foram informados que a idade mdia dos doentes era de 32 anos. Um dos mdicos, mais curioso que os outros pediu que lhe mostrassem a distribuio dos dados, tendo-lhe sido apresentada a seguinte distribuio. Perante a representao anterior (bimodal) o mdico no teve dvidas em pr de parte a mdia, assim como qualquer outra medida de localizao do centro da amostra. Efetivamente para dados deste tipo enganador qualquer medida de localizao do centro da distribuio. O que o mdico concluiu imediatamente foi, que a doena ataca crianas e pessoas da 3 idade. Exemplo Calcular a mdia aritmtica entre os nmeros 3, 4, 6, 9, e 13. Resoluo Se x for a mdia aritmtica dos elementos do conjunto (3, 4, 6, 9, 13), ento x ser a soma dos 5 elementos, dividida por 5. Assim: A mdia aritmtica 7. Mdia Aritmtica Ponderada Definio A mdia dos elementos do conjunto numrico A relativa adio e na qual cada elemento tem um determinado peso chamada mdia aritmtica ponderada. Clculo da mdia aritmtica ponderada Se x for a mdia aritmtica ponderada dos elementos do conjunto numrico A = {x1; x2; x3; ...; xn} com pesos P1; P2; P3; ...; Pn, respectivamente, ento, por definio: P1 . x + P2 . x + P3 . x + ... + Pn . x = = P1 . x1 + P2 . x2 + P3 . x3 + ... + Pn . xn (P1 + P2 + P3 + ... + Pn) . x = = P1 . x1 + P2 . x2 + P3 . x3 + ... + Pn . xn e, portanto, x=(P_1.x_1; P_2 x_2; P_3 x_3; ; P_n x_n )/(P_1+ P_2+ P_3+ + P_n ) Observe que se P1 = P2 = P3 = ... = Pn = 1, ento: que a mdia aritmtica simples. Concluso A mdia aritmtica ponderada dos n elementos do conjunto numrico A a soma dos produtos de cada elemento multiplicado pelo respectivo peso, dividida pela soma dos pesos. Exemplo Calcular a mdia aritmtica ponderada dos nmeros 35, 20 e 10 com pesos 2, 3, e 5, respectivamente. Resoluo Se x for a mdia aritmtica ponderada, ento:

Noo Geral de Mdia

Mdias

Considere um conjunto numrico A = {x1; x2; x3; ...; xn} e efetue uma certa operao com todos os elementos de A. Se for possvel substituir cada um dos elementos do conjunto A por um nmero x de modo que o resultado da operao citada seja o mesmo diz-se, por definio, que x ser a mdia dos elementos de A relativa a essa operao. Definio Mdia Aritmtica

A mdia dos elementos do conjunto numrico A relativa adio chamada mdia aritmtica. Clculo da mdia aritmtica Se x for a mdia aritmtica dos elementos do conjunto numrico A = {x1; x2; x3; ...; xn}, ento, por definio: x + x + x + ... + x = x1; x2; x3; ...; xn n . x = x1; x2; x3; ...; xn e, portanto, n parcelas Concluso A mdia aritmtica dos n elementos do conjunto numrico A a soma de todos os seus elementos, dividida por n.
12

A mdia aritmtica ponderada 18. Observao: A palavra mdia, sem especificar se aritmtica, deve ser entendida como mdia aritmtica.

Didatismo e Conhecimento

ESTATSTICA
Mediana, Moda e Quartis Mediana: o valor que tem tantos dados antes dele, como depois dele. Para se medir a mediana, os valores devem estar por ordem crescente ou decrescente. No caso do nmero de dados ser mpar, existe um e s um valor central que a mediana. Se o nmero de dados par, toma-se a mdia aritmtica dos dois valores centrais para a mediana. uma medida de localizao do centro da distribuio dos dados, definida do seguinte modo: Ordenados os elementos da amostra, a mediana o valor (pertencente ou no amostra) que a divide ao meio, isto , 50% dos elementos da amostra so menores ou iguais mediana e os outros 50% so maiores ou iguais mediana. Para a sua determinao utiliza-se a seguinte regra, depois de ordenada a amostra de n elementos:Se n mpar, a mediana o elemento mdio. Se n par, a mediana a semi-soma dos dois elementos mdios. A mediana, m, uma medida de localizao do centro da distribuio dos dados, definida do seguinte modo: Ordenados os elementos da amostra, a mediana o valor (pertencente ou no amostra) que a divide ao meio, isto , 50% dos elementos da amostra so menores ou iguais mediana e os outros 50% so maiores ou iguais mediana. Para a sua determinao utiliza-se a seguinte regra, depois de ordenada a amostra de n elementos: - Se n mpar, a mediana o elemento mdio. - Se n par, a mediana a semi-soma dos dois elementos mdios. Se se representarem os elementos da amostra ordenada com a seguinte notao: X1:n, X2:n, ..., Xn:n; ento uma expresso para o clculo da mediana ser: Mdia e Mediana: Se se representarmos os elementos da amostra ordenada com a seguinte notao: X1:n, X2:n, ..., Xn: n ento uma expresso para o clculo da mediana ser: Como medida de localizao, a mediana mais robusta do que a mdia, pois no to sensvel aos dados. - Quando a distribuio simtrica, a mdia e a mediana coincidem. - A mediana no to sensvel, como a mdia, s observaes que so muito maiores ou muito menores do que as restantes (outliers). Por outro lado a mdia reflete o valor de todas as observaes. A mdia ao contrrio da mediana, uma medida muito influenciada por valores muito grandes ou muito pequenos, mesmo que estes valores surjam em pequeno nmero na amostra. Estes valores so os responsveis pela m utilizao da mdia em muitas situaes em que teria mais significado utilizar a mediana. A partir do exposto, deduzimos que se a distribuio dos dados: - for aproximadamente simtrica, a mdia aproxima-se da mediana. - for enviesada para a direita (alguns valores grandes como outliers), a mdia tende a ser maior que a mediana. - for enviesada para a esquerda (alguns valores pequenos como outliers), a mdia tende a ser inferior mediana.

Dado um histograma fcil obter a posio da mediana, pois esta est na posio em que passando uma linha vertical por esse ponto o histograma fica dividido em duas partes com reas iguais.

Como medida de localizao, a mediana mais robusta do que a mdia, pois no to sensvel aos dados. Consideremos o seguinte exemplo: um aluno do 10 ano obteve as seguintes notas: 10, 10, 10, 11, 11, 11, 11, 12. A mdia e a mediana da amostra anterior so respectivamente. =10.75 e =11 Como medida de localizao, a mediana mais resistente do que a mdia, pois no to sensvel aos dados. - Quando a distribuio simtrica, a mdia e a mediana coincidem. - A mediana no to sensvel, como a mdia, s observaes que so muito maiores ou muito menores do que as restantes (outliers). Por outro lado a mdia reflete o valor de todas as observaes. Assim, no se pode dizer em termos absolutos qual destas medidas de localizao prefervel, dependendo do contexto em que esto a ser utilizadas.

Admitamos que uma das notas de 10 foi substituda por uma de 18. Neste caso a mediana continuaria a ser igual a 11, enquanto que a mdia subiria para 11.75.

Didatismo e Conhecimento

13

ESTATSTICA
Exemplo: Os salrios dos 160 empregados de uma determinada empresa, distribuem-se de acordo com a seguinte tabela de frequncias: Salrio (em euros) Frequncia absoluta Frequncia acumulada 75 100 145 200 400 23 23 58 50 20 7 81 131 151 158 1700 2 160 Para um conjunto de dados, define-se moda como sendo: o valor que surge com mais frequncia se os dados so discretos, ou, o intervalo de classe com maior frequncia se os dados so contnuos. Assim, da representao grfica dos dados, obtm-se imediatamente o valor que representa a moda ou a classe modal.

Calcular a mdia e a mediana e comentar os resultados obtidos. Resoluo: = = (75.23+100.58+...+400.7+1700.2)/160 = 156,10 Resoluo: euros. m = semi-soma dos elementos de ordem 80 e 81 = 100 euros. Comentrio: O fato de termos obtido uma mdia de 156,10 e uma mediana de 100, reflexo do fato de existirem alguns, embora poucos, salrios muito altos, relativamente aos restantes. Repare-se que, numa perspectiva social, a mediana uma caracterstica mais importante do que a mdia. Na realidade 50% dos trabalhadores tm salrio menor ou igual a 100 , embora a mdia de 156,10 no transmita essa ideia. Vejamos de uma outra forma: Sabes, quando a distribuio dos dados simtrica ou aproximadamente simtrica, as medidas de localizao do centro da amostra (mdia e mediana) coincidem ou so muito semelhantes. O mesmo no se passa quando a distribuio dos dados assimtrica, fato que se prende com a pouca resistncia da mdia. Representando as distribuies dos dados (esta observao vlida para as representaes grficas na forma de diagramas de barras ou de histograma) na forma de uma mancha, temos, de um modo geral:

Esta medida especialmente til para reduzir a informao de um conjunto de dados qualitativos, apresentados sob a forma de nomes ou categorias, para os quais no se pode calcular a mdia e por vezes a mediana (se no forem susceptveis de ordenao).

Quartis: Generalizando a noo de mediana m, que como vimos anteriormente a medida de localizao, tal que 50% dos elementos da amostra so menores ou iguais a m, e os outros 50% so maiores ou iguais a m, temos a noo de quartil de ordem p, com 0<p<1, como sendo o valor Qp tal que 100p% dos elementos da amostra so menores ou iguais a Qp e os restantes 100 (1-p)% dos elementos da amostra so maiores ou iguais a Qp. Tal como a mediana, uma medida que se calcula a partir da amostra ordenada. Um processo de obter os quartis utilizando a Funo Distribuio Emprica. Generalizando ainda a expresso para o clculo da mediana, temos uma expresso anloga para o clculo dos quartis:

Moda: o valor que ocorre mais vezes numa distribuio, ou seja, o de maior efetivo e, portanto, de maior frequncia. Definese moda como sendo:o valor que surge com mais frequncia se os dados so discretos, ou, o intervalo de classe com maior frequncia se os dados so contnuos. Assim, da representao grfica dos dados, obtm-se imediatamente o valor que representa a moda ou a classe modal. Esta medida especialmente til para reduzir a informao de um conjunto de dados qualitativos, apresentados sob a forma de nomes ou categorias, para os quais no se pode calcular a mdia e por vezes a mediana.

Qp = onde representamos por [a], o maior inteiro contido em a. Aos quartis de ordem 1/4 e 3/4 , damos respectivamente o nome de 1 quartil e 3 quartil. Exemplo: Tendo-se decidido registrar os pesos dos alunos de uma determinada turma prtica do 10 ano, obtiveram-se os seguintes valores (em kg):

Didatismo e Conhecimento

14

ESTATSTICA
52 56 62 54 52 51 60 61 56 55 56 54 57 67 61 49

a) Determine os quantis de ordem 1/7, 1/2 e os 1 e 3 quartis. b) Um aluno com o peso de 61 kg, pode ser considerado normal, isto nem demasiado magro, nem demasiado gordo? Resoluo: Ordenando a amostra anterior, cuja dimenso 16, temos:
49 51 52 52 54 54 55 56 56 56 57 60 61 61 62 67

a) 16 . 1/7 = 16/7, onde [16/7] = 2 e Q1/7 = x3 : 16 = 52 16 . 1/4 = 4, onde Q1/2 = [x8 : 16 + x9 : 16]/2 = 56 16 . 1/2 = 8, onde Q1/4 = [x4 : 16 + x5 : 16]/2 = 53 16 . 3/4 = 12, onde Q3/4 = [x12 : 16 + x13 : 16]/2 = 60.5 b) Um aluno com 61 kg pode ser considerado um pouco forte, pois naquela turma s 25% dos alunos que tm peso maior ou igual a 60.5 kg. Medidas de Disperso As medidas de tendncia central fornecem informaes valiosas mas, em geral, no so suficientes para descrever e discriminar diferentes conjuntos de dados. As medidas de Disperso ou variabilidade permitem visualizar a maneira como os dados espalham-se (ou concentram-se) em torno do valor central. Para mensurarmos esta variabilidade podemos utilizar as seguintes estatsticas: amplitude total; distncia interquartlica; desvio mdio; varincia; desvio padro e coeficiente de variao. - Amplitude Total: a diferena entre o maior e o menor valor do conjunto de dados. Ex.: dados: 3, 4, 7, 8 e 8. Amplitude total = 8 3 = 5 - Distncia Interquartlica: a diferena entre o terceiro e o primeiro quartil de um conjunto de dados. O primeiro quartil o valor que deixa um quarto dos valores abaixo e trs quartos acima dele. O terceiro quartil o valor que deixa trs quartos dos dados abaixo e um quarto acima dele. O segundo quartil a mediana. (O primeiro e o terceiro quartis fazem o mesmo que a mediana para as duas metades demarcadas pela mediana.) Ex.: quando se discutir o boxplot. - Desvio Mdio: a diferena entre o valor observado e a medida de tendncia central do conjunto de dados. - Varincia: uma medida que expressa um desvio quadrtico mdio do conjunto de dados, e sua unidade o quadrado da unidade dos dados. - Desvio Padro: raiz quadrada da varincia e sua unidade de medida a mesma que a do conjunto de dados. - Coeficiente de variao: uma medida de variabilidade relativa, definida como a razo percentual entre o desvio padro e a mdia, e assim sendo uma medida adimensional expressa em percentual. Boxplot: Tanto a mdia como o desvio padro podem no ser medidas adequadas para representar um conjunto de valores, uma vez que so afetados, de forma exagerada, por valores extremos. Alm disso, apenas com estas duas medidas no temos idia da assimetria da distribuio dos valores. Para solucionar esses problemas, podemos utilizar o Boxplot. Para constru-lo, desenhamos uma caixa com o nvel superior dado pelo terceiro quartil (Q3) e o nvel inferior pelo primeiro quartil (Q1). A mediana (Q2) representada por um trao no interior da caixa e segmentos de reta so colocados da caixa at os valores mximo e mnimo, que no sejam observaes discrepantes. O critrio para decidir se uma observao discrepante pode variar; por ora, chamaremos de discrepante os valores maiores do que Q3+1.5*(Q3-Q1) ou menores do que Q1-1.5*(Q3-Q1). O Boxplot fornece informaes sobre posio, disperso, assimetria, caudas e valores discrepantes. O Diagrama de disperso adequado para descrever o comportamento conjunto de duas variveis quantitativas. Cada ponto do grfico representa um par de valores observados. Exemplo:
15

Didatismo e Conhecimento

ESTATSTICA
9 10 11 12 13 14 15 Total Mdia Desvio Padro Um aspecto importante no estudo descritivo de um conjunto de dados, o da determinao da variabilidade ou disperso desses dados, relativamente medida de localizao do centro da amostra. Supondo ser a mdia, a medida de localizao mais importante, ser relativamente a ela que se define a principal medida de disperso - a varincia, apresentada a seguir. Varincia: Define-se a varincia, como sendo a medida que se obtm somando os quadrados dos desvios das observaes da amostra, relativamente sua mdia, e dividindo pelo nmero de observaes da amostra menos um. 7,5 6,3 8 5,5 9,7 9,3 7,5 109,8 7,32 1,77

Observamos no exemplo, que a mdia das provas, foi estimada em 7,32 com desvio padro em 1,77. Concluimos que a maioria das notas concentrou-se em 9,09 e 5,55. Vejamos de outra forma: Um aspecto importante no estudo descritivo de um conjunto de dados, o da determinao da variabilidade ou disperso desses dados, relativamente medida de localizao do centro da amostra. Repare-se nas duas amostras seguintes, que embora tenham a mesma mdia, tm uma disperso bem diferente:

Desvio-Padro: Uma vez que a varincia envolve a soma de quadrados, a unidade em que se exprime no a mesma que a dos dados. Assim, para obter uma medida da variabilidade ou disperso com as mesmas unidades que os dados, tomamos a raiz quadrada da varincia e obtemos o desvio padro: O desvio padro uma medida que s pode assumir valores no negativos e quanto maior for, maior ser a disperso dos dados. Algumas propriedades do desvio padro, que resultam imediatamente da definio, so: o desvio padro ser maior, quanta mais variabilidade houver entre os dados.

Como a medida de localizao mais utilizada a mdia, ser relativamente a ela que se define a principal medida de disperso a varincia, apresentada a seguir. Define-se a varincia, e representa-se por s2, como sendo a medida que se obtm somando os quadrados dos desvios das observaes da amostra, relativamente sua mdia, e dividindo pelo nmero de observaes da amostra menos um:

Exemplo: Em uma turma de aluno, verificou-se atravs da anlise das notas de 15 alunos, os seguintes desempenhos: Alunos 1 2 3 4 5 6 7 8 Conceito na Prova 4,3 4,5 9 6 8 6,7 7,5 10

Se afinal pretendemos medir a disperso relativamente mdia. Por que que no somamos simplesmente os desvios em vez de somarmos os seus quadrados? Experimenta calcular essa soma e vers que (x1-x) + (x2-x) + (x1-x) + ... + (xn x) 0. Poderamos ter utilizado mdulos, para evitar que os desvios negativos, mas mais fcil trabalhar com quadrados, no concorda?! E por que que em vez de dividirmos p n, que o nmero de desvios, dividimos por (n-1)? Na realidade, s aparentemente que temos n desvios independentes, isto , se calcularmos (n-1) desvios, o restante fica automaticamente calculado, uma vez que a sua soma igual a zero. Costuma-se referir este fato dizendo que se perdeu um grau de liberdade. Uma vez que a varincia envolve a soma de quadrados, a unidade em que se exprime no a mesma que a dos dados. Assim, para obter uma medida da variabilidade ou disperso com as mesmas unidades que os dados, tomamos a raiz quadrada da varincia e obtemos o desvio padro:
16

Didatismo e Conhecimento

ESTATSTICA

O desvio padro uma medida que s pode assumir valores no negativos e quanto maior for, maior ser a disperso dos dados. Algumas propriedades do desvio padro, que resultam imediatamente da definio, so: - o desvio padro sempre no negativo e ser tanto maior, quanta mais variabilidade houver entre os dados. - se s = 0, ento no existe variabilidade, isto , os dados so todos iguais. Exemplo: Na 2 classe de certa escola o professor deu uma tarefa constituda por um certo nmero de contas para os alunos resolverem. Pretendendo determinar a disperso dos tempos de clculo, observam-se 10 alunos durante a realizao da tarefa, tendo-se obtido os seguintes valores: Aluno i 1 2 3 4 5 6 7 8 9 10 Tempo (minutos) xi 13 15 14 18 25 14 16 17 20 17 169 - 3.9 - 1.9 - 2.9 1.1 8.1 - 2.9 -0.9 0.1 3.1 0.1 0.0 15.21 3.61 8.41 1.21 65.61 8.41 0.81 0.01 9.61 0.01 112.90

Do mesmo modo que a mdia, tambm o desvio padro uma medida pouco resistente, pois influenciado por valores ou muito grandes ou muito pequenos (o que seria de esperar j que na sua definio entra a mdia que no resistente). Assim, se a distribuio dos dados for bastante enviesada, no conveniente utilizar a mdia como medida de localizao, nem o desvio padro como medida de variabilidade. Estas medidas s do informao til, respectivamente sobre a localizao do centro da distribuio dos dados e sobre a variabilidade, se as distribuies dos dados forem aproximadamente simtricas. Propriedades para dados com distribuio aproximadamente normal: Uma propriedade que se verifica se os dados se distribuem de forma aproximadamente normal, ou seja, quando o histograma apresenta uma forma caracterstica com uma classe mdia predominante e as outras classes se distribuem volta desta de forma aproximadamente simtrica e com frequncias a decrescer medida que se afastam da classe mdia, a seguinte: Aproximadamente 68% dos dados esto no intervalo .

Resoluo: Na tabela anterior juntamos duas colunas auxiliares, uma para colocar os desvios das observaes em relao mdia e a outra para escrever os quadrados destes desvios. A partir da coluna das observaes calculamos a soma dessas observaes, que nos permitiu calcular a mdia = 16.9. Uma vez calculada a mdia foi possvel calcular a coluna dos desvios. Repare-se que, como seria de esperar, a soma dos desvios igual a zero. A soma dos quadrados dos desvios permite-nos calcular a varincia donde s = 3.54.

Desvio Padro: Propriedades para dados com distribuio aproximadamente normal: - Aproximadamente 68% dos dados esto no intervalo - Aproximadamente 95% dos dados esto no intervalo - Aproximadamente 100% dos dados esto no intervalo

s2 =

112.9 9

= 12.54

O tempo mdio de realizao da tarefa foi de aproximadamente 17 minutos com uma variabilidade medida pelo desvio padro de aproximadamente 3.5 minutos. Na representao grfica ao lado visualizamos os desvios das observaes relativamente mdia (valores do exemplo anterior):
17

Didatismo e Conhecimento

ESTATSTICA
Amplitude inter-quartil ou desvio padro: Do mesmo modo que a questo foi posta relativamente s duas medidas de localizao mais utilizadas - mdia e mediana, tambm aqui se pode por o problema de comparar aquelas duas medidas de disperso. - A amplitude inter-quartil mais robusta, relativamente presena de outliers, do que o desvio padro, que mais sensvel aos dados. - Para uma distribuio dos dados aproximadamente normal, verifica-se a seguinte relao. Amplitude inter-quartil 1.3 x desvio padro. - Se a distribuio enviesada, j no se pode estabelecer uma relao anloga anterior, mas pode acontecer que o desvio padro seja muito superior amplitude inter-quartil, sobretudo se se verificar a existncia de outliers. QUESTES 1. Determine a mdia aritmtica entre 2 e 8. 2. Determine a mdia aritmtica entre 3, 5 e 10. e 9? 3. Qual a mdia aritmtica simples dos nmeros 11, 7, 13

Como se depreende do que atrs foi dito, se os dados se distribuem de forma aproximadamente normal, ento esto praticamente todos concentrados num intervalo de amplitude igual a 6 vezes o desvio padro. A informao que o desvio padro d sobre a variabilidade deve ser entendida como a variabilidade que apresentada relativamente a um ponto de referncia - a mdia, e no propriamente a variabilidade dos dados, uns relativamente aos outros. A partir da definio de varincia, pode-se deduzir sem dificuldade uma expresso mais simples, sob o ponto de vista computacional, para calcular ou a varincia ou o desvio padro e que a seguinte:

4. A mdia aritmtica simples de 4 nmeros pares distintos, pertences ao conjunto dos nmeros inteiros no nulos igual a 44. Qual o maior valor que um desses nmeros pode ter? 5. Calcule a mdia aritmtica simples em cada um dos seguintes casos: a) 15; 48; 36 b) 80; 71; 95; 100 c) 59; 84; 37; 62; 10 d) 1; 2; 3; 4; 5; 6; 7; 8; 9 6. Qual a mdia aritmtica ponderada dos nmeros 10, 14, 18 e 30 sabendo-se que os seus pesos so respectivamente1,2,3e5? 7. Calcular a mdia ponderada entre 3, 6 e 8 para os respectivos pesos 5 , 3 e 2. 8. Numa turma de 8 srie 10 alunos possuem 14 anos, 12 alunos possuem 15 anos e oito deles 16 anos de idade. Qual ser a idade mdia dessa turma? 9. Determine a mdia salarial de uma empresa, cuja folha de pagamento assim discriminada: Profissionais Serventes Tcnicos Quantidade 20 profissionais 10 profissionais 5 profissionais Salrio

Amplitude: Uma medida de disperso que se utiliza por vezes, a amplitude amostral r, definida como sendo a diferena entre a maior e a menor das observaes: r = xn:n - x1:n, onde representamos por x1:n e xn:n, respectivamente o menor e o maior valor da amostra (x1, x2, ..., xn), de acordo com a notao introduzida anteriormente, para a amostra ordenada. Amplitude Inter-Quartil: A medida anterior tem a grande desvantagem de ser muito sensvel existncia, na amostra, de uma observao muito grande ou muito pequena. Assim, definese uma outra medida, a amplitude inter-quartil, que , em certa medida, uma soluo de compromisso, pois no afetada, de um modo geral, pela existncia de um nmero pequeno de observaes demasiado grandes ou demasiado pequenas. Esta medida definida como sendo a diferena entre os 1 e 3 quartis. Amplitude interquartil = Q3/4 - Q1/4 Do modo como se define a amplitude inter-quartil, conclumos que 50% dos elementos do meio da amostra, esto contidos num intervalo com aquela amplitude. Esta medida no negativa e ser tanto maior quanto maior for a variabilidade nos dados. Mas, ao contrrio do que acontece com o desvio padro, uma amplitude inter-quartil nula, no significa necessariamente, que os dados no apresentem variabilidade.

R$ 320,00 R$ 840,00 R$ 1.600,00

Engenheiros

10. Calcule a mdia ponderada entre 5, 10 e 15 para os respectivos pesos 10, 5 e 20.

Didatismo e Conhecimento

18

ESTATSTICA
11 - Para dados agrupados representados por uma curva de frequncias, as diferenas entre os valores da mdia, da mediana e da moda so indicadores da assimetria da curva. Indique a relao entre essas medidas de posio para uma distribuio negativamente assimtrica. a) A mdia apresenta o maior valor e a mediana se encontra abaixo da moda. b) A moda apresenta o maior valor e a mdia se encontra abaixo da mediana. c) A mdia apresenta o menor valor e a mediana se encontra abaixo da moda. d) A mdia, a mediana e a moda so coincidentes em valor. e) A moda apresenta o menor valor e a mediana se encontra abaixo da mdia. 12 - Assinale a opo que expresse a relao entre as mdias aritmtica ( X ), geomtrica (G) e harmnica (H), para um conjunto de n valores positivos (X , X , ..., X ):1 2 n a) G <_ H <_ A , com G = H = -X somente se os n valores forem todos iguais. b) G 5 X <_ H, com G = X = H somente se os n valores forem todos iguais. c) X <_ G 5 H, com X = G = H somente se os n valores forem todos iguais. d) H 5 G 5 X, com H = G = X somente se os n valores forem todos iguais. e) X <_ H 5 G, com X = H = G somente se os n valores forem todos iguais. 13 - O coeficiente de correlao entre duas variveis Y e X igual a +0,8. Considere, agora, a varivel Z definida como:Z = 0,2 - 0,5 XO coeficiente de correlao entre as variveis Z e X, e o coeficiente de correlao entre as variveis Z e Y sero iguais, respectivamente, a: a) 1,0; 0,8 b) + 1,0; + 0,8 c) 0,5; 0,8 d) 0,5; + 0,8 e) 0,2; 0,4 14 Em um grfico, as colunas representam as frequncias relativas do nmero de aparelhos de rdio por domiclio em uma certa rea da cidade:O exame da forma da distribuio das frequncias relativas permite concluir corretamente que, nesse caso, e para essa varivel: a) A moda maior do que a mediana, e a mediana maior do que a mdia. b) A mdia maior do que a moda, e a moda maior do que a mediana. c) A mdia maior do que a mediana, e a mediana maior do que a moda. d) A moda maior do que a mdia, e a mdia maior do que a mediana. e) A mediana maior do que a moda, e a moda maior do que mdia. Didatismo e Conhecimento
19

15 - Paulo e Helena jogam, cada um, uma moeda. Se do lanamento dessas duas moedas resultar duas caras, Paulo paga a Helena R$ 5,00. Dando qualquer outro resultado, Helena paga a Paulo R$ 2,00. Supondo que ambas as moedas sejam estatisticamente honestas, o valor esperado dos ganhos de Helena (considerando-se como ganhos negativos os valores que ela paga a Paulo) igual a a) R$ 0,25 b) + R$ 0,25 c) + R$ 3,00 d) R$ 1,50 e) + R$ 1,25 16 - Sobre a moda de uma varivel, correto afirmar que a) para toda varivel existe uma e apenas uma moda. b) a moda uma medida de disperso relativa. c) a moda uma medida no afetada por valores extremos. d) em distribuies assimtricas, o valor da moda encontra-se entre o valor da mdia e o da mediana. e) sendo o valor mais provvel da distribuio, a moda, tal como a probabilidade, pode assumir valores somente no intervalo entre zero e a unidade. 17 - Um motorista de txi faz 10 viagens ida e volta do aeroporto Santos Dumont ao aeroporto do Galeo, no Rio de Janeiro. Ele calcula e anota a velocidade mdia, em quilmetros por hora, em cada uma dessas viagens. O motorista quer, agora, saber qual a velocidade mdia do txi para aquele percurso, em quilmetros por hora, considerando todas as 10 viagens ida e volta. Para tanto, ele deve calcular a mdia a) aritmtica dos inversos das velocidades mdias observadas. b) geomtrica das velocidades mdias observadas. c) aritmtica das velocidades mdias observadas. d) harmnica das velocidades mdias observadas. e) harmnica dos inversos das velocidades mdias observadas.20 18 - Considere a seguinte distribuio das frequncias absolutas dos salrios mensais, em R$, referentes a 200 trabalhadores de uma indstria (os intervalos so fechados esquerda e abertos direita). Classes de Salrios : Frequncias Absolutas de R$ 400 at R$ 500 : 50 de R$ 500 at R$ 600: 70 de R$ 600 at R$ 700 :40 de R$ 700 at R$ 800 : 30 de R$ 800 at R$ 900: 10 Sobre essa distribuio de salrios correto afirmar que: a) O salrio modal encontra-se na classe de R$ 800 at R$ b) O salrio mediano encontra-se na classe de R$ 600 at R$ c) O salrio modal encontra-se na classe de R$ 600 at R$ d) O salrio modal encontra-se na classe de R$ 700 at R$ e) O salrio mediano encontra-se na classe de R$ 500 at R$

900. 700. 700. 800. 600.

ESTATSTICA
Para a soluo das questes de nmeros 09 a 13 utilize o enunciado que segue. O atributo do tipo contnuo X, observado como um inteiro, numa amostra de tamanho 100 obtida de uma populao de 1000 indivduos, produziu a tabela de freqncias seguinte: Classes => Frequncia (f ) a) 29,5-39,5 => 4 b) 39,5-49,5 => 8 c) 49,5-59,5 => 14 d) 59,5-69,5 => 20 e) 69,5-79,5 => 26 f) 79,5-89,5 => 18 g) 89,5-99,5 =>10 19 - Assinale a opo que corresponde estimativa da mediana amostral do atributo X. a) 71,04 b) 65,02 c) 75,03 d) 68,08 e) 70,02 20 - Assinale a opo que corresponde estimativa do nmero de indivduos na populao com valores do atributo X menores ou iguais a 95,5 e maiores do que 50,5. a) 700 b) 638 c) 826 d) 995 e) 900 21 - Assinale a opo que corresponde ao valor modal do atributo X. a) 69,50 b) 73,79 c) 71,20 d) 74,53 e) 80,10 22 - Assinale a opo que corresponde ao desvio absoluto mdio do atributo X. a) 16,0 b) 17,0 c) 16,6 d) 18,1 e) 13,0 23 - Assinale a opo que d o valor do coeficiente quartlico de assimetria. a) 0,080 b) -0,206 c) 0,000 d) -0,095 e) 0,300 24 - Uma varivel contbil Y, medida em milhares de Rascunho reais, foi observada em dois grupos de empresas apresentando os resultados seguintes: Didatismo e Conhecimento
20

A: Mdia 20 - Desvio padro 4 B: Mdia 10 - Desvio padro 3 Assinale a opo correta. a) No Grupo B, Y tem maior disperso absoluta. b) A disperso absoluta de cada grupo igual disperso relativa. c) A disperso relativa do Grupo B maior do que a disperso relativa do Grupo A. d) A disperso relativa de Y entre os Grupos A e B medida pelo quociente da diferena de desvios padro pela diferena de mdias. e) Sem o conhecimento dos quartis no possvel calcular a disperso relativa nos grupos. 25 - No tempo t0+2 o preo mdio de um bem 30% maior do que em t0+1, 20% menor do que em t0 e 40% maior do que em t0+3. Assinale a opo que d o relativo de preos do bem em t0+3 com base em t0+1. a) 162,5% b) 130,0% c) 120,0% d) 092,9% e) 156,0% Respostas 1) Resposta 5. Soluo: M.A. ( 2 e 8 ) = 2 + 8 / 2 = 10 / 2 = 5 M.A. ( 2 e 8 ) = 5. 2) Resposta 6. Soluo: M.A. ( 3, 5 e 10 ) = 3 + 5 + 10 / 3 = 18 / 3 = 6 M.A. ( 3, 5 e 10 ) = 6. 3) Resposta 10. Soluo: Para resolver esse exerccio basta fazer a soma dos nmeros e dividi-los por quatro, que a quantidade de nmeros, portanto: Logo, a mdia aritmtica 10. 4) Resposta 164. Soluo: Quando falamos de mdia aritmtica simples, ao diminuirmos um dos valores que a compe, precisamos aumentar a mesma quantidade em outro valor, ou distribu-la entre vrios outros valores, de sorte que a soma total no se altere, se quisermos obter a mesma mdia. Neste exerccio,trsdos elementos devem ter o menor valor possvel, de sorte que o quarto elemento tenha o maior valor dentre eles, tal que a mdia aritmtica seja igual a44. Este ser o maior valor que o quarto elemento poder assumir. Em funo do enunciado, os trs menores valores inteiros, pares, distintos e no nulos so:2,4e6. Identificando comoxeste quarto valor, vamos montar a seguinte equao:

ESTATSTICA
Solucionando-a temos: Logo, o maior valor que um desses nmeros pode ter 164. 5) Soluo: a) (15 + 48 + 36)/3 = 99/3 =33 b) (80 + 71 + 95 + 100)/4= 346/4 = 86,5 c) (59 + 84 + 37 + 62 + 10)/5= = 252/5 = 50,4 d) (1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9)/9= 45/9 = =5 6) Resposta 22. Soluo: Neste caso a soluo consiste em multiplicarmos cada nmero pelo seu respectivo peso e somarmos todos estes produtos. Este total deve ser ento dividido pela soma total dos pesos:

Logo, a mdia aritmtica ponderada 22. 7) Resposta 4,9. Soluo: 8) Resposta Soluo: 9) Resposta Soluo: Estamos diante de um problema de mdia aritmtica ponderada, onde as quantidades de profissionais sero os pesos. E com isso calcularemos a mdia ponderada entre R$ 320,00 , R$ 840,00 e R$ 1 600,00 e seus respectivos pesos 20 , 10 e 5. Portanto:

10) Resposta 11,42. Soluo: 11-C / 12-D / 13-A / 14-C / 15-A / 16-C / 17-D / 18-E/ 19-A / 20-C / 21-B / 22-E / 23-D / 24-C / 25-D Resoluo 15: E(R) [Renda esperada] = 5.P(k,k) 2.P(Co,k) 2.P(k,Co) 2.P(Co,Co) E(R)= 5 . 0,25 - 2 . 0,25 - 2 . 0,25 - 2 . 0,25 E(R) = - 0,25 Alternativa A

Didatismo e Conhecimento

21

ESTATSTICA
ANOTAES

Didatismo e Conhecimento

22