Anlise de Regresso

1.1 Introduo

Cap. Cap.

Anlise de regresso uma tcnica de modelagem utilizada para analisar a relao entre uma varivel dependente (Y) e uma ou mais variveis independentes X1, X2, X3, , Xn ! o"#etivo dessa tcnica identi$icar (estimar) uma $uno %ue descreve, o mais pr&'imo poss(vel, a relao entre essas variveis e assim podermos predizer o valor %ue a varivel dependente (Y) ir assumir para um determinado valor da varivel independente X )'emplos de relao entre variveis so o consumo em relao * ta'a de in$lao+ a produo de leite e temperatura am"iente+ a resist,ncia de um material e sua composio %u(mica+ o n-mero de peas com de$eitos e a e'peri,ncia+ receita e gasto com pu"licidade e etc ! modelo de regresso poder ser escrito genericamente como. Y = f ( X 1, X 2, X 3, , Xn) + , onde o termo representa uma pertur"ao aleat&ria na $uno, ou o erro da apro'imao ! n-mero de variveis independentes varia de uma aplicao para outra, %uando se tem apenas uma varivel independente c/ama0se 1odelo de 2egresso 3imples, %uando se tem mais de uma varivel independente c/ama0se de 1odelo de 2egresso 1-ltipla A $orma da $uno f ( ) tam"m varia, podendo ser representada por um modelo linear, polinomial ou at mesmo uma $uno no linear A $igura a"ai'o mostra um modelo linear para representar a relao entre a produo de leite e o (ndice pluviomtrico de um munic(pio
Produo de Leite x ndice Pluviomtrico y = 0.8x + 8.9
R2 = 0.7853 35 30 25 20 20 22 24 26 28 30

4ro$ 5ludio 3erra, )sp

4or sua vez, os dados somente de e'portao de carne de $rango podero ser representados por um modelo polinomial con$orme mostrado na $igura a"ai'o

Exportaes de carne de frango

2,500 2,000 1,500 1,000 500 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 y = 1.5329x3 - 25.198x 2 + 157.04x + 79.16 R2 = 0.9914

1.2 Regresso Linear Simples

)ste modelo utilizado %uando e'iste uma relao linear entre a varivel independente e a varivel dependente (neste caso apenas uma) A $uno %ue e'pressa esse modelo ser dada pela $orma a"ai'o.
34

Yi = b6 + b1 X i + ,

32 30 28 26 24 22 20 20 22 24 26 28 30

! gr$ico acima uma representao desse modelo 7eri$ica0se pelo mesmo %ue nem todos os pontos tocam a reta, e essa di$erena o erro (), %ue pode ter sido ocasionado por um erro de leitura dos dados+ uma venda a"ai'o do preo real de mercado+ uma produo a"ai'o do esperado por uma estiagem no comum+ retrao do consumo por uma su"ida inesperada na ta'a de #uros+ e assim vai 1as sup8e0se %ue em mdia esses erros tendem a se anular, ou se#a. )( i ) = 6 9ma vez escol/ido o modelo de regresso, deve0se estimar seus par:metros, neste caso os coe$icientes da e%uao da reta, b6 , b1 ;sso pode ser $eito a partir da aplicao do 1todo dos 1(nimos <uadrados =irando a mdia so"re a e%uao acima, temos.
Y = b6 + b1 X

uma vez %ue a mdia dos erros zero

4ro$ 5ludio 3erra, )sp

3u"traindo as duas e%ua8es temos.

Yi Y = (b6 b6 ) + (b1 )( X i X ) + i

5/amando de > e ' as di$erenas centradas nas mdias, (Yi Y ) e ( X i X ) respectivamente, temos %ue.
y i = b1 xi + i

ou ainda,

i = y i b1 xi

?azendo a soma dos %uadrados dos erros,

( )
i i

= ( y i b1 xi )

( ) ( )
i

= y i2 2b1 xi y i + b12 xi2 = y i2 2b1 xi y i + b12 xi2

como b1 uma constante,

2

5omo o o"#etivo estimar uma e%uao %ue minimize os erros, devemos ento derivar a e%uao acima em relao a b1 e igualar a zero ) como no se tem os verdadeiros valores e sim uma amostra , ou se#a o valor a ser determinado um estimador do @ 5om isso temos. verdadeiro valor populacional, a nova nomenclatura para b1 ser b 1
@ 6 = 2xi y i + 2b xi2 1

<ue pode ser reescrita como. @ = xi y i b 1 xi2 ) o estimador

@ b o

, pode ser calculado a partir de.

@ = Y b @ X b o 1

3endo %ue a e%uao de estimativa ser dada por.

@ +b @ X @ =b Y o 1

4ro$ 5ludio 3erra, )sp

Exemplo 1 Regresso Linear Simples

)m uma determinada regio do pa(s $oram coletados os (ndices pluviomtricos e a produo de leite do tipo c 3a"endo0 4roduo de Heite Indice se %ue e'iste uma previso para o Anos 5 (1 666 666 pluviomtrico pr&'imo ano de um (ndice litros) (mm) pluviomtrico de 2Amm determine 1BC6 2D 23 ento a produo de leite dessa regio 1BC1 2E 21 1BC2 31 2F 1BC3 2B 2C 1BCA 2C 23 1BCE 31 2F 1BCD 32 2C 1BCC 2F 22 1BCF 36 2D 1BCB 36 2E

2esoluo

1BC6 1BC1 1BC2 1BC3 1BCA 1BCE 1BCD 1BCC 1BCF 1BCB
Soma Mdia

Y 2D 2E 31 2B 2C 31 32 2F 36 36

X 23 21 2F 2C 23 2F 2C 22 2D 2E

>
-2.9 -3.9 2.1 0.1 -1.9 2.1 3.1 -0.9 1.1 1.1 0 0

'
-2 -4 3 2 -2 3 2 -3 1 0 0 0

>2
8.41 15.21 4.41 0.01 3.61 4.41 9.61 0.81 1.21 1.21 48.9 4.89

'2
4 16 9 4 4 9 4 9 1 0 60 6

'>
5.8 15.6 6.3 0.2 3.8 6.3 6.2 2.7 1.1 0 48 4.8

289 250 28.9 25

@ = b 1

x y x
i 2 i

@ = AF = 6 F , assim b 1 D6

@ = Y b @ X b o 1

, %ue

@ = 2F,B 6 F 2E =F,B b o

Assim a e%uao pode ser escrita como.

@ =F B +6 F X Y

1as ser %ue a e%uao do e'emplo $oi "em estimada, ou mel/or, ser %ue ela representa "em a relao entre as variveisG 9ma maneira de avaliar atravs da 4ro$ 5ludio 3erra, )sp A

@ ), essa di$erena entre os valores amostrais reais (Y) e os valores estimados ( Y di$erena damos o nome de res(duo 5ontinuando o e'emplo,

Continuao do exemplo 1
1BC6 1BC1 1BC2 1BC3 1BCA 1BCE 1BCD 1BCC 1BCF 1BCB
Soma Mdia

Y 2D 2E 31 2B 2C 31 32 2F 36 36
289 28.9

X 23 21 2F 2C 23 2F 2C 22 2D 2E
250 25

>
-2.9 -3.9 2.1 0.1 -1.9 2.1 3.1 -0.9 1.1 1.1 0 0

'
-2 -4 3 2 -2 3 2 -3 1 0 0 0

>2
8.41 15.21 4.41 0.01 3.61 4.41 9.61 0.81 1.21 1.21 48.9 4.89

'2
4 16 9 4 4 9 4 9 1 0 60 6

'>
5.8 15.6 6.3 0.2 3.8 6.3 6.2 2.7 1.1 0 48 4.8

@ Y 27.3 25.7 31.3 30.5 27.3 31.3 30.5 26.5 29.7 28.9 289 28.9

@ Y0 Y

@ )2 (Y0 Y

-1.3 -0.7 -0.3 -1.5 -0.3 -0.3 1.5 1.5 0.3 1.1 0 0

1.69 0.49 0.09 2.25 0.09 0.09 2.25 2.25 0.09 1.21 11 1

@ ) so relativamente pe%uenas 9ma anlise 4odemos perce"er %ue as di$erenas (Y0 Y mais cuidadosa pode ser $eita atravs da aplicao de testes estat(sticos, nesse caso AJ!7A (teste de vari:ncia) e teste t03tudent 5omearemos pela AJ!7A, para tanto vamos precisar montar a ta"ela a"ai'o.

=a"ela AJ!7A
3oma dos <uadrados Kraus de Hi"erdade (g l ) <uadrados 1dios (<1)

@ 2 x2 3<)L b 1 i @ 3<2L Y Y
3<=L

=este ?

!"s. ! grau de li"erdade em relao ao 3<) devido a termos apenas uma varivel independente+ )m relao a 3<=, os graus devem ser iguais a vari:ncia amostral, ou se#a, n01 (onde n o n-mero da elementos da amostra)+ ) o grau de li"erdade para 3<2 seria dado pela di$erena entre este, ou se#a n02

1 n02 n01

3<)Mg l 3<2Mg l 3<)Mg l N 3<2Mg l

3<)medM3<2med

2 i

!nde, 3oma dos %uadrados dos totais de > centrado

SQT = y i2

3oma dos %uadrados e'plicados @ 2 x2 = b @ 2 x2 @2 = b SQE = Y i 1 i 1 i 3oma dos %uadrados dos res(duos
@ SQR = Y Y

4ro$ 5ludio 3erra, )sp

9m outro par:metro utilizado constantemente o coe$iciente de determinao, 22, %ue e'plica percentualmente a relao entre as variveis do pro"lema
R2 = SQE SQT

Continuao do exemplo 1 - A !"A

=a"ela AJ!7A
3oma dos <uadrados Kraus de Hi"erdade (g l ) <uadrados 1dios (<1) =este ?

3<)L3F A 3<2L11 6 3<=LAB A

1 F C

3F A 1 3F C 6D

2C F3

Agora %ue # temos o valor de ?, precisamos testar a /ip&tese nula %ue as vari:ncias so di$erentes, ou se#a, Oo L 12 Adotaremos um n(vel de signi$ic:ncia () de EP 5om esse valor e os n-meros de graus de li"erdade, ac/a0se na ta"ela um valor cr(tico de E 32 5omo o ? calculado maior %ue o ? cr(tico ento se re#eita a /ip&tese Oo, o %ue tam"m %uer dizer %ue as vari:ncias so iguais, e conse%Qentemente o modelo de regresso vlido

Exemplo 2 Resoluo do Exemplo 1 #ia Ex$el

4ro$ 5ludio 3erra, )sp

2esoluo
A varivel dependente (Y) ser o (ndice Produo de Leite x ndice pluviomtrico, sendo a produo de leite Pluviomtrico tipo c a varivel independente (X) 35 ! gr$ico dos dados do e'emplo 1 30 pode ser visto ao lado 4elo gr$ico o 25 20 a#uste linear pode ser poss(vel, mas talvez 20 22 24 26 28 30 um a#uste polinomial seria mais indicado, mas de %ual%uer $orma, ser testado um a#uste linear 3er utilizada a $erramenta 2egresso do so$tRare )'cel, %ue pode ser acionado pelo seguinte camin/o. ?erramenta Anlise de Sados 2egresso )m T;ntervalo Y de entrada.U devemos selecionar na planil/a o con#unto de clulas da varivel dependente 4or sua vez, em T;ntervalo X de entrada.U devemos selecionar na planil/a o con#unto de clulas da varivel independente Jesta #anela, tam"m podemos selecionar as op8es relativas aos res(duos 9ma vez selecionado as clulas, "asta clicar no "oto de T!VU %ue sero gerados os dados na planil/a

4ara o e'emplo em %uesto, podemos destacar das ta"elas geradas, as seguintes in$orma8es. Ja estat(stica padro. R-quadadro = 0.7852 Ja Anova. gl total = !=2 .25 ) por $im. ;nterseo 8. "ari#$%l X& 0.8 Assim a e%uao do modelo poder ser escrita como.

4ro$ 5ludio 3erra, )sp

@ = F B + 6 FX Y 1i
! resultado mostrado gra$icamente a"ai'o )nto para um (ndice de 2Amm a produo de leite seria de 2F 1 mil/8es de litros de leite W importante ressaltar %ue o a#uste no $oi to "om, seria importante veri$icar um novo modelo

9ma outra maneira de $azer essa anlise, porm sem as mesmas in$orma8es seria utilizar o recurso de 'di(ionar )in*a d% T%nd+n(ia... Jo menu Kr$ico da "arra de menu do )'cel 3elecionado o modelo Hinear, clicamos na a"a T!p8esU e marcamos as op8es. Exibir %qua,-o no gr#fi(o e Exibir $alor do R-quadrado no gr#fi(o

Jo se es%uea, para inserir uma Hin/a de tend,ncia o gr$ico deve estar selecionado previamente
Produo de Leite x ndice Pluviomtrico y = 0.8x + 8.9
R2 = 0.7853 35 30 25 20 20 22 24 26 28 30

Exemplo 2 S%rie &emporal da 'roduo de Carne de (rango no )rasil *1+,+-2--./

4ro$ 5ludio 3erra, )sp

Se acordo com a Associao Xrasileira de )'portadora dos 4rodutores e )'portadores de ?rango, AX)?, a produo "rasileira de carne de $rango (em mil toneladas) para o mercado interno e e'terno no per(odo de 1BFB a 2663 dada pela ta"ela a"ai'o.
Ano 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 Mer ado ! n"erno 1,811 1,968 2,200 2,351 2,710 2,930 3,617 3,483 3,812 4,262 4,755 5,070 5,486 5,917 5,921 #x$or"a%&o 244 299 322 372 433 481 429 569 649 612 771 907 1,249 1,600 1,922 'o"a( 2,055 2,267 2,522 2,727 3,143 3,411 4,050 4,052 4,461 4,875 5,526 5,977 6,736 7,517 7,843

)on"e* A+#) - A,,o ia%&o +ra,i(eira do, -rod."ore, e #x$or"adore, de )ran/o, 0111.a2e3. om.2r4.

2esoluo
! primeiro passo para avaliar se os dados podem ser a#ustados por um modelo linear plotar suas variveis em um gr$ico
-rod.de arne de 3ran/o 10,000 8,000 6,000 4,000 2,000 0 5 10 15 20

4elo gr$ico perce"e0se uma tend,ncia %ue a relao entre a produo de carne de $rango (varivel dependente, Y) e o tempo (varivel independente, X) se#a dado por uma e%uao linear 4ara determinar essa e%uao ser utilizado o so$tRare )'cel Jo )'cel ser utilizada a $erramenta 2egresso %ue um m&dulo do 3uplemento Anlise de Sados

4ro$ 5ludio 3erra, )sp

Acionando0se essa $erramenta, o passo seguinte ser preenc/er a cai'a de dilogo da 2egresso con$orme os dados !nde na opo ;ntervalo Y de )ntrada dever ser colocado o valor da varivel dependente, e na opo ;ntervalo X de )ntrada, dever ser colocado os valores da varivel independente

Ap&s o preenc/imento das cai'as de dilogo "asta pressionar o "oto de ./, e o resultado aparecer em uma nova planil/a A $igura a"ai'o mostra o resultado para o e'emplo em %uesto

4ro$ 5ludio 3erra, )sp

16

Sessa planil/a se destacam os seguintes valores. Ja estat(stica padro. R-quadadro = 0. 087 Ja Anova. gl total =&1 !=102.25& ) por $im. ;nterseo &&103 "ari#$%l X 1&0320 Assim a e%uao do modelo poder ser escrita como.

@ = 11AD,BB + A1D,36 X Y 1i
4ode0se agora plotar os dados dos valores verdadeiros com os valores do modelo =am"m se pode $azer progn&stico para valores $uturos 4or e'emplo, para o ano de 266A o modelo prev, uma produo de C F6C toneladas de carne de $rango
Re/re,,&o 5inear
-rod.6arne e )ran/o

10000.00 8000.00 6000.00 4000.00 2000.00 0.00

1 3

13

11

9ma outra maneira de $azer essa anlise, porm sem as mesmas in$orma8es seria utilizar o recurso de 'di(ionar )in*a d% T%nd+n(ia... no 1enu Kr$ico da "arra de menu do )'cel 3elecionado o modelo Hinear, clica0se na a"a !p8es e marca0se as op8es. Exibir %qua,-o no gr#fi(o e Exibir $alor do R-quadrado no gr#fi(o

4ro$ 5ludio 3erra, )sp

15

11

Jo se es%uea, para inserir uma Hin/a de tend,ncia o gr$ico deve estar selecionado previamente
Produo brasileira de carne de frango milhes de t oneladas
9 8 7 6 5 4 3 2 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 )on"e* A+#) 0111.a2e3. om.2r4. Ano

y = 416.3x + 1147 R2 = 0.9688

1.. Regresso Linear 01ltipla

)m algumas situa8es mais do %ue uma varivel independente (X 1,X2, ,Xn) pode ser necessria para predizer o valor da varivel independente (Y) ! modelo matemtico para esse caso dado a"ai'o.
Yi = b6 + b1 X i + b2 X 2i + + b/ X /i + i

4ro$ 5ludio 3erra, )sp

Mi(78e, de "one(ada,

12

<ue para as n o"serva8es poder se escrito da $orma.

Y1 = b6 + b1 X 1 + b2 X 21 + Y2 = b6 + b1 X 2 + b2 X 22 + Yn = b6 + b1 X n + b2 X 2 n + + b/ X /1 + 1 + b/ X / 2 + 2 + b/ X /n + n

<ue $orma na realidade um sistema linear, %ue podermos escrever na $orma de matriz como.

Y1 1 X1 X21 X/1 b1 1 Y 1 X X X b 2 2 2 / 2 2 2 = + Y 3 1 Xn X2n X/n b/ /

<ue escrevendo ainda em outra em sua $orma mais compacta temos. Y = bX + 4ro$ 5ludio 3erra, )sp 13

! estimador para b ser dado por.

@ = X YX b

) (X Y )
1 Y

4ela e%uao acima, / necessidade %ue o produto X4X, ten/a uma matriz inversa, o %ue implica na condio o"rigat&ria %ue nen/uma coluna da matriz X se#a com"inao linear das outras

Exemplo . 0anuteno do $amin2o

9ma agroind-stria %uer sa"er o custo de manuteno de seus camin/8es durante o corrente ano, para tanto $oram coletadas in$orma8es de %uilometragem e tempo do camin/o A ta"ela a"ai'o nos mostra esses valores
'em$o do 5usto de 9.i(ome"ra/em amin7&o 0x10004 1anuteno 0em ano,4 832 73 647 553 467 373 283 189 96 6 7 9 11 13 15 17 18 19 8 7 6 5 4 3 2 1 0

2esoluo
Jesse caso ser $eito diretamente anlise sem plotar o gr$ico ! procedimento no so$tRare )'cel . ?erramenta Anlise de Sados 2egresso Jo campo ;ntervalo X de )ntrada deve ser preenc/ida com a $ai'a de valores das variveis independentes, %ue nesse caso so a %uilometragem e o tempo do camin/o Sa planil/a de resultados se destacam os seguintes valores.

4ro$ 5ludio 3erra, )sp

1A

Ja estat(stica padro. R-quadadro = 0. Erro 5adr-o6 2.&00 Ja Anova. gl total =8 !=5050&.22 ) por $im. ;nterseo &7.72 "ari#$%l X& 1.00 % X2 8.507 Assim a e%uao do modelo poder ser escrita como.
@ = 1C C3 + A 6D X + BF E6C X Y 1i 2i

Assim para um camin/o com E anos com %uilometragem de 16 666 mil/as, o custo de manuteno ser de ZEE6 FB

1.3 Regresso o Linear

Jem sempre a relao entre a varivel independente (X) e a varivel dependente (Y) possui uma relao linear, em certos casos essa relao no0linear A $igura a"ai'o mostra algumas dessas $ormas Jesses casos, pode0se atravs de mudanas de variveis resolver o pro"lema utilizando "asicamente as e%ua8es # mencionadas nesse material 4ara os interessados nesses procedimentos sugere0se a leitura das re$er,ncias indicadas no $inal do te'to 4ara e$eito de demonstrao da 2egresso0Hinear ser utilizado o )'cel atravs do seu recurso de =end,ncia, todavia con$orme # mencionado, esse no d in$orma8es estat(sticas so"re o a#uste

Exemplo 3 S%rie &emporal da 'roduo de Carne de (rango no )rasil *1+,+-2--./

Se acordo com a Associao Xrasileira de )'portadora dos 4rodutores e )'portadores de ?rango, AX)?, a produo "rasileira de carne de $rango (em mil toneladas) para o mercado interno e e'terno no per(odo de 1BFB a 2663 dada pela ta"ela a"ai'o.

4ro$ 5ludio 3erra, )sp

1E

Ano 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003

Mer ado ! n"erno 1,811 1,968 2,200 2,351 2,710 2,930 3,617 3,483 3,812 4,262 4,755 5,070 5,486 5,917 5,921

#x$or"a%&o 244 299 322 372 433 481 429 569 649 612 771 907 1,249 1,600 1,922

'o"a( 2,055 2,267 2,522 2,727 3,143 3,411 4,050 4,052 4,461 4,875 5,526 5,977 6,736 7,517 7,843

)on"e* A+#) - A,,o ia%&o +ra,i(eira do, -rod."ore, e #x$or"adore, de )ran/o, 0111.a2e3. om.2r4.

2esoluo
Jesse e'emplo ser avaliada somente a produo para o mercado e'terno, o gr$ico %ue representa essa produo ao longo do ano pode ser visto logo a"ai'o
Produo para o mercado interno de carne de frango
2,500 2,000 1,500 1,000 500 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 :ado, reai,

Analisando o gr$ico acima, veri$ica0 se %ue o a#uste linear talvez no se#a o mel/or modelo para representar esses dados Assim, escol/e0se dentre os provveis o modelo polinomial de 3o grau

4ro$ 5ludio 3erra, )sp

1D

Alm disso, na a"a .5,7%8 marca0se as cai'as Exibir %qua,-o no gr#fi(o e Exibir $alor d% R-quadrado no gr#fi(o 5om isso $eito o resultado pode ser visto na $igura seguinte 2epare na %ualidade do a#uste, o valor do coe$iciente de determinao $oi de 6 BB
Produo para o mercado interno de carne de frango
2,500 2,000 1,500 1,000 y = 1.5329x3 - 25.198x2 + 157.04x + 79.16 R2 = 0.9914 :ado, reai, A;.,"e -o(inomia(

Assim, pode0se ento 500 estimar a produo para o 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 mercado e'terno de carne de $rango para 266A ! valor previsto por esse modelo d ordem de 2A1B FC, pelo 8it% da AX)? (RRR a"e$ com "r) veri$icou0se %ue essa associao previa 211E, e a e'portao real em 266A $oi de 2AC6

4ro$ 5ludio 3erra, )sp

1C

Rebanho bovino brasileiro efetivo por estado

(Mil cabeas)
Re/i8e, Norte R< A6 AM RR -A A'< Nordeste MA -! 6# R= -+ -# A5 S# +A Sudeste M> #S R? SSUL -R S6 RS Centro-Oeste MS M' >< :) +ra,i( 1990 13,317 1,719 400 637 6,182 70 4,309 26,190 3,900 1,974 2,621 956 1,345 1,966 891 1,030 11,505 36,323 20,472 1,665 1,924 12,263 25,326 8,617 2,994 13,715 45,946 19,164 9,041 17,635 106 147,102 1991 15,362 2,826 404 648 346 6,626 71 4,441 26,669 3,949 2,046 2,625 966 1,315 1,952 961 1,047 11,808 36,724 20,764 1,766 1,932 12,262 25,272 8,542 3,057 13,673 48,109 19,543 9,891 18,574 102 152,136 1992 15,847 2,774 409 640 349 6,990 62 4,624 26,912 3,931 2,029 2,602 930 1,320 1,923 959 1,058 12,160 37,231 21,066 1,829 1,942 12,394 25,451 8,499 3,047 13,905 48,788 20,395 10,138 18,148 107 154,229 1993 17,067 3,286 445 689 7,435 73 5,139 22,527 4,020 1,982 2,098 566 859 1,271 802 908 10,022 37,627 21,034 1,935 1,967 12,690 25,727 8,607 3,017 14,103 52,186 21,800 11,682 18,581 124 155,134 1994 17,966 3,470 465 747 286 7,539 86 5,374 22,825 4,102 2,054 2,186 646 975 1,349 822 815 9,877 37,604 20,707 1,919 2,004 12,974 26,429 8,912 2,960 14,556 53,420 22,244 12,654 18,397 124 158,243 1995 19,183 3,928 471 806 282 8,058 93 5,544 23,174 4,162 2,135 2,266 722 1,054 1,362 834 797 9,841 37,168 20,146 1,968 1,905 13,148 26,641 9,389 2,993 14,259 55,061 22,292 14,154 18,492 123 161,228 1996 17,983 3,937 853 734 400 6,751 64 5,243 23,882 3,936 1,730 2,400 935 1,305 1,954 839 946 9,838 36,605 20,148 1,816 1,843 12,798 26,421 9,880 3,098 13,443 53,398 20,756 15,573 16,955 115 158,289 1997 19,298 4,331 863 771 378 7,539 66 5,351 23,831 3,905 1,737 2,411 941 1,303 1,682 956 946 9,950 36,977 20,378 1,936 1,837 12,827 26,683 9,897 3,087 13,700 54,627 20,983 16,338 17,182 123 161,416 1998 21,099 5,104 907 809 425 8,337 75 5,442 21,981 3,937 1,751 2,114 793 929 1,470 900 918 9,168 37,074 20,501 1,938 1,881 12,753 26,600 9,767 3,090 13,743 56,402 21,422 16,752 18,118 110 163,154 1999 22,431 5,442 930 826 481 8,863 77 5,813 21,875 3,966 1,756 2,168 755 886 1,420 815 937 9,171 36,899 20,082 1,882 1,866 13,069 26,190 9,473 3,053 13,664 57,227 21,576 17,243 18,297 110 164,621 2000 24,518 5,664 1,033 843 480 10,271 83 6,142 22,567 4,094 1,779 2,206 804 953 1,516 779 880 9,557 36,852 19,975 1,825 1,959 13,092 26,298 9,646 3,051 13,601 59,641 22,205 18,925 18,399 112 169,876 2001 27,284 6,605 1,673 864 438 11,047 87 6,571 23,414 4,483 1,792 2,194 788 918 1,673 843 866 9,856 37,119 20,219 1,665 1,977 13,258 26,784 9,817 3,096 13,872 61,787 22,620 19,922 19,132 113 176,389 2002 30,429 8,040 1,817 895 423 12,191 84 6,979 23,891 4,776 1,804 2,230 839 952 1,753 816 863 9,856 37,924 20,559 1,683 1,981 13,701 27,537 10,048 3,118 14,371 65,567 23,168 22,184 20,102 113 185,347

)on"e* ! +># @ -e,A.i,a -e .Bria M.ni i$a( 0111.i2/e./oC.2r4.

4ro$ 5ludio 3erra, )sp

1F