Escolar Documentos
Profissional Documentos
Cultura Documentos
-1-
SUMRIO
Pg.
UNIDADE 1 Estatstica Descritiva
Objetivo ...................................................................................................... 04
Dados Estatsticos ..................................................................................... 05
Distribuio de Freqncias....................................................................... 08
Medidas de Posio................................................................................... 21
Medidas de Disperso................................................................................ 26
Objetivos da Unidade..................................................................................... 04
Introduo ao Estudo das Probabilidades .................................................... 05
Conceitos Fundamentais: Experimentos, Espao Amostral e Eventos ........ 07
Probabilidade de Ocorrncia de um Evento .................................................. 10
Consideraes sobre Anlise de Risco na Avaliao de Projetos ................ 16
Conceitos Fundamentais sobre Amostragem ................................................ 22
Dimensionamento de Amostras ..................................................................... 29
REFERNCIAS ............................................................................................... 32
-2-
-3-
-4-
habitao,
trabalho,
sade,
organizao
familiar),
demogrfica
superior
10
anos.
Figura 01- Evoluo da escolaridade da parcela da populao brasileira com idade > 10 anos .
Fonte: http://seriesestatisticas.ibge.gov.br/series.aspx?no=4&op=0&vcodigo=ECE370&t=media-anosestudo-pessoas-10-anos.
-5-
Para que grficos como os apresentados nas Figuras 03 e 04 possam ser produzidos,
faz-se necessria a mobilizao de um esforo importante, com mobilizao de
recursos humanos, materiais e financeiros de monta, para a coleta, tratamento e
anlise de dados, conforme metodologia adequada, com o estudo das distribuies de
freqncias e representaes grficas, medidas de posio e disperso, para que
possam ser adequadamente utilizados para atender, por exemplo, s necessidades do
Fonte: http://www.vias-seguras.com/layout/set/print/os_acidentes/estatisticas/estatisticas_nacionais>
consulta em 11/04/2013.
-6-
-7-
Uma caracterstica que pode assumir diferentes valores de indivduo para indivduo
denominada varivel, pois de outra forma seria denominada constante. As variveis
podem ser classificadas em qualitativas e quantitativas. Os dados qualitativos so
divididos em nominais e ordinais; enquanto os dados quantitativos so divididos em
discretas e contnuas.
-8-
Discretas: s podem tomar valores inteiros (ex: 1, 2, 8, -4, etc.), como o caso
do nmero de espcies de orqudeas em um determinado bioma.
Continuas: Podem tomar qualquer valor real dentro de um intervalo. Por
exemplo, a velocidade de um veculo em uma rodovia, que pode ser 70,4 km/h,
94,57 km/h...
Convm destacar que quando coletamos dados para uma pesquisa, estas
observaes so chamadas de dados brutos. Um exemplo de dados brutos
corresponde precipitao pluviomtrica mensal, medida em mm, consistindo em
-9-
- 10 -
P (mm)
70,9
0,9
154,4
219,6
111,3
294,5
146,1
204,8
25,0
23,6
3,5
1,8
Ms/Ano
jan/09
fev/09
mar/09
abr/09
mai/09
jun/09
jul/09
ago/09
set/09
set/09
nov/09
dez/09
P (mm)
103,3
154,2
131,8
145,6
160,6
190,6
139,5
146,7
26,5
0,2
2,0
2,6
Ms/Ano
jan/10
fev/10
mar/10
abr/10
mai/10
jun/10
jul/10
ago/10
set/10
set/10
nov/10
dez/10
P (mm)
25,5
21,7
15,3
94,3
69,7
62,7
22,8
9,9
0,0
0,3
34,7
2,6
Ms/Ano
jan/11
fev/11
mar/11
abr/11
mai/11
jun/11
jul/11
ago/11
set/11
set/11
nov/11
dez/11
P (mm)
139,8
75,9
89,5
169,1
168,9
194,1
122,8
33,8
2,3
5,3
2,7
2,6
- 11 -
Para a amplitude do intervalo de classe (c), considerando o valor da amplitude total (A)
calculado, teremos:
- 12 -
Quadro 02: Definio dos limites inferior e superior de cada uma das classes determinadas
para o universo de dados analisado.
Classe
a
1
a
2
3a
4a
a
5
a
6
a
7
LI
LS
-24,5
24,6
73,7
122,8
171,9
221
270,1
24,6
73,7
122,8
171,9
221
270,1
319,2
Quadro 03: Freqncias absoluta (fa) e relativa (fr) para cada uma das classes.
- 13 -
Classe
LI
LS
fa
fr
1a
a
2
a
3
4a
a
5
a
6
7a
-24,5
24,6
73,7
122,8
171,9
221
270,1
24,6
73,7
122,8
171,9
221
270,1
319,2
18
8
6
11
4
0
1
48
0,375
0,167
0,125
0,229
0,083
0,000
0,021
1,000
Total
- 14 -
Classe
LI
LS
f acum.
f acum.r
1a
a
2
3a
a
4
-24,5
24,6
73,7
122,8
24,6
73,7
122,8
171,9
0
18
26
32
0,000
0,375
0,542
0,667
171,9
221
270,1
221
270,1
319,2
43
47
47
48
0,896
0,979
0,979
1,000
5
6a
a
7
Total
- 15 -
Logo:
- 16 -
Quadro 05: Exemplo para freqncias absoluta e relativa para variveis qualitativas.
Esgotamento Sanitrio
fa
fr
Atendimento
No Atendimento
Total
20
60
80
0,25
0,75
1,0
11
- 17 -
topos dos retngulos de um histograma, conforme mostra a Figura 04, que apresenta
o histograma e os polgonos de frequncia absoluta e acumulada para a distribuio
dos dados referentes s classes correspondentes contidas no Quadro 06 apresentado
a seguir:
Quadro 06: Dados e freqncias absoluta (fa) e acumulada (facum.) para 6 classes.
i
Classes
xi
fai
facumi
150 |- 154
152
154 |- 158
156
13
158 |- 162
160
11
24
162 |- 166
164
32
166 |- 170
168
37
170 |- 174
172
40
Total
40
12
- 18 -
a) Histograma
- 19 -
Quando temos uma tabela de varivel qualitativa, um tipo de grfico adequado para
apresentar os resultados corresponde ao grfico de setores, tambm popularmente
conhecido como grfico tipo pizza (Figura 05), com construo simples, feita mediante
a proporo entre o ngulo central do setor (fatia da pizza) e o valor para a varivel
representada.
Composio da Frota
- 20 -
13
Pesquisa realizada pelo Exrcito Brasileiro (2005), mediante parceria com o Departamento
Nacional de Infraestrutura de Transportes - DNIT, em 8 (oito) postos de contagem
considerados no levantamento estatstico para o projeto de duplicao da BR101-NE.
- 21 -
A Utilizao da Mdia
Sendo a Distribuio Normal uma das distribuies mais importantes e que surge com
mais freqncia nas aplicaes (o que justifica a grande utilizao da mdia), a mdia
- 22 -
Moda
Define-se moda como sendo: o valor que surge com mais freqncia se os dados so
discretos ou, ainda, o intervalo de classe com maior freqncia se os dados so
contnuos.
- 23 -
Sendo:
Mediana
- 24 -
- 25 -
Assim, 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.
- 26 -
- 27 -
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.
Desvio-padro
- 28 -
O desvio padro, portanto, uma medida que s pode assumir valores no negativos
e, quanto maior for, maior ser a disperso dos dados. O desvio padro ser maior,
quanto mais variabilidade houver entre os dados.
Coeficiente de Variao
O coeficiente de variao (CV) consiste em uma medida relativa de disperso, til para
a comparao em termos relativos do grau de concentrao em torno da mdia de
sries distintas. Para uma amostra, teramos a seguinte expresso:
15%
CV
Grande disperso: CV
30%
30%
Distribuio Normal
distribuio
normal
mais
importante
distribuio
estatstica,
- 29 -
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.
Na figura apresentada a seguir, com as barras situadas logo abaixo do eixo das
abscissas representando os desvios-padro, quanto mais afastado do centro da curva
normal, mais rea compreendida abaixo da curva haver, ou seja, a um desviopadro, temos 68,26% das observaes contidas, a dois desvios-padres, possumos
95,44% dos dados compreendidos e, finalmente, a trs desvios, temos 99,73% de
probabilidade de ocorrncia.
- 30 -
- 31 -
- 32 -
- 33 -
14
14
- 34 -
Experimento Aleatrio
Se lanarmos uma moeda ao cho para observarmos a face que ficou para cima, o
resultado imprevisvel, pois tanto pode dar cara, quanto pode dar coroa. Se, ao invs
de uma moeda, o objeto a ser lanado for um dado, o resultado ser mais imprevisvel
ainda, pois aumentamos o nmero de possibilidades de resultado. Experimentos como
estes, ocorrendo nas mesmas condies ou em condies semelhantes, que podem
apresentar resultados diferentes a cada ocorrncia, damos o nome de experimentos
aleatrios.
Espao Amostral
Ao lanarmos uma moeda, no sabemos qual ser a face que ficar para cima, no
entanto, podemos afirmar com toda certeza que ou ser cara ou ser coroa, pois uma
moeda s possui estas duas faces.
15
- 35 -
Neste exemplo, ao conjunto {cara, coroa} damos o nome de espao amostral, pois ele
o conjunto de todos os resultados possveis de ocorrer neste experimento.
Representamos um espao amostral, ou espao amostral universal como tambm
chamado, pela letra S.
Figura 02- Experimento de lanar moeda, com espao amostral S = {cara, coroa}
16
Se, ao invs de uma moeda, o objeto a ser lanado for um dado, o espao amostral
ser:
Evento
Quando lanamos um dado ou uma moeda, chamamos a ocorrncia deste fato de
evento. Qualquer subconjunto de um espao amostral um evento. Em relao ao
espao amostral do lanamento de um dado, veja o conjunto a seguir:
16
- 36 -
Note que
Classificao de Eventos
Evento Certo: Ao lanarmos um dado certo que a face que ficar para cima, ter
um nmero divisor de 720. Este um evento certo, pois 720 = 6! = 6 . 5 . 4 . 3 . 2 . 1,
obviamente qualquer um dos nmeros da face de um dado um divisor de 720, pois
720 o produto de todos eles. O conjunto A = {2, 3, 5, 6, 4, 1} representa um evento
certo, pois ele possui todos os elementos do espao amostral S = {1, 2, 3, 4, 5, 6}.
- 37 -
- 38 -
Definio de Probabilidade
A probabilidade de um evento A, denotada por P(A), um nmero de 0 a 1 que indica
a chance de ocorrncia do evento A. Quanto mais prxima de 1 P(A), maior a
chance de ocorrncia do evento A, e quanto mais prxima de zero, menor a chance
- 39 -
- 40 -
Considerando a tica da avaliao de projetos, admitindo que trs projetos, Alfa, Beta
e Gama, lanaram um produto no mercado e supondo que as condies de retorno
econmico para os trs projetos so as mesmas, qual a probabilidade da empresa
Alfa de obter primeiro a meta do retorno socioeconmico?
Como 3 o nmero total de projetos, ento o projeto Alfa tem 1 chance em 3 de obter
primeiro o indicador econmico considerado, o que resultaria em uma probabilidade de
1
Vamos a um exemplo:
Na
construo
de
usina
hidreltrica
trabalham
2.000
profissionais.
Destes
- 41 -
Segundo o enunciado
e
Portanto:
- 42 -
Logo:
Considerando que
exclusivos. Observe que
- 43 -
Portanto:
.
Representao:
ou
- 44 -
Evento de Risco
De acordo com o PMBOK17 (2008), um evento de risco, uma ocorrncia discreta ou
distinta que pode afetar o projeto para melhor ou pior. Quanto ao aspecto da
probabilidade de ocorrncia, a mesma pode ter valores atribudos de forma subjetiva e
de forma objetiva.
Subjetivamente, a probabilidade uma porcentagem indicando o grau de confiana ou
a estimativa pessoal quanto possibilidade de ocorrncia de um evento (probabilidade
subjetiva). Como exemplo, temos afirmaes do tipo eu acho que h 50% de chance
de perda, ou eu acredito que h somente uma chance em mil de uma inundao
atingir nossa fbrica.
Podemos, por outro lado, entender a probabilidade objetiva como sendo um nmero
real, associado a um evento (E), destinado a medir sua possibilidade de ocorrncia.
- 45 -
O risco deve ser analisado por trs componentes: pelo evento, a probabilidade de
ocorrncia e o impacto do evento. Normalmente considerado como um evento de
consequncias negativas, quanto ao custo, ao tempo e qualidade. Por este motivo
os gerentes concentram suas foras em evit-los e em como lidar com eles. Eles
esquecem que eventualmente, os riscos podem ter consequncias positivas.
Riscos Internos
O risco interno inerente ao projeto, controlado pelo lder, que pode reduzi-lo
mediante aes diretas, como o desenvolvimento de planos de contingncia. Riscos
internos constituem uma parte das limitaes estabelecidas para o projeto por meio da
criao de metas. A data de entrega do produto pode ser otimista, e o plano precisa
refletir esta data. O planejamento ter por base a data de entrega e o cronograma de
trabalho visando assegurar a entrega. O custo constitui, em geral, uma rea com
limitaes.
O planejamento ir direcionar o tipo e a quantidade de recursos a serem utilizados no
projeto mesmo quando o oramento for menor do que o desejado. Solues tcnicas
estaro em perigo quando o tempo de entrega for otimista, sendo, entretanto, os
recursos financeiros, limitados.
Dentre os riscos internos, podemos citar: custo, prazo, gerenciais, perda de potencial e
fluxo de caixa.
Como exemplo dos riscos internos, devemos considerar que fluxos de caixa podem
sofrer alteraes, e que estas devem ser avaliadas constantemente durante o
andamento do projeto, para que possamos classific-las como relevantes e se iro
adicionar valor empresa.
Riscos Externos
O risco externo encontra-se fora do controle dos lderes de projeto, como, por
exemplo, as interfaces do projeto desconhecidas e cujas definies so feitas por
- 46 -
terceiros. Os riscos externos do projeto podem ser influenciados pelo lder de projeto
e, portanto previstos.
No entanto, no h controle direto sobre as ocorrncias de riscos, que podem receber
a influncia de acordos e contratos com terceiros.
O grau de influncia exercido pelo lder do projeto determinado pela identificao de
riscos externos e pela colaborao ampliada por terceiros, os quais poderiam ser
outros lderes de projetos, gerentes funcionais, distribuidores e entidades contratantes.
Dentro os riscos externos previsveis, podemos citar:
Taxa de Cmbio: o risco associado a operaes internacionais em um mundo
no qual o valor relativo das moedas varia. Para um grande projeto, a gesto do
risco de cmbio complicada pelo fato de que pode haver uma grande
variedade de moedas diferentes envolvidas em suas inmeras atividades.
muito provvel que uma variao de alguma taxa beneficie algumas reas e
prejudique outras.
Inflao: o risco macroeconmico da perda de renda disponvel de pessoas
fsicas e jurdicas, acarretando prejuzos ao fluxo de caixa e recusa do projeto.
Impactos Sociais: o risco relacionado aos possveis efeitos sociais,
econmicos, culturais, sobre pessoas, grupos de pessoas ou comunidades.
Impactos Ambientais: os riscos ambientais impactam diretamente nos
aumentos dos custos do projeto, devido principalmente a: possveis impactos
ambientais, com a aplicao de multas, licenas e regulamentaes, o uso de
novos materiais desenvolvidos para no agredir o meio ambiente, risco de
denegrir a imagem da empresa junto ao mercado devido a um possvel dano
ambiental, limpeza de locais poludos, transporte e manuseio de materiais e o
aumento do preo de recursos no renovveis ou ainda aumento de impostos
sobre produtos poluentes.
- 47 -
- 48 -
em utilizar-se processo tecnolgico mais avanado foi positivo, pois menos recursos
foram consumidos e a obra conduzir a benefcios mais rapidamente.
Por outro lado, os riscos negativos esto diretamente associados a impactos no
desejveis em algum objetivo do projeto.
Por exemplo, o atraso na concesso de uma autorizao ambiental para incios das
obras, com impacto negativo direto no cronograma do projeto.
Os riscos podem ter maior ou menor grau de impacto e probabilidade de ocorrncia.
Diante disso, torna-se necessrio prioriz-los, a fim de aumentar o desempenho do
projeto.
necessrio se concentrar nos riscos de alta prioridade, porm sem ignorar os riscos
de menor grau de prioridade. Estes, por sua vez devem compor uma lista de
observao.
Mas essa anlise de impacto e probabilidade dos riscos no bastante subjetiva?
Ora, afinal para mim um risco X pode ter um impacto ALTO no projeto, enquanto que,
para outra pessoa esse mesmo risco considerado apenas MODERADO.
A fim de mitigar esse risco da subjetividade da anlise, o PMBOK afirma que o
estabelecimento de definies dos nveis de probabilidade e impacto pode reduzir a
influncia de parcialidade. Uma sugesto a definio de uma escala de impactos
para os quatro objetivos do projeto.
Observemos a figura apresentada a seguir:
- 49 -
19
Assim, as clulas em cinza escuro com maiores valores representam alto risco,
enquanto que as preenchidas com cinza mdio so riscos baixos. As clulas em
tonalidade cinza claro representam riscos moderados. Por exemplo, um risco negativo
com probabilidade de ocorrncia estimada em 0,70 e impacto de 0,10 representa uma
ameaa de valor 0,07, o que considerada como MODERADA.
18
- 50 -
Atravs dessa ferramenta possvel ainda identificar reas do projeto que sofram
mais ameaas ou oportunidades. Para isso torna-se necessria a categorizao dos
riscos identificados no projeto, gerando assim uma estrutura hierrquica de riscos.
A avaliao de probabilidade de riscos investiga a probabilidade de cada risco
especfico ocorrer. A avaliao de impacto de riscos investiga o efeito potencial sobre
um objetivo do projeto, como tempo, custo, escopo ou qualidade, inclusive os efeitos
negativos das ameaas e os efeitos positivos das oportunidades.
A probabilidade e o impacto seriam avaliados para cada risco identificado. Os riscos
podem ser avaliados em entrevistas ou reunies com participantes selecionados por
sua familiaridade com as categorias de risco da pauta. So includos os membros da
equipe do projeto e, talvez, especialistas de fora do projeto. A opinio especializada
necessria, pois podem existir poucas informaes sobre riscos no banco de dados de
projetos passados da organizao. Um facilitador experiente pode liderar a discusso,
pois os participantes podem ter pouca experincia em avaliao de riscos.
A probabilidade de cada risco e seu impacto em cada objetivo so avaliados durante a
entrevista ou reunio. Os detalhes da explanao, inclusive as premissas que
justificam os nveis atribudos, tambm so registrados.
As probabilidades e impactos de riscos so classificados de acordo com as definies
fornecidas no plano de gerenciamento de riscos.
s vezes, os riscos com probabilidade e impacto visivelmente baixos no sero
classificados, mas sero includos em uma lista de observao para monitoramento
futuro.
- 51 -
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. Convm ressaltar que no h formas de se
- 52 -
Amostragem No Probabilstica
Quando trabalhamos com a amostragem no probabilstica, no conhecemos a priori a
probabilidade que um elemento da populao tem de pertencer amostra. Neste
caso, no possvel calcular o erro decorrente da generalizao dos resultados das
anlises estatsticas da amostra para a populao de onde a amostra foi retirada.
Utiliza-se geralmente a amostragem no probabilstica pela simplicidade intrnseca ao
processo, bem como pela impossibilidade de se obter uma amostra probabilstica,
como seria desejvel. Os principais tipos de amostragem no probabilstica que temos
so amostragem sem norma ou a esmo, intencional e por cotas.
Amostragem a Esmo
Imagine um rebanho com 1.000 animais, integrantes de um lote de gado bovino a ser
destinado para corte. A enumerao destes animais ficaria muito difcil, tornando-se a
amostragem aleatria simples invivel. Assim, em situaes deste tipo, supondo que a
populao de animais seja homognea, escolhemos a esmo a quantidade relativa ao
tamanho da amostra, e quanto mais homognea for a populao, mais podemos supor
a equivalncia com uma amostragem aleatria simples. Os animais, desta forma,
sero escolhidos para compor a amostra de um determinado tamanho sem nenhuma
norma ou a esmo, o que origina o nome deste tipo de amostragem.
Acidental ou convenincia
Indicada para estudos exploratrios. Frequentemente utilizados em super mercados
para testar produtos.
- 53 -
Intencional
A amostragem intencional corresponde quela em que o responsvel pela
amostragem escolhe, deliberadamente, determinados elementos para pertencer
amostra, em funo de seu juzo de valor sobre a representatividade da populao.
Um exemplo deste tipo de amostragem corresponde situao em que se deseja
saber a aceitao em relao a uma nova marca de automvel de passeio a ser
inserida no mercado de uma cidade. Somente entraro para compor a amostra
pessoas que faam uso do automvel e que tenham condies financeiras de comprar
esta nova marca (pblico-alvo).
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
Neste tipo de amostragem procedida a diviso da populao em grupos,
selecionando-se uma cota proporcional ao tamanho de cada grupo. Entretanto, dentro
de cada grupo no feito sorteio, sendo procurados os elementos at que a cota de
cada grupo seja alcanada.
Em pesquisas eleitorais, a diviso de uma populao em grupos (considerando, por
exemplo, o sexo, o nvel de escolaridade, a faixa etria e a renda) pode servir de base
para a definio dos grupos, partindo da suposio de que estas variveis definem
grupos com comportamentos diferenciados no processo eleitoral. Para se ter uma
idia do tamanho destes grupos, pode-se recorrer a pesquisas feitas anteriormente
pelo IBGE (Instituto Brasileiro de Geografia e Estatstica).
Na realidade, trata-se de uma variao da amostragem intencional. Necessita-se ter
um prvio conhecimento da populao e sua proporcionalidade. Por exemplo, desejase entrevistar apenas indivduos da classe A, que representa 12% da populao. Esta
- 54 -
Desproporcional
Muito utilizada quando a escolha da amostra for desproporcional populao. Atribuise pesos para os dados, e assim obtm-se resultados ponderados representativos
para o estudo.
Probabilstica
Para que se possam realizar inferncias sobre a populao, necessrio que se
trabalhe com amostragem probabilstica. o mtodo que garante segurana quando
se investiga alguma hiptese. Normalmente os indivduos investigados possuem a
mesma probabilidade de ser selecionado na amostra.
Aleatria Simples
Voc deve utilizar a amostragem aleatria simples somente quando a populao for
homognea em relao varivel que se deseja estudar. Geralmente, atribumos uma
numerao a cada indivduo da populao, e atravs de um sorteio aleatrio os
elementos que vo compor a amostra so selecionados.
Todos os elementos da populao tm a mesma probabilidade de pertencer
amostra. Imagine que voc queira amostrar um nmero de pessoas que esto fazendo
um determinado concurso com n inscritos. Como a populao finita, devemos
enumerar cada um dos n candidatos e sortear n deles. o mais utilizado processo de
amostragem. Prtico e eficaz, confere preciso ao processo de amostragem.
Normalmente utiliza-se uma tabela de nmeros aleatrios e nomeiam-se os indivduos,
sorteando-se um por um at completar a amostra calculada. Uma variao deste tipo
de amostragem a sistemtica. Em um grande nmero de exemplos, o pesquisador
- 55 -
Amostragem Sistemtica
Porm, de fundamental importncia que a varivel de interesse no apresente ciclos
de variao coincidente com os ciclos de retirada, pois este fato tornar a amostragem
no aleatria.
A tcnica de amostragem caracterizada pela coleta na populao de elementos que
vo compor a amostra, de forma cclica (em perodos), se chama amostragem
sistemtica, interessante de ser utilizada quando convm obter a amostra, por
exemplo, quando os elementos da populao apresentam-se ordenados.
Uma situao tpica quando se necessite retirar uma amostra de populao onde a
varivel tempo condiciona caractersticas presentes nos elementos estudados, como
o caso da anlise da evoluo dos ndices de preos para a considerao do efeito da
inflao, durante certo perodo, sobre uma srie de pagamentos.
Quanto ao procedimento, o primeiro passo ser o clculo da constante (K) que atuar
como fator de ciclo para a definio do momento e perodo a considerar para a
realizao da amostragem o que possibilitar, em um segundo momento, a definio
do intervalo de tempo para a coleta da amostra.
Aps a definio do valor de K e definido o ponto inicial da amostragem, ou seja, um
dos elementos do primeiro intervalo constitudo pelos elementos populacionais
numerados de 1 at n. Escolhe-se o seguinte, que ser o elemento de ordem (i + K); ,
sempre somando-se K ordem do elemento anterior, at completar a escolha dos n
elementos que vo compor a amostra.
- 56 -
- 57 -
Figura 07- Critrio para a escolha dos elementos de cada estrato (A, B, C, D) (Tavares, 2007).
Conglomerado
Em corriqueiras situaes, torna-se difcil coletar caractersticas da populao. Nesta
modalidade de amostragem, sorteia-se um conjunto e procura-se estudar todo o
conjunto. exemplo de amostragem por conglomerado, famlias, organizaes e
quarteires.
Destaca Tavares (2007) que apesar de a amostragem estratificada apresentar
resultados satisfatrios, a sua implementao dificultada pela falta de informaes
sobre a populao para fazer a estratificao, o que poder ser contornado mediante a
utilizao de esquema de amostragem chamado amostragem por conglomerados,
definidos em funo da experincia do gestor ou pesquisador.
- 58 -
amostragem
por
conglomerados,
primeiramente
definimos
- 59 -
A proporo (p)
- 60 -
relao Z = f( )] quantas amostras deveremos ter para que a mdia esteja a menos
que R$250,00 da renda mdia verdadeira da populao. Suponha conhecido e igual
a R$800,00?
Ou seja, caso o erro admissvel fosse o dobro, o tamanho da amostra poderia ser
reduzido quarta parte.
- 61 -
FINALIZANDO O CURSO.
Terminamos o curso de Estatstica.
Parabns!
Para concluir o curso, necessrio fazer os exerccios. Volte tela inicial e clique em
Exerccios de Fixao e em Exerccios Avaliativos. Lembre-se de que esta ltima
uma atividade pontuada!
Em seguida, verifique se voc atingiu os objetivos propostos, respondendo a
Autoavaliao de Aprendizagem.
Ao final, agradecemos sua colaborao em responder a Avaliao de
Satisfao.
REFERNCIAS
UNIDADE 1
BARBETTA, P. A. Estatstica Aplicada s Cincias Sociais. 4 ed. Florianpolis: Ed.
da UFSC, 2002.
BRAULE, Ricardo. Estatstica Aplicada com Excel: para cursos de Administrao
e Economia. Rio de Janeiro: Campus, 2001.
BUSSAB, W. O.; MORETTIN, P. Estatstica Bsica. So Paulo: Atual, 2002.
COSTA NETO, P. L. de O. Estatstica. So Paulo: Edgard Blcher, 2002.
DOWNING, D.; CLARK, J. Estatstica Aplicada. So Paulo: Saraiva, 2000.
FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade. Curso de Estatstica.
Rio de Janeiro: LTC, 1982.
FREUD, J. E.; SIMON, G. A. Estatstica Aplicada. Bookman, 2000, 403 p.
LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D. Estatstica: teoria e aplicaes
(usando o Microsoft Excel em portugus). LTC, 2000, 812 p.
MORETTIN, L. G. Estatstica Bsica: Probabilidade. V. 1. So Paulo: Makron
Books, 1999.
SOARES, J. F.; FARIAS, A. A.; CESAR, C. C. Introduo Estatstica. Rio de
Janeiro: LTC, 1991.
SPIEGEL, M. Probabilidade e Estatstica. Mc Graw Hill. 1993.
TAVARES, M. Estatstica Aplicada Administrao. Secretaria de Educao
Distncia do Ministrio da Educao Sistema Universidade Aberta do Brasil UAB.
- 62 -
UNIDADE 2
BARBETTA, P. A. Estatstica Aplicada s Cincias Sociais. 4 ed. Florianpolis: Ed.
da UFSC, 2002.
BRAULE, Ricardo. Estatstica Aplicada com Excel: para cursos de Administrao
e Economia. Rio de Janeiro: Campus, 2001.
BUSSAB, W. O.; MORETTIN, P. Estatstica Bsica. So Paulo: Atual, 2002.
COSTA NETO, P. L. de O. Estatstica. So Paulo: Edgard Blcher, 2002.
DOWNING, D.; CLARK, J. Estatstica Aplicada. So Paulo: Saraiva, 2000.
FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade. Curso de Estatstica.
Rio de Janeiro: LTC, 1982.
FREUD, J. E.; SIMON, G. A. Estatstica Aplicada. Bookman, 2000, 403 p.
LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D. Estatstica: teoria e aplicaes
(usando o Microsoft Excel em portugus). LTC, 2000, 812 p.
MORETTIN, L. G. Estatstica Bsica: Probabilidade. V. 1. So Paulo: Makron
Books, 1999.
SOARES, J. F.; FARIAS, A. A.; CESAR, C. C. Introduo Estatstica. Rio de
Janeiro: LTC, 1991.
SPIEGEL, M. Probabilidade e Estatstica. Mc Graw Hill. 1993.
STEVENSON, William J. Estatstica Aplicada Administrao. So Paulo: Harper,
1981.
- 63 -
- 64 -