Escolar Documentos
Profissional Documentos
Cultura Documentos
Socioeconmica de Projetos
Unidade 2
Probabilidades e Tcnicas de Amostragem
Braslia - 2015
Fundao Escola Nacional de Administrao Pblica
Presidente
Gleisson Rubin
Diretor de Desenvolvimento Gerencial
Paulo Marques
Coordenadora-Geral de Educao a Distncia
Natlia Teles da Mota Teixeira
Conteudista
Alexandre da Costa Pereira (2013)
OBJETIVOS DA UNIDADE...................................................................................................... 4
REFERNCIAS..................................................................................................................... 24
Unidade 2
Probabilidades e Tcnicas de Amostragem
OBJETIVOS DA UNIDADE
Aps concluir esta unidade, espera-se que voc seja capaz de:
Estudaremos agora a probabilidade, que uma ferramenta usada e necessria para se fazer
correlaes entre a amostra e a populao, de modo que a partir de informaes da amostra se
possam fazer afirmaes sobre caractersticas da populao, entendendo-se a probabilidade
como ferramenta bsica da inferncia estatstica.
A probabilidade um nmero entre zero e um, inclusive, o que significa que, no mnimo, no
h nenhuma hiptese do evento acontecer e, no mximo, o evento sempre ocorrer:
4
Normalmente representamos probabilidades atravs de fraes, mas tambm podemos
represent-las por nmeros decimais ou por porcentagens.
Neste exemplo, mediante interpolao linear, pode-se obter a altura de onda correspondente
probabilidade de 75%. Portanto, para a probabilidade acumulada da ocorrncia
correspondente altura de onda de projeto, ter-se-ia o valor da altura de onda a ser utilizado
no dimensionamento da estrutura naval em questo, como mostra a tabela a seguir:
5
Fonte: Exerccio contido no site <www.oceanica.ufrj.br > [consulta em 10/04/2012].
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 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.
Neste exemplo, ao conjunto {cara, coroa} damos o nome de espao amostral, pois ele o
1. Contedo sobre noes de probabilidade adaptado do material instrucional contido no stio <http://www.matematicadidatica.
com.br/ProbabilidadeConceitos.aspx> [consulta em 13/04/2012].
6
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 09- Experimento de lanar moeda, com espao amostral S = {cara, coroa}2.
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:
Classificao de Eventos
Evento Simples: Classificamos assim os eventos que so formados por um nico elemento do
espao amostral. Desta forma, A = {5} a representao de um evento simples do lanamento
de um dado cuja face para cima divisvel por 5. Nenhuma das outras possibilidades so
divisveis por 5.
Evento Certo: Ao lanarmos um dado, certo que a face que ficar para cima, ter um nmero
7
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}.
Evento Unio: Seja A = {1, 3}, o evento de ocorrncia da face superior no lanamento de um
dado, mpar e menor ou igual a 3 e B = { 3, 5 }, ser o evento de ocorrncia da face superior,
mpar e maior ou igual a 3, ento teremos C = { 1, 3, 5 }, que representa o evento de ocorrncia
da face superior mpar, que a unio dos conjuntos A e B, ou seja, . Note que o
evento C contm todos os elementos de A e B.
Evento Interseco: Seja A = {2, 4}, o evento de ocorrncia da face superior no lanamento de
um dado, par e menor ou igual a 4 e B = {4, 6}, ser o evento de ocorrncia da face superior,
par e maior ou igual a 4, ento teremos C = {4}, que representa o evento de ocorrncia da face
superior par, que a interseco dos conjuntos A e B, ou seja,
8
Se considerarmos o fenmeno, por exemplo, da flutuao de objeto imerso na gua, sabemos
que caso o objeto possui peso especfico menor que a gua, ele flutuar. Esse exemplo
caracteriza um fenmeno determinstico. Nos fenmenos aleatrios, os resultados no sero
previsveis, mesmo que haja vrias repeties do mesmo fenmeno.
A cada experimento aleatrio est associado o resultado do mesmo, que no previsvel, chamado
de evento aleatrio.
Definio de Probabilidade
Como estamos interessados apenas nos resultados divisores de 6, o evento E representado por:
9
Ento n(E) = 4 e n(S) = 6, portanto:
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 1/3 em obter
primeiro o retorno.
A probabilidade de um evento ocorrer (de o projeto Alfa obter retorno econmico primeiro),
considerando-se um espao amostral (Alfa, Beta e Gama), igual razo do nmero de elementos
do evento (1, apenas Alfa) para o nmero de elementos do espao amostral (3, o nmero de
projetos), desde que o espao amostral seja um conjunto equiprovvel, ou seja, todos os seus
elementos tenham a mesma possibilidade de ocorrer (as condies de xito econmico so as
mesmas para as trs empresas). Vamos, agora, exercitar a lgica da probabilidade conforme a
classificao dos eventos aplicveis situao.
Vimos que a probabilidade da unio de dois eventos pode ser calculada atravs da frmula:
No caso da interseco dos eventos, resulta vazia, ou seja, no h elementos em comum aos dois
eventos, pois poderamos simplesmente utilizar:
Vamos a um exemplo:
Na construo de uma usina hidreltrica, trabalham 2.000 profissionais. Destes trabalhadores, 500
possuem mais de dez anos de experincia, 300 so pedreiros e 200 so pedreiros com mais de
dez anos de experincia profissional. Selecionando-se um trabalhador com mais de dez anos de
experincia, qual a probabilidade de este ser um pedreiro?
Chamemos de A o evento que representa o ofcio do pedreiro e B o evento que representa mais de
dez anos de experincia para o profissional.
10
Podemos calcular a probabilidade de ocorrer A, tendo ocorrido B atravs da frmula:
Segundo o enunciado
Portanto:
Logo:
11
Probabilidade no Caso de Eventos Mutuamente Exclusivos
Portanto:
Considerando A e B como eventos independentes, logo P(B/A) = P(B), P(A/B) = P(A), sendo
assim:
12
Para saber se os eventos A e B so independentes, podemos utilizar a definio ou calcular a
probabilidade de .
Representao:
ou
Evento de Risco
De acordo com o PMBOK3 (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.
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.
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.
13
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 visar assegurar a entrega. O custo
constitui, em geral, uma rea com limitaes.
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 terceiros. Os riscos
externos do projeto podem ser influenciados pelo lder de projeto e, portanto previstos.
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:
14
incluem as fraudes e os riscos de modelo, onde h o perigo de imperfeio nos
modelos de controle.
Riscos do Mercado: so aqueles que podem gerar resultados adversos em funo de
instabilidade em taxas de juros, taxas de cmbio, preos de aes, etc. Para
analisarmos, devemos considerar: a existncia de um mercado local ou internacional,
as projees de preo para os produtos, tarifas e barreiras alfandegrias, o
acompanhamento de projetos e de produtos concorrentes, o acesso aos mercados
em termos logsticos, comunicativos e comerciais, a obsolescncia, caso haja uso de
tecnologia de grande inovao.
J para os riscos externos imprevisveis, podemos citar: medidas reguladoras, efeitos colaterais
e desastres da natureza.
Risco um evento ou uma condio incerta, que se ocorrer, tem um efeito em pelo
menos um objetivo do projeto (PMBOK, 2008).
Entende-se por objetivos do projeto as reas de escopo, cronograma, custo e qualidade, que
podem ser afetadas, como j comentado, negativamente ou positivamente, a depender da
natureza do risco.
Pode parecer estranho, mas so diversas as formas de um risco afetar um objetivo do projeto
de forma positiva. Por exemplo, poderamos citar o caso de obra em que o tempo de durao
foi definido em 24 meses, com custo orado em R$20 milhes. Devido eficincia do processo
executivo utilizado, a obra foi entregue em 18 meses, consumindo 85% dos recursos planejados.
Portanto, o impacto foi direto nos objetivos de custo e cronograma do projeto, e o cliente
ficou imensamente satisfeito pelos resultados alcanados. O resultado do risco em utilizar
processos tecnolgicos mais avanados 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, o que acarreta umimpacto 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, 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:
15
Figura 03- Exemplo de condies para definio de escalas de risco em projeto18.
As definies dos nveis de probabilidade e impacto podem ser adaptadas a cada projeto de
acordo com o ambiente organizacional. Tabelas semelhantes podem ser definidas para os
riscos positivos do projeto.
Diante dos riscos a que qualquer projeto encontra-se exposto, torna-se necessrio encontrar
uma ferramenta que possibilite prioriz-los de forma, no mnimo, aceitvel.
nesse cenrio que surge a matriz de probabilidade e impacto. Elas especificam as combinaes
de probabilidade e impacto que resultam em uma classificao dos riscos como de prioridade
BAIXA, MODERADA ou ALTA, conforme poderemos observar na tabela apresentada a seguir:
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.
16
Neste exemplo, ter-se-ia a definio de valores aceitveis para as probabilidades, para ameaas
e oportunidades, graduadas no eixo das abscissas conforme o seu impacto no projeto (0,05 a
0,8), conduzindo a cdigo de cores para as classes de riscos em funo da prioridade (baixa,
moderada ou alta) .
Atravs dessa ferramenta, possvel ainda identificar reas do projeto que sofrem mais ameaas
ou oportunidades. Para isso, torna-se necessria a categorizao dos riscos identificados no
projeto, gerando assim uma estrutura hierrquica de riscos.
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.
Este tpico tem por objetivo apresentar a voc alguns conceitos e definies essenciais para
conduzir convenientemente uma operao de amostragem, visando principalmente coleta
de dados socioeconmicos. Amostragem o processo que procura extrair da populao
17
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
Amostragem No Probabilstica
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
Intencional
18
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
Desproporcional
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.
19
Amostragem Sistemtica
Uma situao tpica quando se necessita 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.
Conforme comenta Tavares (2007), podemos verificar que pesquisas eleitorais apresentam
uma grande heterogeneidade em relao inteno de votos, quando consideramos, por
exemplo, a faixa salarial ou o nvel de escolaridade.
Ento, se fizssemos uma amostragem aleatria simples, poderamos incluir na amostra uma
maior quantidade de elementos de um grupo, e, proporcionalmente, este grupo ser pequeno
em relao populao. Desta forma, no teramos uma amostra representativa da populao
a ser estudada. Ento, podemos dividir a populao em grupos (estratos) que so homogneos
para a caracterstica que estamos avaliando, ou seja, neste caso, a inteno de votos.
20
Aps obter esta proporo do estrato em relao populao, deve-se multiplicar o tamanho
total da amostra (n) pela proporo de cada estrato na populao (Nh/N). Assim, teremos
um tamanho de amostra em cada estrato, proporcional ao tamanho do estrato em relao
populao.
A figura apresentada a seguir mostra como feita a escolha dos elementos de cada estrato (A,
B, C, D), salientando o que voc pode fazer usando amostragem aleatria simples devido ao
fato de os estratos serem homogneos individualmente, considerando a varivel de interesse.
Figura 11- Critrio para a escolha dos elementos de cada estrato (A, B, C, D).
Conglomerado
Comenta ainda Tavares (2007) que a utilizao da amostragem por conglomerados possibilita
uma reduo significativa do custo do processo de amostragem. Portanto, um conglomerado
um subgrupo da populao, que individualmente reproduz a populao, ou seja,
individualmente, os elementos que o compem so muito heterogneos entre si. Ressalta
ainda que este tipo de amostragem muito til quando a populao grande, por exemplo, no
caso de uma pesquisa em nvel nacional. Para efetuarmos a amostragem por conglomerados,
primeiramente os definimos e depois dividimos a populao nos conglomerados, procedendo-
se ao sorteio destes por meio de um processo aleatrio onde so avaliados todos os indivduos
presentes em um estgio.
21
Conglomerados so definidos geralmente segundo fatores geogrficos. . A Pesquisa Nacional
por Amostra de Domiclios (PNAD) do IBGE, por exemplo, feita por conglomerados, em trs
estgios.
Efetivamente, um dos temas mais importantes em uma anlise estatstica trata da determinao
de qual o melhor tamanho de amostras que devemos ter, sabendo-se que amostras grandes
so dispendiosas e demandam mais tempo de manipulao e estudo, bem como amostras
pequenas so menos precisas e pouco confiveis. Quando se deseja dimensionar o tamanho
da amostra, o procedimento desenvolve-se em trs etapas distintas:
22
N corresponde ao tamanho da populao. A proporo (p) ser a estimativa da verdadeira
proporo de um dos nveis escolhidos para a varivel adotada. Por exemplo, 55% dos
integrantes da populao do sexo feminino, ento p ser 0,55. A proporo (q) ser sempre
. Neste exemplo q, ser 0,45. O erro representado por d. Para casos em que no se tenha
como identificar as propores confere-se 0,5 para p e q.
Queremos estimar a renda mdia no primeiro ano de um egresso de escola tcnica profissional.
Para um nvel de confiana de 95% [ = 0,05 Z = 1,96; conforme 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.
23
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. Diretoria do
Departamento de Polticas em Educao a Distncia DPEAD. Braslia: MEC, 2007.
TRIOLA, M. F. Introduo Estatstica. Rio de Janeiro: LTC, 1999.
WONNACOTT, T. H., WONNACOTT, R. J. Estatstica Aplicada Economia e Administrao. Rio
de Janeiro: LTC, 1981.
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.
24
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.
TAVARES, M. Estatstica Aplicada Administrao. Secretaria de Educao Distncia
do Ministrio da Educao Sistema Universidade Aberta do Brasil UAB. Diretoria do
Departamento de Polticas em Educao a Distncia DPEAD. Braslia: MEC, 2007.
TRIOLA, M. F. Introduo Estatstica. Rio de Janeiro: LTC, 1999.
WONNACOTT, T. H., WONNACOTT, R. J. Estatstica Aplicada Economia e Administrao. Rio
de Janeiro: LTC, 1981.
25