Escolar Documentos
Profissional Documentos
Cultura Documentos
APOSTILA
DE
ESTATÍSTICA DESCRITIVA
Belém - 2016
2
PROGRAMA
1. Conceitos Fundamentais e Regra de Arredondamento: Estatística (descritiva e
Inferencial), população, amostra, amostragem, variáveis, parâmetro, estimador, estimativa e
Regras de Arredondamento.
2. Fases do Trabalho Estatístico: O método estatístico: Planejamento, coleta de dados,
critica apuração, apresentação e analise dos dados.
3. Medidas de Tendência Central e Separatrizes: médias, moda, mediana, quartis,
percentis, decis e processo gráfico (Box plot).
4. Medidas de Dispersão: amplitude total, desvio médio, variância, desvio padrão e
coeficiente de variação.
5. Momentos: absolutos, centrado numa origem qualquer, centrado na média.
6. Assimetria e Curtose: conceitos, tipos de assimetria e calculo, tipo de curtose e calculo
7. Correlação Linear Simples: conceito, diagrama de dispersão e coeficiente de correlação.
8. Regressão Linear: Conceito, construção do modelo, método de mínimos quadrados,
aplicação.
9. Ajustamento: curva polinomial, exponencial, Gompertz e Logistica
10. Números Índices: conceito, tipos de índices (aritmético e ponderado), números índices
complexos e mudança de base.
REFERENCIAS BIBLIOGRÁFICAS
1. BUSSAB, Winton de O; MORETTIN, Pedro A. Estatística Básica, 7ª ed., São Paulo: Savaria, 2013.
2. COSTA, G. G. de O. Curso de Estatística básica (Teoria e Prática). 1ª. Edição, São Paulo: Atlas.
2011.
3. IBGE. Centro de Documentação e Disseminação de Informação - Normas de Apresentação Tabular,
3 ed. - Rio de Janeiro, 1993. 62 p.
4. LEVINE, D. M.; BERENSON, M. L.; KREHBIEL, T. C. e STEPHAN, D. F. Estatística: teoria e
aplicações usando Microsoft Excel em Português, 6ª. Edição, Rio de Janeiro: LTC, 2014.
5. MACHADO, A. Conceitos Importantes em Amostragem Estatística em
<www.andremachado.org/artigos/810/conceitos-importantes-em-amostragem-estatistica.html>.
acesso em 08 de junho de 2015
6. MARTINS, Gilbert de Andrade e DONAIRE, Denis. Princípios de Estatística. Editora Atlas, 1982.
7. SPIEGEL, Murray R. Estatística. Coleção Schaum, 4ª. Edição – Editora Bookman, 2009.
8. TOLEDO, Geraldo Luciano e Ovalle, Ivo I. Estatística Básica. Editora Atlas, 1985.
3
1.1 – Estatística
A palavra estatística vem do latim estado, e sua definição intuitiva já vem sendo utilizada
desde antes de cristo por meio da contagem da população da Galileia na época do Império
Romano. A literatura de estatística apresenta várias definições de Estatística, desde as mais
simples até as mais complexas. Como por exemplo, a apresentada em Martins e Donaire (1990,
p. 17) apud Dugé de Bernonville, que define a Estatística como um conjunto de métodos e
processos quantitativos que serve para estudar e medir os fenômenos coletivos.
1.7 - Variável
É o conjunto de resultados possíveis de um fenômeno (resposta), ou ainda são as
propriedades dos elementos da população que se pretende conhecer.
Exemplo 1.7.1.1 - Numa pesquisa de intenção de voto, a resposta (variável) é sim ou não.
Exemplo 1.7.1.2 - Avaliação dos alunos, a resposta (variável) é: Insuficiente, Regular, Bom
e Excelente.
1.8 – Parâmetro: São valores singulares que existem na população e que servem para caracterizá-
la. Para definirmos um parâmetro devemos examinar toda a população.
Exemplo 1.8.1: Os alunos do 2º ano da FACEV têm em média 1,70 metros de estatura.
x i
Exemplo 1.9.1: média i 1
, i 1,2,, n.
n
2º - PLANEJAMENTO: Como levantar informações ? Que dados deverão ser obtidos? Qual
levantamento a ser utilizado? Censitário? Por amostragem? E o cronograma de atividades? Os
custos envolvidos? etc.
Dados primários: quando são publicados pela própria pessoa ou organização que os tenha
recolhido. Ex: tabelas do censo demográfico do IBGE.
6
Dados secundários: quando são publicados pro outra organização. Ex: quando determinado jornal
publica estatísticas referentes ao censo demográfico extraídas do IBGE.
OBS: É mais seguro trabalhar com fontes primárias. O uso da fonte secundária traz o grande risco
de erros de transcrição.
Coleta Direta: quando é obtida diretamente da fonte. Ex: Empresa que realiza uma pesquisa para
saber a preferência dos consumidores pela sua marca.
A coleta direta pode ser: contínua (registros de nascimento, óbitos, casamentos, etc.),
periódica (recenseamento demográfico, censo industrial) e ocasional (registro de casos de dengue).
Coleta Indireta: É feita por deduções a partir dos elementos conseguidos pela coleta direta, por
analogia, por avaliação, indícios ou proporcionalidade.
4º - APURAÇÃO DOS DADOS: Resumo dos dados através de sua contagem e agrupamento. É a
condensação e tabulação de dados.
Definição do
Problema
PLANEJAMENTO
COLETA DE DADOS
ANALISE E
DIVULGAÇAO DOS
RESULTADOS
Torna-se necessário, após a tabulação dos resultados e da representação gráfica, encontrar valores
que possam representar a distribuição como um todo. São as chamadas medidas de tendência
central ou medidas de posição.
1º Caso - Quando se estiver trabalhando com dados brutos (dados que não foram tabulados em
distribuições de freqüência). Neste caso utiliza-se a Equação (3.1).
n
xi
x1 x 2 x n
X n
i n1 , (3.1)
onde x1, ...,xn são os valores da variável de interesse e n é a quantidade desses valores.
X = (2 + 3 + 5 + 7 + 6) / 5 = 4,6
2º Caso - Quando se estiver trabalhando com dados Tabulados (dados que foram tabulados em
distribuição de freqüência). Neste caso utiliza-se a Equação (3.2).
n
f x i i
X i 1
n
, (3.2)
f i 1
i
xi X 0 f i xi X 0
n n
ou
i 1 i 1
A soma dos quadrados dos desvios de um conjunto de números xj, em relação a qualquer número
a, é um mínimo quando a = média e somente neste caso.
f i xi a mínimo.
n n
xi a mínimo se a X .
2 2
ou
i 1 i 1
Se n1 números têm média x1 , n2 números têm média x2 , . . ., nk números têm média x k , a média
k
X k
n j 1
j
9
Multiplicando-se (ou dividindo-se) cada elemento de conjunto de números por um valor constante
e arbitrário, a média fica multiplicada (ou dividida) por essa constante. Sejam X x1 , x2 ,, xn e
seja c uma constante escolhida arbitrariamente.
Façamos Y = cX ou Y Xc , tem-se:
Y cx ou Y x
c
Obs: a média tem a desvantagem de ser sensível a valores aberrantes ou outliers.
a) Média geométrica simples - dados n valores x1, x2 , ..., xn , a média geométrica desses valores
será:
Mg n xi
a) Média harmônica simples - dado o conjunto de n valores x1 , x2, ..., xn , a média harmônica do
conjunto será:
n
Mh
n
1
xi
i 1
f i
Mh i 1
n
fi
xi
i 1
Obs: (Murteira e Black, 1983), A média harmônica é menor ou igual à média geométrica para
valores da variável diferentes de zero, que por sua vez é menor ou igual a média aritmética.
Mh Mg X .
3.4 - MÉDIA QUADRÁTICA OU RAÍZ MÉDIA QUADRÁTICA: é definida como,
n
x 2
i
n
fx . 2
Para dados Simples é R.M .Q i 1 e para dados Tabelados i i
n R.M .Q i 1
n
f
i 1
i
xi
M q i 1 ,
n
OBS: quando se tem valores “extravagantes”, pode-se utilizar as chamadas médias aparadas, pois
esta atribui menor ponderação a esses valores. Uma média aparada a 100 % , simbolicamente
T , é obtida eliminando 100 % das menores e maiores observações e calculando a média
simples das restantes. Por exemplo: Dado 20 observações, x1 , x 2 , , x 20 , tem-se a média aparada
a 10% igual a,
x x 4 x18
T 0,10 3
16
a média aparada a 25% ,
x x 7 x15
T 0,25 6 .
10
O problema da escolha do “melhor” não cabe neste momento (disciplina). Porém, pode-
se dizer que a quantidade “ideal” para aparar está diretamente relacionada com o peso das caudas da
distribuição da população de onde veio a amostra:
(a) se as caudas são neutras (distribuição gaussiana), a média 0 é a melhor medida de
localização em termos de “eficiência” (nenhuma ou pouca perda de informação);
(b) se as caudas são ligeiramente pesadas, para pequenas amostras n 5 a medida mais eficiente
é a média aparada a 25% (meia média); para amostras ligeiramente maiores 10 n 20 a
medida mais eficiente é a média aparada a 10%;
(c) se as caudas são pesadas (Cauchy, etc.), a medida mais eficiente é a mediana.
3.5. MODA (Mo): é aquilo que está em evidencia, o valor que mais aparece num conjunto de informações ou
o de maior freqüência em uma tabela. A moda pode não ser única ou ate mesmo pode não existir.
3.5.1 - MODA DE VALORES BRUTOS: basta observar o valor que mais aparece no conjunto.
Exemplo: 3 ; 3 ; 6 ; 8 ; 10 ; 10; 10; 11; 11; 12 Mo = 10.
12
3.5.2 - MODA DE VALORES TABELADOS: na literatura existem pelo menos três métodos de se calcular
a moda de dados tabelados, porém neste curso utilizam-se somente dois métodos (Moda Bruta e Moda de
Czuber).
1º passo: identificar a classe modal (em uma distribuição de freqüência chama-se classe modal à classe que
possui maior freqüência simples).
Moda Bruta: como o ponto médio é representativo de qualquer classe de freqüências, chama-se moda
bruta ao ponto médio da classe modal.
li l s
M O (bruta) X de fi
2
Moda de Czuber: método conhecido como método eficiente, e consiste na aplicação da formula:
f Mo f ant
Mo li h,
2 f Mo f ant f post
onde:
li = Limite inferior da classe modal;
fpost = Freqüência simples posterior à classe modal;
fant = Freqüência simples anterior à classe modal;
h = Intervalo de classe;
fMO = Freqüência modal.
a) MEDIANA (Me): é o valor central em um rol, ou seja, a mediana de um conjunto de valores ordenados, ou
ainda a mediana divide a distribuição ao meio.
Exemplo: Em um grupo de 6 alunos cujas as alturas medidas em centímetros fossem as seguintes: 183 cm,
170 cm, 165 cm, 180 cm, 185 e 160 cm, qual a altura mediana deste grupo de pessoas?
Observação 1: a mediana é muito utilizada em pesquisas onde não interessam valores extremos, por terem
pouca significação para o conjunto em geral.
Observação 2: quando não se tem os dados originais, é valida a seguinte relação empírica
x 3Me2 M o
b) Quartis (Qi): são os valores que dividem um conjunto de dados em quatro partes iguais, representados por
Q1, Q2 e Q3 denominam-se primeiro, segundo e terceiro quartis, respectivamente, sendo o valor de Q2 igual à
mediana. Assim, temos;
Determinação de Qi:
n
i f i
1º passo: calcula-se a posição p
i 1 ;
4
2º passo: identifica-se a classe Qi pela coluna das Freqüências Acumuladas;
i f i
n
Interpretação:
Q1: é o valor que ocupa a posição tal que um quarto dos dados (25%) tomam valores menores ou iguais ao
valor do primeiro quartil;
Q2 = Me: Coincide com o valor da mediana, ou seja 50% dos dados tomam valores menores ou iguais aos da
mediana. Entre o primeiro quartil (Q1) e a mediana (Me) ficam 25% dos dados;
Q3: é o valor que ocupa a posição tal que um quarto dos dados (25%) tomam valores maiores ou iguais ao
valor do terceiro quartil. Entre a mediana (Me) e o terceiro quartil (Q 3) ficam 25% dos dados.
c) Decis (Di): são as medidas separatrizes que dividem a série em 10 partes iguais, e são representadas por D1,
D2, ...,D9. O quinto decil corresponde à mediana.
-- 10% -- 20% -- 30% -- 40% -- 50% -- 60% -- 70% -- 80% -- 90% -- 100%
0%
D1 D2 D3 D4 D5 D6 D7 D8 D9
Determinação de Di:
n
i f i
1º passo: calcula-se a posição p i 1 , onde i = 1,2,3,4,5,6,7,8 e 9.
10
2º passo: identifica-se a classe Di pela Freqüência acumulada.
15
i f i
n
d) Percentis (Pi): são as medidas separatrizes que dividem a série em 100 partes iguais, e são representadas
por P1, P2, ...,P99.
--- 1% --- 2% -- 3% --- -- -- 50% --- --- --- 97% --- 98% -- 99% -- 100%
0%
P1 P2 P3 P50 P97 P98 P99
Determinação de Pi:
n
i fi
1º passo: calcula-se a posição p i 1
100 , onde i = 1,2,3,...,97,98 e 99.
2º passo: identifica-se a classe de Pi pela Freqüência acumulada.
i f i
n
Percentil 75%
dentro da
caixa
Percentil 25%
As medidas que determinam o comportamento dos valores em termos de variabilidade são chamadas
de medidas de dispersão ou de variabilidade, e as mais utilizadas são a variância e o desvio padrão.
4.2 - DESVIO MÉDIO: é a média dos valores absolutos dos desvios dos dados a partir de um valor de
tendência central.
n
( xi x ) . f i
n
DM i 1 , onde : f i n
n
fi i 1
i 1
4.3 - VARIÂNCIA OU VARIÂNCIA ABSOLUTA: Quando se trabalha com certo rigor de análise
estatística se faz grande uso do que é chamada a variância de uma distribuição, a qual é a média quadrática
das somas dos desvios em relação à média aritmética.
PROPRIEDADES DA VARIÂNCIA:
a) A variância absoluta de uma constante é igual a zero;
b) Somando-se ou diminuindo-se a todos os valores da série um valor constante K 0, a nova variância será
igual a anterior, isto é, não se altera.
c) Multiplicando-se ou dividindo-se todos os valores de uma série por um valor constante, K 0, a nova
variância calculada será igual à variância absoluta original multiplicada ou dividida pelo quadrado da
constante utilizada.
Resumindo: para o cálculo do desvio padrão, deve-se primeiramente determinar o valor da variância e, em
seguida, extrair a raiz quadrada desse resultado.
Exemplo2: calcule o desvio padrão amostral da distribuição dada pela tabela 4.1.
19
4.5- COEFICIENTE DE VARIAÇÃO: Às vezes pode-se querer comparar o grau de dispersão de dois
conjuntos de dados com unidades de medidas diferentes. Neste caso, deve-se usar o coeficiente de variação
(CV), que é uma medida de dispersão relativa, uma vez que ela não está afetada pelas unidades da medida da
variável.
CV =
S 100
X
Observação 1: Será considerada a série mais homogênea, aquela que apresentar menor valor do coeficiente
de variabilidade.
Observação 2: é uma medida estatística que serve para avaliar a homogeneidade de séries estatísticas, que é o
grau de concentração dos valores observados em torno da sua média aritmética.
5 – MOMENTOS:
fx r
i i
para valores tabelados: mr' i 1
n
Ex: calcular os momentos naturais de 1ª, 2ª, 3ª e 4ª ordens da distribuição de freqüências abaixo:
xi x o
n
r
n
Ex: considerando a origem xo 4 , calcular o momento de segunda ordem do conjunto
x = (2, 3, 5, 7, 8), em relação a origem xo.
f i xi x o
n
r
n
Obs: fazendo-se xo = 0, o momento em relação à origem é igual ao momento natural.
Para se calcular o momento centrado na média, usa-se as mesmas fórmulas do centrado numa origem
qualquer, fazendo xo x . Com isto, tem-se:
xi x
n
r
f i xi x
n
r
n
Obs: O 2º momento centrado na média (r = 2), corresponde à variância da distribuição.
Relação entre os momentos: São validas as seguintes relações entre os momentos centrados na média,
mr , e os referidos a uma origem arbitrária xo mr .
m2 xo m2 xo m12
m3 xo m3 3 xo m1 x0 m2 2 x0 m1
3
m m 4 m m 6 m 2 m 3 m 4
4 xo 4 xo 1 x0 3 x0 1 x0 2 x0 1
21
6 – ASSIMETRIA E CURTOSE
6.1 - ASSIMETRIA
a) Simétrica
X = Mo = Md
b) Assimetria Positiva
Mo < Md < X
c) Assimetria Negativa
X < Md < Mo
MEDIDAS DE CALCULO:
Coeficiente do momento de assimetria: Este coeficiente pode ser definido usando o terceiro momento
m3 m
centrado na média e o desvio padrão: a3 3
3
S m23
obs: para curvas perfeitamente simétricas, como a normal, a3 é nulo.
X M0
Primeiro coeficiente de assimetria de Pearson: A
S
22
3X M e
Segundo coeficiente de assimetria de Pearson: A
S
Quando A = 0 Simétrica, se A > 0 Assimetria Positiva e se A < 0 Assimetria Negativa.
6.2 - CURTOSE
Curva Mesocúrtica
Curva Platicúrtica
Curva Leptocúrtica
23
MEDIDAS DE CALCULO:
Coeficiente do momento de Curtose: é definido pela divisão do momento de grau 4 centrado na média
pela variância ao quadrado. Ou seja:
m4 m4
b2 .
S 4 m22
Para a distribuição normal, b2 3 . Por essa razão, a curtose é definida freqüentemente por
b2 3 , que é positivo para uma distribuição leptocúrtica, negativa para uma platicúrtica e nulo para uma
normal.
Dq Q3 Q1
Coeficiente percentílico de Curtose: k
D9 D1 2D9 D1
onde : K = coeficiente percentílico de curtose
Q3 Q1
Dq = Desvio quartílico =
2
D9 = 9º decil, D1 = 1º decil, Q1 = 1º quartil e Q3 = 3º quartil.
Ex: calcular o Coeficiente momento de curtose e o percentílico de curtose para a tabela abaixo e classifique
essa distribuição por ambos os coeficientes:
Freqüentemente procura-se verificar se existe relação entre duas ou mais variáveis. O peso
pode estar relacionado com a idade das pessoas; o consumo das famílias pode estar relacionado com
sua renda, bem como a demanda de um determinado produto e seu preço. A verificação da
existência e do grau de relação entre variáveis é o objeto de estudo da correlação. Se um sistema de
coordenadas retangulares mostra a localização dos pontos (x, y) e se todos os pontos desse diagrama
parecem cair nas proximidades de uma reta, a correlação é denominada linear. Fazendo X a variável
independente, se Y tende a aumentar quando X cresce, a correlação é denominada positiva. Se Y
tende a diminuir quando X aumenta, a correlação é denominação negativa.
n n
Na prática, constata-se freqüentemente a existência de uma relação entre duas (ou mais)
variáveis e se deseja expressar tal relação sob forma matemática, estabelecendo-se uma equação
entre as variáveis. Supondo a variável X independente e a variável Y aleatória, se diz, que
Y f x .
Dados n pares de valores de duas variáveis, Xi, Yi (i = 1, 2, ...,n), admite-se que Y é função
linear de X, ou seja Y f x , pode-se estabelecer uma regressão linear simples , cujo modelo
estatístico é
Yi 0 1 X i i (2)
onde:
Yi é o i-ésimo valor da variável resposta; 0 e 1 são os parâmetros (coeficientes de regressão);
Xi é o i-ésimo valor da variável preditora (é uma constante conhecida, fixo).
i é o termo do erro aleatório com distribuição normal e E(i)=0 e (i)= ;
2 2
i e j não são correlacionados (i, j)=0 para todo i,j; i j; (covariância é nula).i=1,2,...,n.
Importante: A figura mostra a distribuição de Y para vários valores de X. Mostra onde cai a
observação Y1. Mostra que o erro é a diferença entre Y1 e E(Y1). Observe que as distribuições de
probabilidade apresentam a mesma variabilidade.
i 1
(Y ˆ
i 1
i 0 ˆ1 X i ) 0
n
X (Y ˆ
i 1
i i 0 ˆ1 X i ) 0
n n
Yi nˆ0 ˆ1 X i 0
i 1 i 1
n n n
Y
i 1
i nˆ0 ˆ1 X i
i 1
n n n
As equações normais podem ser resolvidas simultaneamente para ˆ 0 e ˆ1 (estimadores pontuais):
XY n
X Y
ˆ1
( X i X )( Yi Y )
( X i X )2 X
X
2
2
n
ˆ0 1n Y ˆ X Y ˆ X
i 1 i 1
28
Exercício:
Pede-se:
a) Construir um diagrama de dispersão;
9. Ajustamento de Curvas
a) Curva Polinomial: Uma linha de tendência polinomial pode ajustar uma curva quando os
dados têm diversas variações. Por exemplo, de grau 2, neste caso se possui apenas um
máximo ou um mínimo relativo, pois se trata de uma parábola:
y a bx cx 2 ,
b) Curva Exponencial: é muito útil para os casos em que a variável dependente varia com uma
taxa percentual constante. E sua equação é dada por:
y a ebx
Um exemplo gráfico é apresentado a seguir
30
c) Curva de Gompertz: é uma curva sigmoidal, ela descreve um crescimento cuja taxa relativa
decresce exponencialmente como função do tempo.
y a ebe
ct
=
31
e) Logistica: é uma curva também sigmoidal, porém descreve um crescimento cuja a taxa
relativa decresce linearmente como função do tempo.
e x
y
1 e x
TAREFA EXTRA: Pesquise e apresente para cada uma das curvas dadas anteriormente, um
exemplo resolvido.
32
São medidas estatísticas usadas para comparar grupos de variáveis relacionadas entre si e para obter
um quadro simples e resumido das mudanças significativas ocorridas ao longo do tempo ou em
diferentes lugares.
Tratam-se dos números índices mais simples, relacionando o preço ou a quantidade ou ainda o valor
de um produto numa época atual (a) com uma época base (b). Assim, para um produto:
Pb = Preço da Época Base
Assim, Tem-se
Pa
Pb, a
Relativo de Preço
Pb
qa
qb, a
Relativo de Quantidade
qb
Va
Vb, a
Relativo de Valor
Vb
onde,
Va Pa qa e Vb Pb qb .
Exemplo - Em 2002, uma empresa vendeu 500 unidades de um produto ao preço unitário de R$
40,00. Em 2003, vendeu 700 unidades do mesmo produto ao preço unitário de R$80,00. Determine
os relativos de preço, quantidade e de valor para o produto, tomando como base 2002.
33
Quando se pretende avaliar a variação de preços, entre duas épocas, por exemplo, de dez artigos,
através de um número-resumo (Índice), o cálculo dos relativos visto anteriormente representa
apenas o primeiro passo para a solução do problema. Sem levar em consideração a importância
relativa de cada item, existem várias proposições no que diz respeito aos métodos de cálculo: Média
Aritmética, Geométrica e Harmônica Simples, Índice Agregativo Simples e Mediana.
Basta calcular o valor dos relativos de todos os itens considerados e, em seguida, aplicar a fórmula
da média aritmética.
Seu cálculo é uma média aritmética ponderada, em que as variáveis são os números relativos e os
fatores de ponderação as quantidades originais do período dado (atual).
Pi (ba) q ai
IAPba
q ai
34
Estes índices também são chamados de índices agregativos ponderados. A ponderação proposta
nestes índices baseia-se na participação de cada bem no valor transacionado total e é feita, em geral,
segundo dois critérios: peso fixo na época básica ou peso variável na época atual.
QL
b, a
b) Números Índices de Laspeyres de Quantidade
O índice de quantidade, pelo método de Laspeyres, é obtido permutando-se p e q da expressão de
preços.
qia Pib
QLb, a
qib Pib ,
onde
QLb, a = Índice de Quantidade de Laspeyres
qia = Quantidade da Época Atual
qib = Quantidade da Época Base
Pib = Preços da Época Base
35
Neste índice, a base de ponderação é a época atual, daí a denominação método da época atual.
PPb, a
a) Número índice de Paasche de Preços
Pia qia
PPb, a
Pib qia
onde :
QPb, a
b) Números índices de Paasche de Quantidade
Pia qia
QPb, a
Pia qib
onde
QPb, a = Índice de Quantidade de Paasche
Pia = Preço da Época Atual
qia = Quantidade da Época Atual
qib = Quantidade da Época Base
Exemplo - Dada a tabela abaixo, calcule os índices de preço e quantidade de Laspeyres e Paasche.
2014 2015
PRODUTOS Preço Qtde. Preço Qtde.
A 3 2 1 4
B 4 6 5 2
C 7 4 3 2
36
A mudança de base é feita dividindo-se os números índices de uma série original pelo
índice correspondente à nova época-base.
Obs.: a mudança de base não é valida para os índices complexos, visto estes apresentarem
pesos variáveis, exigindo a mudança no período de referência mudança nos pesos.
Ex: Na tabela abaixo, encontra-se a produção anual de tratores no período de 1976 a 1982. Reduzir
os dados a quantidades relativas, utilizando como base o ano de 1979.