Escolar Documentos
Profissional Documentos
Cultura Documentos
UNOESC
JOAÇABA
APOSTILA BÁSICA
ESTATÍSTICA
Disciplina:
ESTATÍSTICA e PROBABILIDADE COMPUTACIONAL
2
A ESTATÍSTICA NA ENGENHARIA
3
DEFINIÇÕES
4
geral que estuda os fenômenos coletivamente típicos como tais, independentemente
do domínio particular a que pertencem” (Giorgio Mortara).
“Faça o Brasil a Estatística que deve ter e a Estatística fará o Brasil como
deve ser” (Teixeira de Freitas).
CONCEITOS PRELIMINARES
O QUE É ESTATÍSTICA?
Vários autores têm procurado definir a Estatística, porém a que vamos seguir
é a enunciada por DUGÉ DE BERNONVILLE, e que julgamos ser simples e fácil de
ser memorizada:
POPULAÇÃO E AMOSTRA
Conforme ficou claro na definição, a Estatística tem por objetivo o estudo dos
fenômenos coletivos e das relações que existem entre eles. Entende-se como
fenômeno coletivo aquele que se refere à POPULAÇÃO, ou universo, que
compreende um grande número de elementos, sejam coisas ou pessoas. Portanto,
para a Estatística só interessam fatos que englobem um grande número de
elementos.
5
POR QUE ESTUDAR ESTATÍSTICA?
Não seria fora de propósito o estudante perguntar “por que devo estudar
Estatística?”. Certamente isso exigirá um esforço da parte do mesmo, que desejará
saber o benefício que daí lhe advirá. Por ora, vamos sugerir algumas respostas:
6
METODOLOGIA DA PESQUISA
DEFINIÇÃO DOS OBJETIVOS:
Definir com exatidão o objetivo:
• Da pesquisa;
• Setores geográficos;
• Grau de precisão;
• Tipo de amostragem;
• Amplitude de tamanho;
• Tempo e custo previsto.
PREPARAÇÃO DO PLANO
“Máximo de informações com o mínimo de custo e tempo”.
FORMA DE COLETA
QUESTIONÁRIO
Na entrevista e na auto-entrevista, o acessório principal é o questionário, se
mal formulado resultará em dados inaproveitados.
7
UM BOM QUESTIONÁRIO DEVE SER:
8
ARREDONDAMENTO DE NÚMEROS
Esta prática faz com que, ao longo das operações, as diminuições e acréscimos
devido aos arredondamentos tendam a se compensar.
Obs: Nos softwares de computadores (como o Excel) e calculadoras científicas, porém, não
é aplicado o critério indicado no item 3. Nesses casos, se o primeiro algarismo a ser
abandonado for o algarismo 5, o arredondamento será feito com aumento de uma unidade
ao algarismo que antecede o 5.
TIBONI, Conceição Gentil Ribeiro, 2003: 16-17
9
EXERCÍCIOS DE ARREDONDAMENTO CONFORME NBR 5891 E RES. 886/66 DO IBGE
10
46 – Calcular a soma para as duas situações abaixo:
1º Utilizando as regras de arredondamento para uma casa após a vírgula em cada
elemento individualmente e depois somar.
2º Utilizando a regra de arredondamento somente após a soma (arredondar uma
casa após a vírgula).
11
CÁLCULO PARA DETERMINAÇÃO DO ERRO AMOSTRAL
ERRO AMOSTRAL: é a diferença entre o valor que a estatística pode acusar e o
verdadeiro valor do parâmetro que se deseja estimar.
1
n0 =
E 02
onde: n0 = primeira aproximação para o tamanho da amostra
E0 = erro amostral tolerável
N .n0
n=
N + n0
12
Exercício:
1) Sabendo-se que a população de Joaçaba é 24.066 habitantes, calcular a
amostragem necessária para realização de uma pesquisa sócio econômica com um
erro amostral de 3,5 %. (duas casas após a virgula).
Exercícios:
13
7) Qual o erro amostral (em percentual) de pesquisa realizada em um Município com
89.984 habitantes, sabendo-se que foram entrevistados 645 habitantes? (dados
fictícios)
DADOS BRUTOS
Quando se faz n observações diretas em um fenômeno coletivo ou observa-se as
respostas a uma pergunta em uma coleção de n questionários, obtém-se uma
seqüência de n valores numéricos. Tal seqüência é denominada dados brutos.
Representando por X a característica observado no fenômeno coletivo ou na
pergunta do questionário, estão x1 representa o valor da característica obtida na
primeira observação do fenômeno coletivo ou o valor da característica observado no
primeiro questionário; x2 representa o valor da característica X na Segunda
observação do fenômeno coletivo ou o valor da característica X observada no
segundo questionário e assim sucessivamente.
Desta forma, os dados brutos podem ser representados por X: x1, x2, x3, ..., xn.
Esta seqüência de valores assim obtidas apresenta-se completamente desordenada.
De modo geral, pode-se afirmar que:
Dados Brutos é uma seqüência de valores numéricos não organizados, obtidos
diretamente da observação de um fenômeno coletivo.
ROL
É o arranjo dos dados brutos em ordem de grandeza crescente ou decrescente.
Ex: No final do ano o Hotel Primavera calculou o grau de satisfação de seus clientes
com as seguintes notas 7, 5, 9, 8, 7, 6, 9.
Neste exemplo, X representa as notas e pode ser apresentada na forma:
X: 7, 5, 9, 8, 7, 6, 9 (Dados Brutos)
Ou X: 5, 6, 7, 7, 8, 9, 9 (Rol) ou X: 9, 9, 8, 7, 7, 6, 5 (Rol)
14
EXERCÍCIOS
1- X: 5, 6, 3, 8, 2, 7, 4
3 – W: 3, 3, 6, 5, 5, 7, 8, 6, 6, 5
5 – B: 2, 4, 4, 6, 8, 8, 6, 9, 12
NOTAÇÃO SIGMA – Σ
∑x
Lê-se: “somatório
de xi, para i Σ é a instrução para somar
variando de 1 a n”
ou “soma de xi, i
para i variando de
1 a n“ i =1 i é uma observação individual da série.
x é o nome dos termos a serem somados
O primeiro elemento dos
termos a serem somados
Escores
Cada número de x é um escore
Solução:
15
a) Σ x =
b) Σx2=
c) (Σ x)2=
Se apenas uma parte dos valores é que deve ser somada, usam-se índices
5
∑x
i =1
i significa que devemos somar n (todas) observações; costuma-se
3 3
11
∑x
4 6
5
6
7
8
c)
i =7
xi ∑ d) i
7 9
8 4
9 5
10 4
11 1
Solução: a) ∑x
i =1
i
16
4
b) ∑x
i =2
i
11
c) ∑x
i =7
i
d) ∑x i
Propriedade Importante:
A soma de uma soma (ou diferença) de duas variáveis é igual à soma (ou diferença) das
somas individuais das duas variáveis:
n n n
∑ (x
i =1
2
i + yi ) = ∑ x
i =1
2
i + ∑y
i =1
i
n n n
∑ ( xi2 − yi ) = ∑ xi2
i =1 i =1
– ∑y
i =1
i
Por exemplo:
i x y (x-y)
1 8 5 Σ (x-y) =
2 3 2 Σx - Σy =
3 4 0
4 5 4
17
EXERCÍCIOS
a) ∑Y
y
15
10 b) ∑Y 2
5
9 2
c) ∑ Y
14
20
6
17
2) Sendo x: 3 5 8 9 10 13 15 17
y: 2 3 7 8 9 13 14 14
Calcular:
a) ∑x
b) ∑y
c) ∑ xy
d) ∑x 2
e) ∑ (x − y )
f) ∑ (x − 1)
18
MEDIDAS DE TENDÊNCIA CENTRAL
As medidas de tendência central são usadas, para indicar um valor que tende
a tipificar, ou a representar melhor, um conjunto de números. As três medidas mais
usadas são a média, a mediana e a moda.
A MÉDIA
A média aritmética é a idéia que ocorre a maioria das pessoas quando se
fala em “média”. E como ela possui certas propriedades matemáticas convenientes,
é a mais importante das três medidas que estudaremos. Calcula-se a média
aritmética determinando-se a soma dos valores do conjunto e dividindo-se esta
soma pelo número de valores no conjunto.
Se um estudante fez 4 provas e obteve as notas 83, 94, 95 e 86, sua média
será:
µ=
∑x
N
A média tem certas propriedades interessantes e úteis que explicam por que
é ela a medida de tendência central mais usada:
19
3) a média é sensível a ( ou afetada por) todos os valores do conjunto. Assim se um
valor se modifica, a média também se modifica;
4) somando-se uma constante a cada valor do conjunto, a média ficará aumentada
do valor dessa constante. Assim, somando-se 4,5 a cada valor de um conjunto, a
média ficará aumentada de 4,5. Analogamente, subtraindo-se de cada valor do
conjunto uma constante, ou multiplicando-se ou dividindo-se por ela cada valor
do conjunto, a média fica reduzida dessa constante, ou multiplicada ou dividida
por ela;
5) a soma dos desvios dos números de um conjunto a contar da média é zero:
2+4+6
∑ ( xi − x) = 0 Por exemplo: A média dos números 2, 4 e 6 é 4: x = 3 = 4
subtraindo 4 de cada um dos números , obtemos:
2− =
4− =
6− =
0 → é zero
20
EX2) Calcular a média aritmética em US$ do mês de janeiro/2004 referente aos
produtos importados pelo Estado de Santa Catarina.
OBS: Dados verdadeiros, porém de somente uma amostragem.
Ministério do Desenvolvimento
Indústria e Comércio Exterior UF42_E4
IMPORTAÇÃO BRASILEIRA 23/02/10
SANTA CATARINA
Principais Produtos Importados
DEPLA / GEREST
1 OUTROS POLIMEROS DE ETILENO,EM FORMAS 8.987.655 9,17 11.803.421 2.052.417 2,44 3.404.749
2 OUTROS POLIETILENOS S/CARGA,D>=0.94,EM 7.362.453 7,52 9.917.745 2.831.783 3,36 4.849.750
3 4.666.821
MALTE NAO TORRADO,INTEIRO OU PARTIDO................................ 4,76 15.556.071 238.560 0,28 840.000
4 FARINHAS E "PELLETS",DA EXTRACAO DO 4.549.839 4,64 19.872.000 4.249.328 5,05 25.011.260
5 FIO TEXTURIZADO DE POLIESTERES ................................2.853.281 2,91 2.227.828 1.136.505 1,35 893.727
6 UREIA COM TEOR DE NITROGENIO>45% EM 1.707.055 1,74 9.767.496 70.312 0,08 662.524
7 OUTRAS PREPARACOES PARA ALIMENTACAO 1.696.184 1,73 1.172.550 272.363 0,32 241.020
8 MILHO EM GRAO,EXCETO PARA SEMEADURA ..............................
1.494.723 1,53 19.299.650 4.152.625 4,93 42.367.630
9 ARROZ 1.302.725 1,33 6.139.500 --- --- ---
10 GARRAFOES,GARRAFAS,FRASCOS,ARTIGOS 1.302.161 1,33 963.509 1.072.908 1,27 872.107
11 BONITOS- 1.175.800 1,20 1.490.300 --- --- ---
12 SARDINHAS,SARDINELAS,ETC.CONGELADAS, 1.117.268 1,14 2.324.004 899.085 1,07 2.477.572
13 TRIPAS DE 1.024.348 1,05 204.727 747.322 0,89 161.740
14 TEARES 967.991 0,99 33.490 --- --- ---
15 OUTROS PNEUS NOVOS PARA ONIBUS OU 966.989 0,99 589.487 --- --- ---
16 TEARES P/TECIDO DE 919.933 0,94 59.320 --- --- ---
17 901.449
OUTRAS METIONINAS ................................................................ 0,92 420.000 447.561 0,53 220.000
18 OUTRAS LUVAS DE BORRACHA 840.536 0,86 529.740 474.654 0,56 302.566
19 LAMIN.FERRO/ACO,L>=6DM,GALVAN.OUTRO 802.036 0,82 1.551.316 --- --- ---
20 OUTS.CHAPAS,FOLHAS,TIRAS,ETC.AUTO- 754.873 0,77 138.165 287.931 0,34 107.512
Média U$ .............................
21
A MÉDIA PONDERADA
Nos cálculos envolvendo média aritmética simples, todas as ocorrências têm
exatamente a mesma importância ou o mesmo peso. Dizemos então que elas têm o
mesmo peso relativo. No entanto, existem casos onde as ocorrências têm
importância relativa diferente. Nestes casos, o cálculo da média deve levar em conta
esta importância relativa ou peso relativo. Este tipo de média chama-se média
aritmética ponderada.
Ponderar é sinônimo de pesar. No cálculo da média ponderada, multiplicamos
cada valor do conjunto por seu "peso", isto é, sua importância relativa.
∑w x
i =1
i i
onde: wi é o peso da observação
n
de ordem i.
∑w
Média ponderada =
i
i =1
Exemplo: Um estudante que obtém 8,0 no primeiro exame, 9,0 no segundo, e 9,6 no
exame final, sendo os pesos estipulados pela Universidade os seguintes: para o primeiro
exame 30%, para o segundo exame 30% e para o exame final peso de 40%. Qual será a
média ponderada deste Estudante?
Exame Nota (xi) Peso(wi) (xi. wi )
nº 1
nº 2
Final
Σ= Σ=
∑ xiwi
Mp=
∑ wi
Mp=
22
Ex1) Calcular a média ponderada de um aluno da UNOESC onde obteve as
seguintes notas: G1=6,5 e G2= 7,5 sabendo-se que G1 e G2 possuem
respectivamente peso 6 e 4.
MÉDIA HARMÔNICA
Sejam x1, x2, x3, ... , valores de X, associados às freqüências absolutas
F1, F2, F3, ... , Fn, respectivamente.
A média harmônica de X é definida por:
n n
Mh = = n
F1 F2 F3 F Fi
+ + + ... + n
x1 x2 x3 xn
∑
i =1 xi
onde
n
n = ∑ Fi
i =1
n n
Mh = = n
1 1 1 1 1
+ + + ... +
x1 x2 x3 xn
∑x
i =1 i
23
Exemplo1: Calcular a média harmônica para 3, 5, 8;
Então:
Mh=
Xi 2 3 4 5 6
Fi 3 4 6 5 2
n n
Mh = = n
F1 F2 F3 F Fi
+ + + ... + n
x1 x2 x3 xn
∑
i =1 xi
OBS2: A média harmônica não aceita valores iguais a zero como dados de uma
série.
24
Demonstraremos a relação acima com os seguintes dados:
Média Geométrica
ou
25
MÉDIA QUADRÁTICA
É a raiz quadrada da média aritmética dos quadrados
A MEDIANA
Uma segunda medida do meio de um conjunto de números é a mediana.
Sua característica principal é dividir um conjunto ordenado de dados em dois grupos
iguais; a metade terá valores inferiores à mediana, a outra metade terá valores
superiores à mediana. Para calcular a mediana, é necessário primeiro ordenar os
valores (comumente) do mais baixo ao mais alto. Em seguida, conta-se até a
metade dos valores para achar a mediana.
(n + 1)
Em geral, a mediana ocupa a posição .
2
(3 + 1)
Logo, para três números, a posição = 2 , ou seja, a segunda posição.
2
a) 2, 3, 3, 4
b) 1; 18; 19, 20
d) 5, 6, 7, 4, 6, 8, 9, 7, 4, 5, 8, 9, 3, 6
Ímpar Mediana
a) 1 ; 1 ; 3 ; 3; 4 ; 7; 8
d) 6, 7, 5, 6, 8, 7, 9
e) 1, 3, 2, 3, 1, 4, 3, 2, 5, 3, 5, 4, 6
SEPARATRIZES
Além das medidas de posição que estudamos, há outras que, consideradas
individualmente, não são medidas de tendência central, mas estão ligadas
relativamente à sua característica de separar a série em duas partes que
apresentam o mesmo numero de valores.
QUARTIS
A mediana de um conjunto de números é maior que uma metade dos valores e menor que a
outra metade.
Uma medida estreitamente relacionada com a mediana é o quartil. Os quartis
dividem conjuntos ordenados em 4 partes iguais: 25% dos valores serão inferiores ao 1º
quartil (Q1), 50% serão inferiores ao segundo quartil ( Q2= mediana), 75% serão inferiores
ao terceiro quartil (Q3), e 25% serão superiores ao terceiro quartil.
27
Exemplo: Determine, por inspeção, os quartis dos seguintes conjuntos de dados:
a) 1 2 3 4 b) 2 3 5 8 9 12 13 15
Q1 Q2 Q3
Q1 Q2 Q3
O valor que divide a série acima em duas partes iguais é igual a 9, logo a Md= 9
que será igual a Q2=9.
Temos agora {2,5,6} e {10,13,15} como sendo os dois grupos de valores iguais
proporcionados pela mediana (quartil 2). Para o cálculo do quartil 1 e 3 basta calcular as
medianas das partes iguais provenientes da verdadeira Mediana da série (quartil 2).
28
O quartil 1 será a mediana da série à esquerda de Md: {1,1,2,3,5,5}
Q1 = (2+3)/2 = 2,5
Q3 = (9+9)/2 = 9
Exercícios:
Calcular os Quartis: Q1, Q2 e Q3 para as séries abaixo:
a) {3, 4, 6, 7, 4, 5, 6 }
b) {12, 14, 16, 14, 15, 18, 17, 13}
c) {3, 8, 9, 4, 6, 7, 2, 9, 10, 12, 11}
d) {103, 98, 99, 104, 86, 87, 102, 89, 110, 112, 91}
e) {8, 4, 9, 4, 6, 9, 2, 9, 10, 12, 11, 12, 16, 7, 17, 11, 15}
f) {31, 45, 33, 56, 29, 45}
mediana media
29
A MODA
A moda é o valor que ocorre com maior freqüência em um conjunto:
Exemplo: Dados nos números: 10, 10, 8, 6, 10: há três dez; portanto, dez é
a moda. A moda funciona como medida descritiva quando se trata de contar dados.
30
EXERCÍCIOS
1) Determine a média e a mediana de cada conjunto:
a) 4, 8, 7, 3, 5, 6→
b) 2, 1, 7, 6 →
31
MEDIDAS DE DISPERSÃO
pequena dispersão
b)
grande dispersão
A dispersão mede quão próximos, uns dos outros, estão os valores de um grupo.
• o intervalo;
• o desvio médio;
• a variância;
• o desvio padrão.
Todas elas, exceto o (intervalo) têm na média o ponto de referência. Em cada caso,
o valor zero indica ausência de dispersão; a dispersão aumenta à proporção que aumenta o
valor da medida (intervalo, variância, etc.).
32
O INTERVALO
O intervalo de um grupo de números é, de modo geral, a medida mais simples de
calcular e de entender.
O intervalo pode ser expresso pela diferença entre o maior e o menor número
em um grupo, ou pela identificação desses dois números.
Alguns exemplos:
Intervalo
33
1º)
três grupos
2º)
diferentes de
números, todos
com o mesmo
3º)
intervalo
Intervalo
34
MEDIDAS DE DISPERSÃO QUE TÊM A MÉDIA COMO
PONTO DE REFERÊNCIA
( )
valor e a média, x i − x .
1º) Desvio Médio Absoluto (DMA): Mede o desvio médio dos valores em relação
à média do grupo, ignorando o sinal do desvio. Calcula-se subtraindo a média de cada valor
do grupo e desprezando o sinal (+ ou −) do desvio, e tomando a média em seguida. Ao
calcular o desvio médio, é necessário levar em conta o fato de que a soma dos desvios
positivos e negativos, a contar da média, será sempre (por definição) igual a zero. A
conversão das diferenças a valores absolutos (todos os valores são considerados como
desvios positivos) antes de se proceder à soma resolve o problema.
DMA =
∑ x i −x onde: n é o número de observações no
conjunto.
35
Exemplo 1: Determine o desvio médio, para o seguinte conjunto de números:
2; 4; 6; 8; 10
Solução: Determinação da média
x=
xi x xi – x xi − x
Σ= Σ=
∑x i −x
=
Desvio Médio:
n
36
A VARIÂNCIA
Calcula-se a variância de uma amostra quase da mesma forma que o desvio médio,
com duas pequenas exceções:
∑ (x )
2
i −x
Calcula-se a variância para uma amostra pela fórmula: Sx 2 =
n −1
∑ (x ) 2
−x
=
i
Calcula-se a variância para uma população pela fórmula: Sx 2
n
Solução: a média ( x ) é
xi x (xi – x ) (x i −x )
2
Σ= Σ=
37
∑ (x )
2
−x
= =
i
Sx 2
n −1
EM RESUMO
Os estágios do cálculo da variância são:
1º) Calcular a média;
2º) Subtrair a média a cada valor do conjunto;
3º) Elevar ao quadrado cada desvio;
4º) Somar os quadrados dos desvios;
5º) Dividir a soma por (n− 1) se se trata de dados amostrais, ou simplesmente por n par
somar o conjunto ou se os dados representam todos os valores de uma população.
A variância de uma amostra é a média dos quadrados dos desvios dos valores a
contar da média, calculada usando-se n − 1 em lugar de n.
(∑ x i )2
∑ xi − n
2
=
2
Sx
n −1
Esta fórmula é mais fácil de calcular porque não exige o cálculo da média e também
porque não há necessidade de determinar cada um dos desvios.
Usando os dados anteriores podemos observar a variância calculada por esta última fórmula
é idêntica à obtida anteriormente.
38
xi xi2
2
7
6
9
11
∑x i = 35 ∑x 2
i
=
Sx 2 =
DESVIO PADRÃO
O desvio Padrão depende da soma dos quadrados dos desvios dos valores da variável.
Portanto, quanto menor o Desvio Padrão mais os valores da variável se aproximam de sua
média. Dessa maneira:
• Se o desvio de um valor da variável for menor que o desvio padrão da variável,
então esse valor estará mais próximo da média do que um outro valor com desvio
maior.
• Quanto mais os valores da variável se afastar de sua média maior serão os desvios
e, conseqüentemente, maior será o desvio padrão e mais aberta será a distribuição
de freqüência da variável.
• Se duas variáveis tiverem a mesma média e desvios padrões diferentes, a
distribuição da variável com maior desvio padrão será mais aberta que a da variável
com menor desvio padrão.
LAPPONI, Juan Carlos, 2000: 104
39
O desvio padrão é simplesmente a raiz quadrada positiva da variância.
Assim, se a variância é 81, o desvio padrão é 9; se a variância é 10, o desvio padrão
é 10 = 3,16 .
∑ (x )
2
i −x
Fórmula: S= para amostra
n −1
∑ (x − x )
2
Fórmula: S= i
para população
n
(∑ x i )2
∑ x − n
2
i
Fórmula alternativa = S= n −1
(como anteriormente para calculo da variância, a substituição de (n −1) por n produz
as fórmulas do desvio padrão da população).
Exemplo: Calcule o desvio padrão da amostra de peso (massa) de 8 pacotes de erva mate
retirados durante uma inspeção de qualidade: 501g; 500g; 499,5g; 500,5g; 500g.
x=
Solução: a média ( x ) é
40
xi x (xi – x ) (x i −x )
2
Σ= Σ=
∑ (x )
2
i −x
S= =
n −1
O desvio padrão é uma das medidas mais comumente usadas para distribuições e
desempenha papel relevante em toda ESTATÍSTICA. A unidade do desvio padrão é a
mesma da média. Por exemplo, se a média é em reais, o desvio padrão também se
exprime em quadrados de unidades (por exemplo: reais2, m2, cm2, etc.).
STEVENSON, Willian, 1981: 24-30
41
MEDIDAS DE DISPERSÃO RELATIVA
COEFICIENTE DE VARIAÇÃO (CV)
CV: Coeficiente de Variação de Pearson
Na estatística descritiva o desvio padrão por si só tem grandes limitações. Assim, um
desvio padrão de 2 unidades pode ser considerado pequeno para uma série de
valores cujo valor médio é 200; no entanto, se a média for igual a 20, o mesmo não
pode ser dito.
Além disso, o fato de o desvio padrão ser expresso na mesma unidade dos dados
limita o seu emprego quando desejamos comparar duas ou mais séries de valores,
relativamente à sua dispersão ou variabilidade, quando expressas em unidades
diferentes.
Para contornar essas dificuldades e limitações, podemos caracterizar a dispersão ou
variabilidade dos dados em termos relativos a seu valor médio, medida essa
denominada de CV: Coeficiente de Variação de Pearson (é a razão entre o desvio
padão e a média referentes a dados de uma mesma série).
A fórmula é:
Exemplo:
Tomemos os resultados das estaturas e dos pesos de um mesmo grupo de
indivíduos:
42
A partir do coeficiente de variação pode-se avaliar a homogeneidade do conjunto de
dados e, conseqüentemente, se a média é uma boa medida para representar estes
dados. É utilizado, também, para comparar conjuntos com unidades de medidas
distintas.
Uma desvantagem do coeficiente de variação é que ele deixa de ser útil quando a
média está próxima de zero. Uma média muito próxima de zero pode inflacionar o
CV.
Um coeficiente de variação superior a 50% sugere alta dispersão o que indica
heterogeneidade dos dados. Quanto maior for este valor, menos representativa
será a média. Neste caso, opta-se pela mediana ou moda, não existindo uma regra
prática para a escolha de uma destas medidas. O pesquisador, com sua experiência,
é que deverá decidir por uma ou outra. Por outro lado, quanto mais próximo de zero,
mais homogêneo é o conjunto de dados e mais representativa será sua média.
Exercícios:
43
EXERCÍCIOS COMPLEMENTARES
1) Responda:
a) O desvio padrão pode ser zero? Explique. Pode ser negativo? Explique.
b) 1; 2; 10; 7; 7; 9; 8; 5; 2; 11
5) Calcule a média e a variância para o conjunto de dados abaixo, supondo que eles
representem:
a) uma amostra;
b) a população.
83; 92; 100; 57; 85; 88; 84; 82; 94; 93; 91; 95
44
APOSTILA
ESTATÍSTICA
APLICADA
PARTE I I
45
1. DISTRIBUIÇÃO DE FREQÜENCIA
INTRODUÇÃO:
Um dos objetivos da Estatística é obter uma significativa redução na quantidade de dados
com os quais opera-se diretamente (amostragem). Isto pode ser conseguido modificando-se
a forma de apresentação destes dados. Quando se lida com poucos valores numéricos, o
trabalho estatístico fica sensivelmente reduzido. No entanto, normalmente trabalha-se com
grande quantidade de dados. Para tal, utiliza-se a DISTRIBUIÇÃO DE FREQÜENCIA.
Uma distribuição de freqüência é uma tabela na qual os possíveis valores de uma variável
se encontram agrupados, na qual registra-se os valores observados.
Os valores observados podem ser registrados, numa distribuição de freqüência, em classes
ou não.
As classes são pequenos intervalos, tais que, quando reunidos, abrangem todo o conjunto
de dados.
46
CONSTRUÇÃO
A construção da distribuição de freqüência para dados agrupados ou tabulados em classe
requer o conhecimento de alguns conceitos.
Considerando-se X a variável em estudo, então Xmax é a variável de maior valos do rol e Xmin
é a variável de menor valor do rol.
Denomina-se amplitude total dos dados (At) a diferença entre o maior e o menor valor do rol,
ou seja, é a diferença entre os valores extremos do rol.
Matematicamente temos:
At = X max - X min
n
ft = ∑ fi
i =1
= N
Não existem regras que permitam determinar o número exato de classes. Contudo o
número de classes a ser utilizado depende muito da experiência do pesquisador e das
questões que ele pretende responder.
Para a elaboração de tabela de Distribuição de Freqüência para dados agrupados ou
tabulados em classes Sturges sugere para calcular a quantidade de classes (número de
classes) a expressão matemática:
OBSERVAÇÃO
I. Se o número de classes for muito pequeno, características importantes da
distribuição de freqüência podem ficar ocultas ou serem apresentadas de forma bastante
resumida.
47
II. Por outro lado, quando se utiliza muitas classes (número de classes for grande),
o trabalho (resultado) pode ficar muito extenso, não realçando aspectos relevantes da
distribuição de freqüência.
III. “k” poderá ser um número aproximado, porém inteiro, por isso, o
arredondamento deverá seguir as regras apresentadas no MODULO 01.
LIMITES DE CLASSE
OBSERVAÇÃO
At
h=
K
OBSERVAÇÃO
I. A amplitude do intervalo de classe (h) depende do número de dígitos
significativos que se está trabalhando.
II. Se houver necessidade de arredondamento da amplitude, este deverá ser feito
(sempre) à maior.
48
h = Li - li
Li + li
Pmi =
2
∑ fi = f
i =1
t =N
k= 1 + 3,3 log.N
49
At
4º. Determinar a amplitude (h) h=
k
5º Determinar os intervalos de classe.
OBSERVAÇÕES
EXERCÍCIO RESOLVIDO:
50
2º. Determinar o número de valores observados = freqüência total (ft = N).
∑ fi = f
i =1
t =N
N=
k= 1 + 3,3 log.N
At
4º. Determinar a amplitude (h) h=
k
51
Valores de um produto de consumo, verificado em 18 Estabelecimentos
Comerciais, em outubro de 2001.
Total
∑ fi =
HISTOGRAMA
52
2. DISTRIBUIÇÕES CONTÍNUAS E O
MODELO NORMAL1
PEDRO ALBERTO BARBETTA
F(x)=
1
O texto que compõe o capítulo 5 foi obtido do livro ESTATÍSTICA APLICADA ÀS CIÊNCIAS
SOCIAIS – oitavo capítulo.
53
Exemplo 1: Selecionar, aleatoriamente, de uma certa universidade, um
estudante do sexo masculino. Seja X o valor de sua altura, em centímetros.
Temos, novamente, uma variável aleatória contínua, mas, desta vez, não é
razoável atribuir a mesma probabilidade para diferentes faixas de altura. Por
exemplo, é intuitivo que a probabilidade do estudante acusar altura no intervalo de
165 a 175 cm é bem maior do que no intervalo de 190 a 200 cm, mesmo que ambos
os intervalos tenham a mesma amplitude.
54
2.1. DISTRIBUIÇÕES NORMAIS
A distribuição normal é caracterizada por uma função, cujo gráfico descreve
uma curva em forma de sino. Esta distribuição depende de dois parâmetros, a saber:
µ (média) – este parâmetro especifica a posição central da distribuição de
probabilidades.
σ (desvio padrão) – este parâmetro especifica a variabilidade da distribuição
de probabilidades2.
2
Os parâmetros µ e σ do modelo normal têm analogia com as estatísticas X e S, usadas para medir,
respectivamente, a posição central e dispersão de uma distribuição de freqüências.
55
As duas distribuições da Fig. 4(a) podem representar, por exemplo, (1) alturas
de estudantes da primeira série do primeiro grau e (2) da oitava série. Podemos
admitir que ambas as distribuições apresentam, aproximadamente, a mesma
dispersão (σ1 ≈ σ2), porém, na oitava série os estudantes devem ter, em média,
alturas maiores do que os estudantes da primeira série ( µ1 > µ2) . Por outro lado, as
distribuições da Fig. 4(b) podem representar (3) alturas de estudantes da quarta
série e (4) alturas de estudantes de todas as séries. É razoável supor, nesse caso,
que a média das alturas dos dois grupos de estudantes devem ser
aproximadamente iguais (µ3 ≈ µ4),mas a dispersão deve ser maior no grupo formado
por todas as séries.
Para que um dado valor x, de uma distribuição normal com média µ e desvio
padrão σ, se transforme em um valor z da distribuição normal padrão, basta fazer a
seguinte operação:
x−µ
z=
σ
O valor z é conhecido como valor padronizado. Ele fornece uma medida
relativa do valor x, em termos da distribuição da variável aleatória em estudo, como
ilustramos no seguinte exemplo.
56
Exemplo 2: Suponha que em uma certa universidade, a altura dos
estudantes do sexo masculino tenha distribuição normal com média µ= 170cm e
desvio padrão σ= 10 cm. A Fig. 5 mostra a relação entre a escala dos valores das
alturas de universitários masculinos (x) e seus correspondentes valores
padronizados (z). Por exemplo, para um estudante de altura x= 180cm, temos o
valor padronizado z= (180 – 170)/10 = 1, ou seja, este estudante encontra-se
a 1 (um) desvio padrão acima da altura média dos estudantes do sexo masculino da
universidade.
x−µ
Z=
σ
180 − 170
Z=
10
Z=1
57
= 15,87%
Tabela IV com z = 1
encontra-se o valor
da área = 0,1587
58
2.2 TABELA DA DISTRIBUIÇÃO NORMAL PADRÃO
Como vimos na seção precedente, as probabilidades de uma variável com
distribuição normal podem ser representadas por áreas sob a curva da distribuição
normal padrão. No apêndice, apresentamos a Tabela IV que relaciona valores
positivos de z com áreas sob a cauda superior da curva. Os valores de z são
apresentados com duas decimais. A primeira decimal fica na coluna da esquerda e a
segunda decimal na linha do topo da tabela. A Fig. 7 mostra como podemos usar a
Tabela IV para encontrar, por exemplo, a área sob a cauda superior da curva, além
de z = 0,21.
segunda decimal de z
z 0,00 0,01 0,02 ... 0,09
0,0
0,1
0,2 0,4168
... (área na cauda superior)
Fig. 7: Ilustração do uso da tabela da distribuição norma padrão (Tabela IV do apêndice) para
encontrar a área na cauda superior relativa ao valor de z= 0,21.
segunda decimal de z
z 0,00 ... 0,09
...
1,0 0,1587
...
Portanto:
P(X>180)= 0,1587
59
Exemplo 3: Suponha que o desempenho dos alunos das três últimas fases
do Curso de Ciências da Computação da UFSC tenha distribuição normal de média
2,5 e desvio padrão de 0,6. Selecionando aleatoriamente um aluno desta população,
qual a probabilidade dele acusar desempenho entre 2 e 3,5?
Solução. Primeiramente precisamos transformar os valores de desempenho
x, em valores padronizados:
Z1 será para x=2
x−µ
Z1=
σ
2 − 2,5
Z1=
0,6
Z1 = - 0,83
x−µ
Z2=
σ
3,5 − 2,5
Z2=
0,6
Z2 = 1,67
60
Usando a Tabela IV do apêndice, encontramos para z = −0,83 e z = 1,67 as
respectivas áreas nas extremidades da curva: 0,2033 e 0,0475 (lembrando que para
valores negativos de z, como −0,83, procuramos na Tabela IV o seu valor simétrico
positivo, no caso, z = 0,83). É fácil observar, pela figura abaixo, que a probabilidade
desejada corresponde ao complemento da soma destas áreas, ou seja:
ou
61
EXERCÍCIOS
6) Suponha que em uma certa região, o peso dos homens adultos tenha distribuição
normal com média 70 kg e desvio padrão 16 kg. E o peso das mulheres adultas
tenha distribuição normal com média 60 kg e desvio padrão 12 kg. Ao selecionar
62
uma pessoa ao acaso, o que é mais provável: uma mulher com mais de 75 kg, ou,
um homem com mais de 90 kg?
63
3. AJUSTAMENTO DE RETA E CORRELAÇÃO3
GILBERTO ANDRADE MATINS
3.1. INTRODUÇÃO
Um dos maiores problemas para o investigador de fenômenos humanos ou
físicos é o estabelecimento de um modelo matemático que descreva e explique o
fenômeno ocorrido na vida real, com boa aproximação. A busca de uma relação
funcional entre as variáveis observadas que descrevem o fato é uma tarefa de
muitos cientistas em qualquer área de estudo. Assim, o pediatra tem interesse em
estabelecer uma relação funcional entre o peso e a altura dos bebês; o economista
busca o estabelecimento de uma função que explique o comportamento das vendas,
em unidades de um produto, em função do preço; o administrador precisa de uma
função que descreva os custos de um produto, quando as quantidades variam; o
engenheiro quer saber a relação funcional entre a resistência do concreto e a razão
água/cimento; o médico tem interesse em relacionar através de uma função o
volume do plasma sangüíneo e a superfície dos corpos dos pacientes; o psicólogo
deseja a função que explique o QI (quociente de inteligência), etc.
Seja Y uma variável que nos interessa estudar e cujo comportamento futuro
desejamos prever. É fácil prever. É fácil identificarmos uma série de variáveis Xi; (X1,
X2, X3,..., Xn) que influenciam o comportamento de Y, a variável dependente do
modelo. A Estatística oferece meios de chegarmos à relação função entre a variável
dependente (Y) e as variáveis explicativas ou independentes (X1, X2, X3,..., Xn)
através da análise de regressão. Quando maior o número de variáveis explicativas,
mais completo será o modelo. Todavia, sua solução será também mais difícil e
complexa. Em razão disso, limitaremos nossa exposição ao caso em que apenas
duas variáveis intervêm no modelo: a variável dependente Y e a variável
independente X. Apresentaremos apenas o estudo da função linear (ajustamento de
uma reta), isto é, estudaremos o modelo:
3
O texto que compõe o capítulo 6 foi obtido do livro Princípios de Estatística
64
Uma maneira bastante prática para auxílio na determinação da função entre
as variáveis dependente e independente é a construção do gráfico denominado
“diagrama de dispersão”. Para desenharmos o diagrama de dispersão devemos
coletar uma amostra de valores X e Y : (x1 , y1), (x2 , y2) , ( x3 , y3), . . . , ( xn, yn),
marcando esses pontos em um sistema de coordenadas cartesianas. Assim:
y
yn •
y2 •
y3 •
y1 •
x1 x2 x3 ... xn x
”Diagrama de Dispersão”
n∑ xy − ∑ x • ∑ y
b=
n∑ x 2 − (∑ x )
2
a = y − bx , onde n = tamanho-amostra
x=
∑ x = média dos xi
n
65
y=
∑ y = média dos yi
n
Quantidades (x) 10 11 12 13 14 15
Custos (y) 100 112 119 130 139 142
Solução:
a) Diagrama de dispersão
Custos
y
150 -
140 - • •
130 - •
120 - •
110 - •
100 - •
| | | | | | x
10 11 12 13 14 15 quantidades
b) Ajustamento da reta
66
X Y XY X2
10
11
12
13
14
15
∑ 75
y=
∑y =
n
x=
∑x =
n
a = y − b x , logo a=
Portanto, y = a + bx y=
Custo
y
150 - y=
140 -
130 -
120 -
110 -
100 -
| | | | | | x
10 11 12 13 14 15 quantidade
67
x = 16. Assim:
y=
y=
Logo, o custo para 16 unidades será :
68
EXERCÍCIO
1. Ajustar uma reta aos dados:
X 1 2 3 4 5 6 7 8
Y 3 3 5 6 6 7 8 9
2. Sendo:
69
APÊNDICE
segunda decimal de z
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2842 0,2843 0,2776
0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,685 0,1660 0,1635 0,1611
1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0722 0,0708 0,0694 0,0681
1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
1,8 0,0359 0,0352 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
2,9 0,0019 0,0018 0,0017 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
3,0 0,00135
3,5 0,000233
4,0 0,0000317
4,5 0,00000340
5,0 0,000000287
70
4. APRESENTAÇÃO GRÁFICA DE DADOS
Os dados estatísticos, apresentados em tabelas, também podem ser
expostos em gráficos, desde que não haja necessidade de grande precisão, os
gráficos permitem ao observador uma leitura mais rápida do fenômeno
representado.
Na apresentação gráfica de dados são necessários alguns cuidados:
a)Todo gráfico deve ter título e escala, para que possa ser interpretado sem que haja
necessidade de esclarecimentos adicionais no texto;
b) O título do gráfico pode ser escrito acima ou abaixo do gráfico. O IBGE escreve o título
acima do gráfico, porém a maioria dos estatísticos o coloca abaixo.
c) No eixo das abscissas (eixo x), a escala cresce da esquerda para a direita e é escrita
embaixo do eixo, como mostra o esquema:
d) No eixo das ordenadas (eixo y), a escala cresce de baixo para cima e é escrito à
esquerda do eixo. Deve ser feitas setas para indicar a direção dos eixos.
e)As variáveis representadas em cada eixo devem ser claramente identificadas. No eixo das
ordenadas escreve-se o nome da variável na extremidade do eixo, no eixo das abscissas
escreve-se o nome da variável embaixo da escala, como mostra no esquema abaixo:
71
g) O sistema de eixos cartesianos e as linhas auxiliares devem ter traçado mais leve do que
a parte do gráfico que se pretende evidenciar:
i) Para facilitar a leitura, podem ser feitas linhas auxiliares. Nestes casos, o gráfico
é feito dentro de retângulos, como mostra o esquema:
72
4.1 TIPOS DE GRÁFICOS
1- GRÁFICO DE BARRAS – GRÁFICO DE COLUNAS
Gráfico 01
População presente no Brasil, segundo o ano de censo
demográfico
180000000
160000000
140000000
120000000
População
100000000
80000000
60000000
40000000
20000000
0
1940 1950 1960 1970 (1) 1980 (1) 2000
73
A apresentação gráfica de séries geográficas e cronológicas, através de gráficos de
barras, é feita da mesma forma. Observe os dados da série geográfica apresentados na
tabela 02 as regiões podem ser colocadas no eixo das abscissas; o número de pessoas de
cada região pode ser apresentado no eixo das ordenadas, como mostra o gráfico 02 para
facilitar a leitura foram feitas linhas auxiliares.
Tabela 02. População residente no Brasil, segundo a região,
de acordo com o censo demográfico de 2000
Região População
Norte 12.911.170
Nordeste 47.782.488
Sudeste 72.430.194
Sul 25.110.349
Centro-oeste 11.638.658
FONTE: IBGE (2000)
Gráfico 02
População residente no Brasil, segundo a região, de acorso
com o censo demográfico de 2000
80000000
70000000
60000000
50000000
40000000
30000000
20000000
10000000
0
Norte Nordeste Sudeste Sul Centro-oeste
74
É preciso deixar claro, no entanto, que no caso dos dados da tabela 02 as barras
também podem ser construídas em posição horizontal. Para isso:
Gráfico 03
População residente no Brasil, segundo a região, de acordo com o censo dem ográfico de
2000
Centro-oeste
Sul
Sudeste
Nordeste
Norte
8 8
7 7
6 6
5 5
4 4
3 3
2 2
1
0 1
0
A B C D B A D C
75
Os números e as palavras devem ser escritos fora das barras. Nos casos em que
os nomes são muito extensos recomenda-se usar uma legenda explicativa.
OBSERVAÇÃO
Gráfico 05
População residente no Brasil, segundo a região, de acordo com o censo
dem ográfico de 2000
80.000.000
70.000.000
60.000.000
50.000.000
40.000.000
30.000.000
20.000.000
10.000.000
Norte
Nordeste
Sudeste
Sul
Centro-
oeste
76
GRÁFICO DE LINHAS (LINEARES)
a) trace o sistema de eixos cartesianos; no eixo das abscissas coloque os anos do censo.
No eixo das ordenadas apresente os dados da população;
b) faça corresponder um ponto para cada par de valores da série. Por exemplo, para o par
(1949,41 milhões) faça um ponto;
c) una os pontos por segmentos de reta; coloque o título no gráfico.
Gráfico 06
População presente no Brasil, segundo o censo demográfico
180.000.000
160.000.000
140.000.000
120.000.000
100.000.000
População
80.000.000
60.000.000
40.000.000
20.000.000
0
1940 1950 1960 1970 (1) 1980 (1) 2000
77
GRÁFICO DE SETORES OU GRÁFICO DE TORTAS
promovido
Em recuperação
17% Retido
50%
33%
Gráfico 08
Distribuição de alunos da 1ª série do Colégio Dom Pedro,
segundo a situação em relação as notas
Retido
17%
promovido
Em 50%
recuperação
33%
78
GRÁFICO COMPARTIVO
Muitas vezes são desenhados dois gráficos, lado a lado, para melhor estabelecer a
comparação de um fenômeno. Outras vezes, os dados obtidos em situações distintas são
sobrepostas na mesma figura, para evidenciar a comparação. Os gráficos são desenhados
da meneira comum, mas são colocados juntos para facilitar a comparação.
Observe a série cronológica apresentada na tabela 04, para a apresentação gráfica
desses dados pode ser feito o gráfico de barras (gráfico 09), ou gráfico de linhas (gráfico
10), nestes gráficos se estabelece uma comparação entre população urbana e população
rural.
Gráfico 09
População residente no Brasil, urbana e rural, segundo o ano do censo dem ográfico
160
140
120
100
Milhões
Urbana
80
Rural
60
40
20
0
1940 (1) 1950(1) 1960 1970 1980 2000
79
Gráfico 09
População residente no Brasil, urbana e rural, segundo o ano do censo dem ográfico
160
140
120
Urbana
100
Milhões
Rural
80
60
40
20
0
1940 (1) 1950(1) 1960 1970 1980 2000
Gráfico 11
População residente no Brasil, urbana e rural, segundo o ano do censo dem ográfico
180
160
140
120 Rural
Milhões
100 Urbana
80
60
40
20
0
1940 (1) 1950(1) 1960 1970 1980 2000
80
EXERCÍCIOS
APRESENTAÇÃO GRÁFICA DE DADOS
01. Faça um gráfico de barras para apresentar os valores de densidade demográfica,
segundo a região.
02. Faça um gráfico de linha para representar o crescimento em altura de crianças do sexo
masculino.
03. Desenhe gráficos para representar os valores de temperatura segundo o mês, nas
cidades do Rio de Janeiro e de São Paulo. Note que é preciso fazer dois gráficos, um para
cada cidade. Faça um gráfico comparativo entre as duas cidades.
81
Tabela.P03. Temperatura do ar, segundo o mês, nas cidades de Rio de Janeiro
e São Paulo, em 1983
Idade (anos) Temperatura (ºC)
Rio de Janeiro São Paulo
Janeiro 26,6 22,5
Fevereiro 27,0 23,1
Março 26,0 21,2
Abril 24,4 20,7
Maio 24,0 19,2
Junho 21,5 19,7
Julho 24,6 17,6
Agosto 20,6 17,0
Setembro 20,6 15,9
Outubro 22,6 18,8
Novembro 24,4 21,4
Dezembro 25,2 21,8
Fonte: IBGE (1977)
BIBLIOGRAFIA
MARTINS, Gilberto de Andrade. Princípios de estatística / Gilberto de Andrade
MARTINS, Denis Donaire. São Paulo: Atlas, 1979.
VIEIRA, Sonia e HOFFMANN, Rodolfo. Elementos de Estatística. São Paulo: Atlas, 1990.
LAPPONI, Juan Carlos. Estatística: Usando Excel: – São Paulo: Lapponi Treinamento e
Editora Ltda, 2000.
CRESPO, Antônio Arnot. Estatística Fácil, - 17. ed. – São Paulo: Saraiva, 2002.
STEVENSON, William J. Estatística Aplicada à Administração; tradução Alfredo Alves de
Farias. – São Paulo:Harper & Row do Brasil, 1981.
TIBONI, Conceição Gentil Rebelo. Estatística Básica para o Curso de Turismo – 2. ed – São
Paulo: Atlas, 2003.
BONINI, Edmundo Eboli e BONINI, Sergio Eboli. Estatística: Teoria e exercícios. São
Paulo: Loyola, 1990.
82
KARMEL, Peter Henry & Polaser. Estatística geral e aplicada para economistas. São
Paulo: Atlas, 1972.
TOLEDO, Geraldo Luciano & OVALLE, Ivo. Estatística básica. São Paulo: Atlas.
VIEIRA, Sônia & HOFFMANN, Rodolfo. Elementos de estatística. São Paulo: Atlas,
1986.
83