Introdução

Métodos Quantitativos Aplicados
O que é Estatística?

– Estatística pode ser entendida como a ciência
dos dados.
Elaborado por

Por que estudar Estatística?
– Para melhor entendermos os fenômenos que
nos cercam.
Prof. Moisés Balassiano

Qual é a importância da Estatística para a
Administração?
– Melhorar a nossa capacidade de decidir.
Mestrado em Administração
VERSÃO 2012/1
3 Prof. Moisés Balassiano

Conteúdo da Unidade Introdução

Introdução ao Estudo da Estatística A Estatística, como a ciência dos dados, provê

– Definir os conceitos básicos; os métodos de:

– Classificar as variáveis por níveis de – Coleta;

mensuração; – Classificação;
– Apresentar os métodos de representação – Organização;
gráfica e tabular de dados estatísticos.
– Representação;
– Análise; e
– Interpretação de dados e informações.

2 Prof. Moisés Balassiano 4 Prof. Moisés Balassiano

1
 Introdução Conceitos Básicos

Muitas vezes observamos resultados de
População

investigações cujas conclusões refletem fatos – Conjunto de todos os elementos que
distorcidos, seja pelo modo como os dados foram
constituem a abrangência do estudo.
coletados, seja pela adoção de métodos
inadequados ao problema.
Geralmente tais distorções são devidas mais à
ignorância do que pela má fé (felizmente!).
Amostra
Este argumento justifica a necessidade de conhecer – Um subconjunto da população.
mais profundamente os métodos estatísticos.

5 Prof. Moisés Balassiano 7 Prof. Moisés Balassiano

Áreas da Estatística Conceitos Básicos

Unidade Observável
Envolve as técnicas que – A portadora da característica ou propriedade
Estatística permitem representar,
Descritiva mensurar e analisar um que se deseja investigar.
conjunto de dados.
Estatística

Estatística
Envolve as técnicas que
permitem utilizar dados de uma
Inferencial amostra para generalizações
sobre a população.

Variável
– Representação simbólica da característica ou
propriedade que se deseja investigar.

6 Prof. Moisés Balassiano 8 Prof. Moisés Balassiano

2
 Conceitos Básicos Amostra

Cálculos Estatísticos
Alguns dos alunos deste curso, que foram

– Processo para a obtenção dos parâmetros de selecionados.
uma população, ou das medidas estatísticas
de uma amostra.

Inferência
– Processo de generalização para a população,
a partir dos resultados obtidos em uma
amostra.

9 Prof. Moisés Balassiano 11 Prof. Moisés Balassiano

População Unidades Observáveis

Conjunto constituído pelos alunos deste curso.
Cada aluno deste curso

Aluno 1 – unidade observável 1

Aluno 2 – unidade observável 2

Aluno N – unidade observável N

10 Prof. Moisés Balassiano 12 Prof. Moisés Balassiano

3
 Variável Inferência Pontual

Sexo dos alunos

masculino Como 1/3 da amostra é

constituído por mulheres, então
1/3 do total dos alunos deste
feminino
curso é do sexo feminino.

masculino

13 Prof. Moisés Balassiano 15 Prof. Moisés Balassiano

Cálculos Estatísticos Inferência por Intervalo

Medida estatística: percentagem de mulheres na

amostra.
Como 1/3 dos alunos da
amostra é do sexo feminino,
há uma probabilidade de
1/3 dos alunos da amostra é do sexo 90% de que a percentagem
de alunos do sexo feminino
feminino. deste curso esteja entre
28,3% e 38,3%.

14 Prof. Moisés Balassiano 16 Prof. Moisés Balassiano

4
 Tipos de Variáveis Variáveis Qualitativas

As categorias devem ser:

VARIÁVEIS

– Mutuamente exclusivas – a escolha de uma

categoria implica na impossibilidade de se
QUALITATIVAS QUANTITATIVAS
escolher qualquer outra categoria.

– Exaustivas – a união das categorias define o

Nominais Ordinais Intervalares de Razão
universo de todas as possíveis escolhas.
Contínuas Discretas

17 Prof. Moisés Balassiano 19 Prof. Moisés Balassiano

Variáveis Qualitativas
Variáveis Qualitativas
Exemplo

São expressas por meio de categorias.
Variável: Sexo
1. Feminino

Qualquer número associado às categorias deve
ser entendido como rótulo. 2. Masculino.

Não caracterizam propriamente uma escala.
Os números associados a cada categoria não
recebem tratamento aritmético.

São analisadas apenas à luz das freqüências
As categorias são mutuamente exclusivas e
verificadas nas categorias. exaustivas.

18 Prof. Moisés Balassiano 20 Prof. Moisés Balassiano

5

Variáveis Qualitativas

Embora não caracterize de fato uma escala, as
variáveis qualitativas representam o nível mais
baixo de “mensuração”.
Variáveis
Qualitativas Ordinais

As categorias são ordenadas, isto é, há uma
hierarquia pré-determinada entre as categorias
(menos que, mais que, menor que, maior que).

Podem, ainda, ser classificadas como:
A representação gráfica e a tabular devem ser
– Nominais feitas respeitando a ordem das categorias.
– Ordinais.

Qualquer transformação nos rótulos das
categorias deve respeitar o seu ordenamento.

21 Prof. Moisés Balassiano 23 Prof. Moisés Balassiano

Variáveis Variáveis Qualitativas Ordinais

Qualitativas Nominais Exemplo

As categorias não são ordenadas, isto é, não há
Patentes do exército
Classes de Renda
uma hierarquia pré-determinada entre as – Categorias: – Categorias:
categorias. 1. Soldado 1. Baixa

Exemplo 2. Cabo 2. Média
3. Sargento 3. Alta

Nacionalidade
– Categorias:
1. Brasileira
2. Estrangeira

22 Prof. Moisés Balassiano 24 Prof. Moisés Balassiano

6
 Variáveis Quantitativas Variáveis Quantitativas

São expressas por meio de uma escala: contínuo
As variáveis quantitativas representam o nível
com origem e unidade definidas. mais alto de mensuração.

Qualquer observação pode ser associada a um
Podem, ainda, ser classificadas como:
ponto na escala.
– Intervalares

Por receberem valores no campo dos números
reais, são analisadas por qualquer tratamento – de razão.
matemático.

25 Prof. Moisés Balassiano 27 Prof. Moisés Balassiano

Variáveis
Variáveis Quantitativas
Quantitativas Intervalares

Uma escala fica determinada quando
As variáveis quantitativas intervalares não
conhecemos dois elementos: possuem uma origem fixa.

– Origem
O valor zero não representa a ausência da

• Define o ponto referencial do contínuo. característica sendo medida.

– Unidade

Qualquer transformação nesse nível de medida
• Determina as distâncias entre dois valores deve ser feita por meio da relação:
quaisquer no contínuo.
Y=a+bX

26 Prof. Moisés Balassiano 28 Prof. Moisés Balassiano

7
 Variáveis Quantitativas Intervalares Variáveis
Exemplo Quantitativas Intervalares

Variável: Temperatura
Podemos transformar uma variável intervalar em
– Origem: Ponto de congelamento qualquer variável qualitativa ordinal, mas a
• Escala Celsius: 0 C recíproca não é verdadeira.
• Escala Fahrenheit: 32 F

Por isso, devemos sempre que possível, medir

Zero grau em ambas escalas não representa a uma característica por meio de uma variável com
ausência de temperatura. escala intervalar e se necessário transformar em
uma escala qualitativa.

Transformação: F = 32 + (9/5) C

29 Prof. Moisés Balassiano 31 Prof. Moisés Balassiano

Variáveis
Quantitativas Intervalares

Em função do tipo de transformação e da
ausência de um zero absoluto, não faz sentido
afirmar que:
– “Como a temperatura interior é de 20º C e lá
fora faz 40º C, então lá fora faz o dobro da
temperatura interior.”
– Escalas intervalares só permitem avaliar a
diferença entre os seus valores. Assim, o
correto seria.
– “Lá fora faz 20º C a mais do que aqui.”
Variáveis
Quantitativas de Razão

Uma variável quantitativa é dita ser de razão
quando a origem for fixa.

O zero, nessa escala, representa a ausência da
característica a ser medida.

Qualquer transformação nesse nível de medida
deve ser feito por meio da relação:
Y=cX

30 Prof. Moisés Balassiano 32 Prof. Moisés Balassiano

8
 Variáveis Quantitativas de Razão
Representando Dados
Exemplo

Variável: Disponibilidade financeira Dados

– Origem: 0
• Origem em Reais: 0 Qualitativos Quantitativos
• Origem em Dólares: 0
Métodos Métodos Métodos Métodos

$0,00 representa a ausência do recurso financeiro Gráficos Tabulares Gráficos Tabulares
(em qualquer moeda).
Tabelas de Classes de

Transformação: Y (R$) = (R$2,00/US$) x (US$) Barras
Freqüência
Histograma
Freqüência
c = 2,00 expresso em unidades de reais por
unidade de dólar. Setores
Linha
(Pizzas)

33 Prof. Moisés Balassiano 35 Prof. Moisés Balassiano

Variáveis Representando
Quantitativas de Razão Dados Qualitativos

Em função do tipo de transformação e da Dados
presença de um zero absoluto, podemos
afirmar que: Qualitativos Quantitativos
– “Como mês passado eu ganhei R$1.500,00 e este mês
eu ganhei R$3.000,00, então este mês eu ganhei o Métodos Métodos Métodos Métodos
dobro do mês passado.” Gráficos Tabulares Gráficos Tabulares
– Escalas de razão permitem avaliar tanto a diferença
como a razão entre dois valores. Tabelas de Classes de
Barras Histograma
Freqüência Freqüência
– Todas os cálculos estatísticos válidos para as variáveis
intervalares são válidos também para as de razão. Setores
Linha
(Pizzas)

34 Prof. Moisés Balassiano 36 Prof. Moisés Balassiano

9
 Representando Representando
Dados Qualitativos Dados Qualitativos

Variáveis qualitativas podem ser: Preferência dos Vendedores
PLANO DE SAÚDE Votos Percentual (%)
– Nominais (Freq. Absoluta) (Freq. Relativa)
• Categorias não ordenadas C 6 15
A 8 20
– Ordinais B 12 30
• Categorias ordenadas D 14 35
Total 40 100
Ordem crescente de
frequência

37 Prof. Moisés Balassiano 39 Prof. Moisés Balassiano

Representando Representando
Dados Qualitativos Dados Qualitativos
Preferência dos Vendedores
Variáveis qualitativas ordinais são apresentadas,
PLANO DE SAÚDE Votos Percentual (%)
em gráficos ou tabelas, ordenando as categorias
(Freq. Absoluta) (Freq. Relativa) naturalmente (crescente ou decrescentemente).
A 8 20
As freqüências das categorias podem ser
simples ou acumuladas e absolutas ou relativas.
B 12 30

As freqüências absolutas ou relativas podem ser
C 6 15 acumuladas de modo crescente ou decrescente.
D 14 35
Gráficos e tabelas com as frequências
acumuladas fornecem informações importantes
Total 40 100
quanto aos processos produtivos.

38 Prof. Moisés Balassiano 40 Prof. Moisés Balassiano

10
 Representando
Representação Gráfica
Dados Qualitativos
Freqüências
NÍVEL DE
Simples
Frequências Acumuladas Estamos bem

Relativas (%) acima dos nossos
ESCOLARIDADE Absolutas Relativas(%) Absolutas
Cresc. Decresc. competidores Market Share
Sem Formação 4 2 4 2 100
X
Fundamental 18 9 22 11 98

Médio 42 21 64 32 89 Y

Superior 86 43 150 75 68 Nós

Pós- Graduação 50 25 200 100 25
30% 32% 34% 36%
Total (n) 200 100 -- -- --

41 Prof. Moisés Balassiano 43 Prof. Moisés Balassiano

Representando
Representação Gráfica
Dados Qualitativos

Forma Correta de Representação Gráfica

Qualitativos
X 32%

Métodos Métodos
Gráficos Tabulares Y 33%

Setores Tabelas de
Barras
(Pizzas) Frequência
NÓS 35%

0
%
10 20 30 40

42 Prof. Moisés Balassiano 44 Prof. Moisés Balassiano

11
 Representação Gráfica Gráfico de Setores

Outra Forma de Representação Gráfica Preferência dos Vendedores

X A
NÓS D
32% 35% 20%
35%

B
Y 30%
C
33% 15%
45 Prof. Moisés Balassiano 47 Prof. Moisés Balassiano

Gráfico de Barras Séries Geográficas

Preferência dos Vendedores
14 Altura

Representadas por Barras ou Setores
mostra
12 Largura
freqüência
ou % da base
10
são

Permite identificar as localizações onde o
Votos

8 iguais

6
fenômeno atua com mais intensidade
4

2
Plano
0 de
A B C D Saúde

46 Prof. Moisés Balassiano 48 Prof. Moisés Balassiano

12
 Séries Geográficas Gráficos de Frequências

100 200

Freqüuncia Acumulada Absoluta

Frequência Simples Absoluta
80
150
(2012)

60

100

40

50

20

0
0
S/Form Fund. Médio Sup. P.Grad S/Form Fund. Médio Sup. P.Grad

Nível de Escolaridade Nível de Escolaridade

49 Prof. Moisés Balassiano 51 Prof. Moisés Balassiano

Dados Qualitativos Alguns Cuidados

NÍVEL DE Freqüências Simples Frequências Acumuladas
A arte não deve ser mais importante do que o
ESCOLARIDADE Absolutas Relativas(%) Absolutas
Relativas (%) modo mais adequado de representar dados.
Cresc. Decresc.
Modo Errado Modo Correto
Sem Formação 4 2 4 2 100
1960: $1.00 4
$
Fundamental 18 9 22 11 98
1970: $1.60
Médio 42 21 64 32 89 2
Superior 86 43 150 75 68 1980: $3.10
0
Pós- Graduação 50 25 200 100 25
1990: $3.80 2000 2001 2002 2003
Total (n) 200 100 -- -- --

50 Prof. Moisés Balassiano 52 Prof. Moisés Balassiano

13
 Alguns Cuidados Dados

Representar dados sem relativizar. Dados

Exemplo: Financiamentos concedidos por trimestre
Modo Errado Modo Correto Qualitativos Quantitativos
Freq.
300 30 %
Métodos Métodos Métodos Métodos
Gráficos Tabulares Gráficos Tabulares
200 20

100 10 Tabelas de Classes de

Barras Freqüência Histograma Freqüência
0 0
Setores
1o. 2o. 3o. 4o. 1o. 2o. 3o. 4o. (Pizzas) Linha Freqüências
Modo correto leva em conta quantos financiamentos foram
solicitados em cada trimestre. Valores

53 Prof. Moisés Balassiano 55 Prof. Moisés Balassiano

Representando
Alguns Cuidados
Dados Quantitativos

Compressão do eixo vertical.
Variáveis quantitativas podem ser:
Exemplo: Volume de vendas por trimestre
Modo Errado Modo Correto – Intervalares – origem arbitrária
300 $ 60 $

200 40
– De razão – origem fixa.
100 20

0 0
1o. 2o. 3o. 4o. 1o. 2o. 3o. 4o.

54 Prof. Moisés Balassiano 56 Prof. Moisés Balassiano

14
 Representação
Tabular

Variáveis quantitativas, intervalares ou de
razão, podem ser apresentadas, em séries e
tabelas, de acordo com três possíveis formas de
distribuições:
– Distribuições de valores;
– Distribuições de freqüências por valores; ou
– Distribuições de freqüências por classes de
valores.
Representação Tabular
Distribuição de Frequência por Valores

Utilizada quando as observações incidirem em
torno de alguns valores em particular.

Exemplo
– Amostra de 10 alunos para saber o tempo semanal de
acesso à internet (horas);
– Valores amostrais: 10, 8, 13, 9, 8, 10, 10, 9, 9, 11
– Valores ordenados: 8, 8, 9, 9, 9, 10, 10, 10, 11, 11

57 Prof. Moisés Balassiano 59 Prof. Moisés Balassiano

Representação Tabular Representação Tabular

Distribuição de Valores Distribuição de Frequência por Valores

Utilizada quando o número de observações for
Tempo semanal de acesso à Internet (h)
reduzido, sem incidência de valores particulares.
Tempo Freqüência

Exemplo:
8 2
– Amostra de 5 alunos para saber o tempo
9 3
semanal de acesso à internet (horas);
10 3
• Valores amostrais: 10, 8, 11, 9, 8;
11 2
• Valores ordenados: 8, 8, 9, 10, 11.
Total 10

58 Prof. Moisés Balassiano 60 Prof. Moisés Balassiano

15
 Representação Tabular Representação Tabular
Distribuição de Frequência por Classes de Valores Distribuição de Frequência por Classes de Valores

Utilizada quando o número de observações for
Temperaturas tomadas nos dias 1 e 15 de cada mês,
elevado mas sem incidência de valores verificadas em 2010 em Vitória :
particulares. 22, 26, 36, 28, 37, 38, 40, 42, 34, 30, 28, 24, 17, 19, 22,
23, 27, 29, 30, 34, 32, 25, 31, 38.

Exemplo:

Valor Máximo=42 e Valor Mínimo=17
– Temperaturas tomadas nos dias 1 e 15 de cada mês,

Nº de classe (k) e tamanho da classe(h)
verificadas em 2010 em Vitória;
– Valores: 22, 26, 36, 28, 37, 38, 40, 42, 34, 30, 28, 24, k = n = 24 ≅ 5
17, 19, 22, 23, 27, 29, 30, 34, 32, 25, 31, 38. ( X − x ) ( 42 − 17)
h= = =5
k 5

61 Prof. Moisés Balassiano 63 Prof. Moisés Balassiano

Representação Tabular Representação Tabular

Distribuição de Frequência por Classes de Valores Distribuição de Frequência por Classes de Valores

Procedimentos para Construção

1. Identificar o menor (x) e o maior (X) valores observados; Pontos Frequências
Classes
2. Determinar o número de classes k – máximo10; Médios Absoluta Relativa (%)
17≤ x < 22 19,5 2 8,33
k≅ n
3. Calcular a amplitude (h) 22≤ x < 27 24,5 6 25,00
( X − x)
h= 27≤ x < 32 29,5 7 29,17
k
4. Estabelecer os limites das classes e os pontos médios das 32 ≤ x < 37 34,5 4 16,67
classes
37 ≤ x < 42 39,5 5 20,83
5. Alocar o número de observações (frequências) a cada uma
das classes.

62 Prof. Moisés Balassiano 64 Prof. Moisés Balassiano

16
 Dados Representação Gráfica

Dados Horas de Acesso Semanal à Internet

Gráfico
Qualitativos Quantitativos 3 de Barras

2,5
Métodos Métodos Métodos Métodos
Gráficos Tabulares Gráficos Tabulares 2

Tabelas de Classes de 1,5

Barras Freqüência Histograma Freqüência 1
Setores 0,5
(Pizzas) Linha Freqüências
0 Horas
8 9 10 11
Valores

65 Prof. Moisés Balassiano 67 Prof. Moisés Balassiano

Representação Gráfica Representação Gráfica

Distribuições de frequências, por valores e por
HISTOGRAMA

classes de valores são representadas por – Representa uma tabela de Distribuição de
Histogramas. Frequências por Classes de Valores.
– Condensa dados agrupando valores em

Distribuições de séries de valores no tempo são classes, ou intervalos, de valores.
representadas por gráficos de linha. – Alturas das barras refletem freqüências
absolutas ou relativas (percentuais), quando
as classes tiverem intervalos constantes.

66 Prof. Moisés Balassiano 68 Prof. Moisés Balassiano

17
 Representação Gráfica Representação Gráfica
Histograma Gráficos de Linha

Frequências Evolução do dólar frente ao Real (2000-03)

Classes
7 Absoluta Relativa (%)
17 ≤ x < 22 2 8,33 R$
6
22 ≤ x < 27 6 25,00 4
5 27 ≤ x < 32 7 29,17

4 32 ≤ x < 37 4 16,67
37 ≤ x < 42 5 20,83 2
3

2
0
1
2000 2001 2002 2003
0
0 17 22 27 32 37 42

69 Prof. Moisés Balassiano 71 Prof. Moisés Balassiano

Representação Gráfica Representação Gráfica

Gráficos de Linha Curva Poligonal Característica

Representam séries de valores no tempo.
Caso particular do gráfico de linha.

Permitem visualizar a tendência do fenômeno no
É o gráfico de curva que passa pelos pontos
tempo. médios das classes em um histograma.

Demarcações do tempo na linha horizontal
Permite visualizar o tipo da assimetria da

devem ser compatíveis com a escala. distribuição.

70 Prof. Moisés Balassiano 72 Prof. Moisés Balassiano

18
 Representação Gráfica
Representação Gráfica
Curva Poligonal Característica

15

Alguns Cuidados
Percentagem na Amostra

– Alguns jornais publicam séries de valores no tempo como o

gráfico abaixo. Note que as distâncias da escala não são iguais.

10
Euro

Histograma
5

Faixas de Renda
0 (Salário Mínimo)
3,00 4,00 5,00 6,00

73 Prof. Moisés Balassiano 75 Prof. Moisés Balassiano

Representação Gráfica Representação Gráfica

Curva Poligonal Característica

15

Alguns Cuidados
Percentagem na Amostra

– Identificamos alguns problemas nesse tipo de gráfico.

Poligonal
Característica – Poucas observações: não permite antecipar tendência.
10

Histograma – Escala:o eixo horizontal apresenta a unidade de tempo

de modo não equispaçado, distorcendo a escala.
5

– A utilidade deste gráfico se limita a comparar o valor da

última barra com os valores observados no primeiro dia
Faixas de Renda
0 (Salário Mínimo)
útil de cada um dos três meses anteriores.
3,00 4,00 5,00 6,00

74 Prof. Moisés Balassiano 76 Prof. Moisés Balassiano

19
 Bibliografia

Bibliografia Básica:
– BUSSAB, W. de O.; MORETTIN, P. A. Estatística
Básica. 6ª. edição. São Paulo: Saraiva, 2009

77 Prof. Moisés Balassiano

Bibliografia

Bibliografia Complementar:
– LEVIN Jack, e FOX, James A. Estatística para
Ciências Humanas, 9a. Ed., São Paulo Prentice Hall,
2004.

– LEVINE, D. M., BERENSON, M. L. STEPHAN, D.

Estatística: Teoria e Aplicações. 3a. ed. Rio de Janeiro:
Livros Técnicos e Científicos, 2005.

– MILONE, Giuseppe. Estatística Geral e Aplicada, São

Paulo: Pioneira Thomson Learning, 2004.
78 Prof. Moisés Balassiano

20