Minicurso RBRAS2009 NEIR

Demografia
Estatística
da Saúde
Neir Antunes Paes

.
Sumário iii
Sumário
Prefácio v
Apresentação vii
1.Campo, Objeto e Métodos da Demografia. 9

1.1 A demografia como campo do conhecimento: a progressiva maturação da
complexidade do seu objeto de estudo 9
1.1.1 Demografia e Estatística 10
1.1.2 Demografia e Saúde 12
1.2 A demografia definida 13
1.3 Tamanho e composição da população 14
1.3.1 Tamanho absoluto, distribuição e densidade 14
1.3.2 Composição da população. A distribuição geográfica e a composição
por sexo e idades 16
1.4 A dinâmica global da população 17
1.5 Tipos de população 17
1.6 Crescimento populacional e seus componentes 18
1.7 Medidas demográficas estatísticas 19
1.8 A estrutura das taxas demográficas 21
1.9 Tempo de duplicação de uma população 24
1.10 O conceito de coorte 26
2. Fontes, Dados e Erros 27

2.1 Fontes contemporâneas das informações demográficas 27
2.1.1 Censos 27
2.1.2 As estatísticas demográficas do registro civil 28
2.1.2.1 Registro Civil 29
2.1.2.2 Sistema de Informações sobre Mortalidade – SIM 29
2.1.2.3 Sistema de Informações sobre Nascidos Vivos – SINASC 30
2.1.3 Pesquisas amostrais 30
2.1.3.1 Pesquisa Nacional por Amostra de Domicílios – PNAD 32
2.1.3.1 Principais sistemas e bases de informações do
Ministério da Saúde e instituições cooperantes 32
2.2 Quantidade e qualidade dos dados 33
2.2.1 Censos 34
2.2.2 Registros vitais 34
3. Mortalidade 37
3.1 Medindo a mortalidade 39
3.1.1 O relacionamento entre taxas brutas e específicas 39
3.1.2 Padronização 41
3.1.3 A mortalidade infantil e seus componentes 44
iv Demografia Estatística da Saúde ∗ N. A. Paes
3.1.4 Mortalidade por causa 47

3.1.5 A mortalidade materna 48
3.1.6 Anos potenciais de vida perdidos (APVP) 49
3.1.7 O dimensionamento dos erros na mortalidade 52
4 Tábuas de Vida 55
4.1 Construindo uma tábua de vida 57
4.2 Tábua de vida abreviada 60
4.3 As funções de uma tábua de vida 61
4.4 Riscos Competitivos 67
4.5 Construção da Tábua de Vida de Múltiplo Decremento (o modelo de Chiang) 68
5 Fecundidade e Reprodução 73
5.1 Medindo a fecundidade 74
5.1.1 Taxa Bruta de Natalidade 74
5.1.2 Taxa de Fecundidade Geral 75
5.1.3 Taxa Específica de Fecundidade 77
5.1.4 Taxa de Fecundidade Total. 78
5.2 Medindo a reprodução 80
5.2.1 Taxa Bruta de Reprodução 80
5.2.2 Taxa Líquida de Reprodução 83
6 Projeções Populacionais 87
6.1 Usos e propósitos das projeções 88
6.2 Estimativas, projeções e previsões 88
6.3 Metodologias de projeção populacional 89
6.3.1 Métodos do crescimento populacional 89
6.3.2 Métodos dos componentes 100
7 Métodos para Avaliar a Qualidade dos Registros Vitais 105

7.1 Métodos para identificar os erros de cobertura 105
7.1.1 Cobertura dos registros de nascidos vivos 105
7.1.2 Cobertura dos registros de óbitos 109
7.1.3 Classificação da qualidade dos registros vitais 115
7.2 O problema das declarações dos registros vitais: completude 116
7.2.1 Completude proporcional 116
7.2.2 As causas mal definidas 116
7.2.2.1 Estimação do fator redistributivo das mal definidas:
o método de Ledermann 117
7.3 Causas de mortes desconhecidas 119
Referências 121
Prefácio v
Prefácio
Escolas e universidades têm oferecido, ao longo do tempo, cursos introdutórios de

demografia, alguns sem uma ênfase particular e outros – para os quais este livro-texto espera
poder ser útil – focalizando algum aspecto do conhecimento científico ou área específica. Entre
eles, se encontra cursos de demografia fracionados, usualmente, como parte de alguma disciplina
em cursos de ciências sociais dirigidos ao planejamento, políticas populacionais, meio-ambiente,
saúde pública, etc.
Apesar de sua notória importância na academia e nas atividades governamentais em
particular, vários cursos de graduação em estatística do país não têm ainda incorporado a
disciplina de demografia em suas grades curriculares ou a tem como uma disciplina optativa ou
simplesmente não a contempla. Uma das justificativas para isto, é o número limitado de
especialistas com formação na área, uma vez que a demografia no Brasil somente é oferecida
como curso de Pós-graduação e está limitada a alguns programas. Portanto, são poucas as
oportunidades de contato com esta disciplina seja na academia ou fora dela.
O desenvolvimento da demografia acadêmica no Brasil é relativamente recente e a
produção literária em textos didáticos é ainda incipiente. Os livros e textos, em sua maioria, são
editados em língua estrangeira. Quando escritos em português, eles são escassos e com edições
necessitando de atualizações e de diversificações temáticas para acompanhar as novas
tendências e interesses da dinâmica populacional, particularmente, a brasileira.
Este livro-texto está desenhado para servir como um texto introdutório à demografia,
assumindo que nenhum conhecimento prévio de demografia é necessário, além de álgebra
elementar, com exceção, talvez, do último capítulo. Ele procura dar uma compreensão do
comportamento e acontecimentos humanos através da descrição de medidas, modelos e
procedimentos de modo a atender um espectro de conhecimentos básicos da demografia, embora
sejam contemplados alguns tópicos pouco encontrados em outros textos em geral. O enfoque é
voltado para a saúde. Para tanto, a demografia, em sua interdisciplinaridade, se alia à estatística e
busca, em conjunto, atender a uma das áreas de maior demanda da atualidade.
A reforma ortográfica empreendida pelos países de língua portuguesa chegou tão
recentemente que não foi possível atende-la, de forma que esta é uma atualização que ficarei
devendo.
O tempo, sempre ele, a principal vítima de nossos desequilíbrios. Debito a ele as
imperfeições, erros e possíveis desatinos cometidos durante a execução deste texto. Confesso
minha inabilidade ao tentar conciliar a feitura deste texto com o exercício das atividades
profissionais e quotidianas durante os dois meses e meio que durou a confecção deste livro-texto.
Este foi um dos desafios mais extenuantes de minha vida acadêmica; remeteu-me a momentos
tão tensos e intensos quanto aqueles, com os quais tive que enfrentar, ao construir os degraus da
academia. Não sem alegria o fiz, no entanto. A satisfação de poder contribuir, de alguma maneira,
para o conhecimento de uma área tão carente, em nosso meio, me impulsionou e mais que
justificou todo o esforço.
Assim como um profissional não existe sem seus colegas, um professor sem seus alunos,
o apoio sem o gesto amigo, não estive só neste percurso de construção intelectual. Aos primeiros,
vi Demografia Estatística da Saúde ∗ N. A. Paes
agradeço imensamente pelo encorajamento, leitura e correção dos originais, especialmente a

Mardone C. França e Estela M.G.P.C. (Mayra). Aos segundos, que me socorreram em vários
momentos: com as agudas e inquisidoras observações durante as aulas de demografia que me
instigaram a refletir melhor e a revisar percepções equivocadas; e, durante a execução deste
texto, a Telmo C.G. Silva por me acudir com sua paciência zen nas diversas fases de digitação e
formatação. Na revisão bibliográfica e formatação de gráficos e tabelas aos bolsistas, Pedro R. D.
Marinho, Julice S. Souza e Marcílio R.M. da Silva. As ausências nos fins-de-semana do convívio
com os familiares foram preenchidas pelos gestos de solidariedade e infinita compreensão. A
todos eles, a cada um, minha reverência e agradecimentos.
Sou, ainda, muito grato aos organizadores da 54ª Reunião Anual da Região Brasileira da
Sociedade Internacional de Biometria (RBRAS) e do 13° Simpósio de Estatística Aplicada à
Experimentação Agronômica (SEAGRO) pela acolhida a esta proposta e por divulgar a área da
demografia através deste livro-texto.
Neir A. Paes
Departamento de Estatística
Universidade Federal da Paraíba – Campus I
Julho, 2009
vii Apresentação
Apresentação
Ainda que o tema central deste livro-texto seja a demografia formal, mais
especificamente aquela que lida com as características mensuráveis das variáveis da demografia,
ela está fortemente associada com a estatística. A interação destas disciplinas possui um arsenal
muito importante de procedimentos e métodos para o estudo da saúde e fenômenos biológicos
das populações humanas. A articulação destes instrumentais tem uma aplicação ampla e
possibilita, entre outros, a medição dos níveis e dos padrões da mortalidade, natalidade,
fecundidade e reprodução.
Este livro-texto propõe-se a informar, atualizar, solidificar e mesmo oferecer um primeiro
contato com uma temática ainda pouco explorada em nosso meio. Articula a teoria com exemplos
práticos e atualizados enfocando com dados empíricos os movimentos populacionais biológicos
das realidades brasileiras.
Está voltado para proporcionar aos estudantes, pesquisadores e demais interessados os
meios e conhecimentos básicos e específicos da Demografia Estatística da Saúde, abordado em
uma perspectiva multidisciplinar, teórico-metodológica e empírica. Procura, ainda, dialogar com a
realidade social brasileira e com a produção científica na área em âmbito nacional e internacional.
Ênfase é dada ao desenvolvimento do comando sobre as principais técnicas e modelos de análise
demográfica estatística contextualizados pelas interpretações teóricas dos resultados obtidos em
termos dos fenômenos vitais. A proposta didática procura um equilíbrio entre métodos e técnicas e
elementos interpretativos estatísticos, de um lado e, de outro, entre uma demografia
contemporânea e aberta às tendências futuras da saúde da população e a perspectiva histórica.
Procura, assim, construir uma base de conhecimentos demográficos-estatísticos com ênfase na
saúde.
Existem procedimentos demográficos estatísticos que são de importância, mas por
envolverem recursos computacionais mais avançados foram evitados e apenas, brevemente,
apresentados neste livro-texto, quando pertinentes. Todos os dados presentes nos exemplos e
exercícios são baseados em estatísticas reais observadas para regiões do Brasil e teve-se uma
preocupação com a atualização e a diversidade. No entanto, as situações exemplificadas não são
discutidas, confrontadas ou mesmo contextualizadas em modelos explicativos, já que a proposta
deste livro-texto é a de ser primordialmente informativa e conceitual.
O material está organizado em sete capítulos. O primeiro, discorre sobre o campo e
objeto da demografia, a interação entre demografia-estatística-saúde, introduz as variáveis
básicas da demografia, bem como apresenta os componentes da dinâmica global da população.
No segundo, são enfocadas as principais fontes das informações demográficas no país e os
principais problemas com a quantidade e a qualidade dos dados. Os capítulos três e quatro estão
dedicados ao tema da mortalidade e o quinto à fecundidade e à reprodução. No capítulo seis, os
principais métodos matemáticos de projeções populacionais são abordados e no sétimo, são
apresentados alguns procedimentos para estimação dos erros e a completude nas estatísticas
vitais.
1 Campo, Objeto e Métodos da Demografia
1.1. A demografia como campo do conhecimento: a progressiva maturação da
complexidade do seu objeto de estudo
1.2. A demografia definida
1.3. Tamanho e composição da população
1.4. A dinâmica global da população
1.5. Tipos de população
1.6. Crescimento populacional e seus componentes
1.7. Medidas demográficas estatísticas
1.8. A estrutura das taxas demográficas
1.9. Tempo de duplicação de uma população
1.10 Conceito de coorte
1.1 A demografia como campo do conhecimento: a progressiva maturação da

complexidade do seu objeto de estudo
O interesse com respeito ao conhecimento do número de habitantes de uma determinada
área geográfica já tem uma longa história. Não obstante, do modo como se concebe esta questão
na atualidade, o estudo da população ou demografia remonta, ainda que de modo escasso,
durante os séculos XVII e XVIII e emerge como ciência. Foi somente em 1855, que o termo
demografia foi aparentemente cunhado pela primeira vez por Achille Guillard. Seu nome se origina
da palavra Grega demos, significando “as pessoas” e graphein, significando “estudo” (Hauser e
Duncan, 1975).
Entendendo ciência como um corpo de conhecimento empírico-sistemático, a demografia,
a ciência da população, é um campo de estudo que se situa na interseção das ciências sociais e
biológicas. A demografia é uma ciência de observação cujas características permitem diferencia-la
das chamadas ciências experimentais. Como disciplina1 possui um escopo teórico bem articulado,
bem como um conjunto de técnicas especializadas para a coleção e análise de dados.
Na estatística, usualmente a palavra população indica um conjunto de elementos ou
agregados com características comuns. Neste sentido, a demografia comparte com a estatística
do objeto de estudo, com a diferença de que se refere a um conjunto existente de organismos, e
explicitamente de seres humanos. Em um sentido abstrato e geral, o estudo das populações
humanas pode ser considerado (como tem sido defendido por algumas correntes de biólogos)
como parte de um único campo de investigação que compreenderia a todas as formas de
coleções ou agregados orgânicos em todos seus níveis.
¹A palavra “disciplina” é usada aqui no sentido de um campo de estudos. Esta denominação não implica que ela seja tratada como uma “escola” ou
“departamento” distinto, ou mesmo como uma “matéria” dentro da estrutura de uma universidade. Isto é assunto de conveniência acadêmica.
10 Demografia Estatística da Saúde ∗ N. A. Paes
A separação é feita, então, ao estabelecer uma distinção entre “análise demográfica” e

“estudos da população”. Segundo Hauser e Duncan (1975), a análise demográfica se restringe a
investigar os componentes da variação da população e suas mudanças; a explicação esgota-se
nas inter-relações internas que se estabelecem com as variáveis demográficas. Os estudos da
população se ocupam não somente com as variáveis demográficas, mas também com as relações
que existem entre as mudanças na população e outros tipos de variáveis que envolvem
dimensões tais como: sociais, econômicas, biológicas, geográficas, políticas, genéticas,
ecológicas, etc.
Concebendo o alcance da demografia além de seus limites de “análise demográfica”, ela
passa a interagir com outras disciplinas que têm por objeto de estudo as populações humanas.
Deste modo, ela está estreitamente vinculada a uma ampla variedade de especialidades
científicas e práticas.
A demografia aparece como uma resposta científica a um conjunto de questões
relacionadas com a descrição da população humana. Além disso, esta disciplina trata de aspectos
como: o ordenamento espacial da população, a alteração de estruturas familiares, as
consequências do envelhecimento demográfico no futuro da seguridade social, a composição da
população ativa, as necessidades e a localização de equipamentos sociais. A demografia contribui
também para a resolução de algumas questões importantes em outras áreas científicas. Por
exemplo, o planejamento dos recursos humanos, a questão ambiental, a saúde pública, educação
e as projeções demográficas.
Note-se que cada uma das disciplinas que empregam dados sobre população pode
elaborar sua própria versão do que se entende por “teoria da população”. Na percepção de
Houser e Duncan (1975), a integração de todos estes corpos de teorias somente ocorrerá quando
todo ou grande parte do espectro das ciências sociais e da vida se encontre integrado, o que será
pouco provável que ocorra ao curto prazo. Devido à diversidade e complexidade dos problemas
técnicos associados à utilização de dados sobre população, obriga a que os estudiosos tenham
uma posição bem demarcada. Assim, a posição que se coloca aqui é a de que o nome “estudos
da população” designa um campo ou corpo de matérias que são de interesse comum a várias
disciplinas teóricas e as quais se aplicam técnicas de análise demográfica.
A demografia guarda um vínculo mais estreito com algumas ciências. Nas ciências
naturais: a biologia, a zoologia, a geografia, a antropologia física e a ecologia, e dentro das
ciências sociais: a sociologia, a economia, a política e a história. Nas ciências exatas: a
matemática e a estatística, que lhe empresta instrumental formal para suas análises.
1.1.1 Demografia e estatística

A natureza quantitativa dos dados demográficos e seus métodos se prestam facilmente a
um diálogo estreito com a estatística.
Além de compartir o objeto de interesse comum de estudo – a população humana – como
já salientado, a demografia guarda com a estatística outras relações importantes. A primeira,
como ciência observacional, em efeito, depende da observação e do registro de sucessos que se
verificam no mundo exterior. Para a demografia, os dados estão vinculados a datações no tempo
e no espaço e os métodos incluem: a metodologia geral da ciência, aspectos relevantes da
estatística-matemática e técnicas das ciências com as quais ela está vinculada. Ademais, lhe são
Campo, Objeto e Métodos da Demografia 11
próprias todas as técnicas específicas que foram desenvolvidas para atender aos processos da
dinâmica demográfica.
Em busca do rigor na medição dos fenômenos demográficos foi desenvolvido um vasto
conjunto de métodos e técnicas de análise, próprios da ciência demográfica, o que veio reforçar
ainda mais a construção do objeto de estudo da demografia.
Do ponto de vista dos procedimentos para o planejamento da coleta e tratamento dos
dados, interage com a estatística nas etapas: coleta, validação, organização, sistematização,
ajuste, estimação, análise e interpretação, incluindo predições e projeções.
Os métodos empregados para avaliar, ajustar, corrigir e estimar dados ou indicadores
representam uma boa parte do arsenal metodológico da demografia. Eles foram desenvolvidos
devido às imperfeições dos sistemas de coleta que implicam em insegurança e baixa
confiabilidade das informações coletadas sobre a população que se pretende trabalhar. Por isso, a
obtenção de melhores resultados requer a precaução, delimitando generalizações dentro de
margens admissíveis de erros impostos pelos dados ou por um ajuste ou correção dos dados de
modo que permitam extrair generalizações válidas dentro do alcance desejado.
Neste sentido, destaca-se o grande progresso alcançado na amostragem das populações
humanas. A teoria da amostragem se desenvolveu em grande parte para atender a necessidade
de se dispor de um método indutivo por meio do qual, se façam inferências sobre a composição e
dinâmica da população através de uma fração pequena de membros dessa população. Muitas das
aplicações práticas da amostragem requerem a elaboração de desenhos especialmente
adaptados ao estudo demográfico da população humana. Entre elas, de considerável interesse,
são as postulações específicas referentes à amostragem de “populações finitas”, desenvolvidos
com o propósito de aplicar rigorosamente a teoria da probabilidade à amostragem de populações
humanas, e que se distinguem daqueles postulados referentes à “populações infinitas”, que se
adéquam ao estudo, por exemplo, dos experimentos e ensaios clínicos das ciências naturais ou
dos jogos de azar. Deduz-se, assim, a existência de uma relação de interação entre a teoria da
amostragem – a estatística - e a demografia ao ponto em que os avanços de uma delas
impulsionam o crescimento da outra.
Para a validação dos dados, métodos específicos foram desenvolvidos tanto pela
demografia como pela estatística para avaliar a coleta de dados (censitários, amostrais ou
registros contínuos), o tratamento, a cobertura, a comparabilidade e a qualidade das informações
obtidas, com o propósito de evidenciar sua confiabilidade, validade e precisão.
Ademais das técnicas gerais da estatística descritiva e da inferência estatística, a
demografia se expandiu com a criação e a adaptação de métodos, aplicando-os a vários
problemas da análise demográfica. Para o estudo da “população estática”, os demógrafos fazem
uso de boa parte da estatística descritiva, de algumas taxas especiais e de certos recursos
gráficos. Entre outros, menciona-se os seguintes procedimentos: razão de sexos, razão de
dependência, índice de envelhecimento e pirâmide etária. Para a análise da dinâmica da
população, a demografia desenvolveu um conjunto amplo e detalhado de taxas para medir os
sucessos vitais ou dos componentes da variação da população, tais como a natalidade,
mortalidade, morbidade, nupcialidade e migrações.
As taxas demográficas são concebidas para medir e captar as variações populacionais e
são calculadas como aproximações formais de probabilidade a posteriori. Em um de seus
procedimentos – cálculo da taxa de mortalidade, como parte-chave da construção de uma tábua
de vida – os esforços realizados procuram se aproximar o máximo possível à verdadeira

probabilidade a posteriori (ver o processo de construção de uma tábua de vida no Capítulo 4).
Na demografia comparativa dos fenômenos demográficos no tempo e no espaço, há que
levar em conta as composições por sexo e por idade das populações envolvidas. Nesta situação,
ao comparar taxas de mortalidade entre populações, por exemplo, foram desenvolvidas ou
adaptadas técnicas de padronização, conhecidas como diretas ou indiretas.
Outro ponto de estreitamento entre a demografia e a estatística-matemática está
relacionado com prognósticos e projeções populacionais, tanto quanto ao seu tamanho quanto às
taxas relativas aos seus componentes dinâmicos. Técnicas analíticas podem ser utilizadas como
formas empíricas de projeções dos componentes, formas de extrapolação matemática e
combinações das duas anteriores. Com respeito à primeira, os movimentos vitais e mobilidades
espaciais são ferramentas usadas na demografia pelo método demográfico de projeções dos
“componentes” e as estimações por razões para estimar tamanhos de populações.
1.1.2 Demografia e Saúde
As condições de saúde de uma região estão intimamente relacionadas à dinâmica

populacional. O status de saúde de uma população envolve tantas dimensões, classificações e
medições, bem como as interações entre estas, que padrões e tendências não podem ser
facilmente identificáveis. Maas (2002) considera que se o nível de saúde de uma população é
definido como a quantidade e a distribuição da morbidade, mortalidade e deficiência (física ou
mental) em uma população, as medidas sumárias terão que incluir esses três aspectos da saúde
das pessoas. Nesta mesma direção, Yunes (1980) aponta que os níveis de saúde afetam não
somente a morbidade, mas também todos os componentes da dinâmica populacional, ou seja, os
níveis da mortalidade, fecundidade e ainda sobre os fluxos migratórios.
O caráter do binômio população-saúde exige uma inter-relação, na qual os estudos dos
problemas de ambos devem ser objetos de estudos inderdisciplinares, nos quais a demografia
ocupa um lugar dos mais relevantes. Para Yunes (1980) a demografia desempenha na saúde uma
importante função em pelo menos três dimensões:
1) No planejamento e avaliação dos serviços de saúde;

2) Nas relações entre variáveis demográficas e de saúde;
3) Nos estudos epidemiológicos.
No planejamento dos serviços de saúde, a combinação de variáveis demográficas permite

que se calculem medidas globais e específicas, como os coeficientes de mortalidade geral, de
mortalidade infantil, de mortalidade proporcional por causas e expectativa de vida, entre outros. A
determinação desses medidores do estado de saúde de uma população se constitui em
importantes subsídios para a elaboração de diagnóstico das condições de saúde. Contribuição
igualmente importante é dada pelos estudos de morbidade através, por exemplo, de taxas de
incidência e prevalência de doenças e de deficiências física e mental da população.
O padrão quantitativo e qualitativo das necessidades de recursos para o setor saúde pode
ser beneficiado pela medição da proporção da população por tipo de equipamento, do número de
leitos e médicos por mil habitantes, cobertura da população atendida por redes de abastecimento
de água e esgoto, etc.
No plano das políticas de saúde, o conhecimento da distribuição espacial da população, da

intensidade dos condicionantes dos fluxos migratórios, por exemplo, representam elementos
importantes para determinar os mecanismos da organização da assistência médico-sanitária mais
adequada em termos de prioridades populacionais no espaço.
A aferição de índices e taxas de natalidade, fecundidade e mesmo nupcialidade permite
avaliar e dimensionar a demanda por serviços pré-natais e oferta de leitos maternos e infantis de
uma população.
O estudo das relações entre variáveis demográficas e de saúde propicia informações
relevantes para integrar a higiene materno-infantil nos programas de saúde. Exemplos dessas
relações são encontrados no comportamento da nati-mortalidade e a mortalidade infantil em
relação à paridade (sucessão de partos), à idade materna e ao espaçamento entre os
nascimentos. A mortalidade materna está estreitamente vinculada a um conjunto de fatores como
o tipo de parto, a assistência pré-natal, o peso ao nascer, a idade da mãe, etc.
Nos estudos epidemiológicos a demografia interage fortemente na análise e interpretação
dos dados relativos às doenças. A mortalidade por causas e os estudos de riscos competitivos,
por exemplo, apresentam grandes contribuições que se estendem aos planos e programas que
envolvem os processos econômicos e sociais.
1.2 A demografia definida

O Dicionário Demográfico Multilíngüe (IUSSP, 1982) define “demografia” como "o estudo
científico das populações humanas, principalmente no que diz respeito ao seu tamanho, estrutura
e desenvolvimento”. Autores como Newell (1988) argumentam, no entanto, que definições tão
amplas como esta ou mais estreitas, produzem certas anomalias já que podem incorrer na
omissão de alguns tópicos que usualmente são considerados como parte do campo de estudo da
demografia, enquanto outros, podem cair no campo da sociologia, economia, estatística e muitas
outras ciências. Um exame das múltiplas definições formais da demografia reflete a evolução que
o conceito teve no tempo. Em sua maioria, elas dizem o mesmo (por exemplo: Pressat,1985;
IUSSP, 1982; Hauser e Duncan, 1975) e em termos mais precisos possui o seguinte significado.
Demografia é o estudo:
1) do tamanho e composição das populações segundo diversos critérios (idade, sexo,

estado conjugal, nível educacional, distribuição espacial, etc.);
2) das mudanças nos processos dinâmicos da duração da vida e de seus componentes
(nascimento, morte, estado conjugal, migração, etc.);
3) do relacionamento entre a composição populacional e suas mudanças, e o amplo
ambiente social e físico no qual a população existe.
Desta maneira, a demografia descreve o tamanho e a composição da população. Ela

estuda as causas (ou determinantes) das mudanças no tamanho e na composição, bem como os
efeitos (ou consequências) do comportamento e tendências da população.
Conforme já colocado, na terminologia estatística, qualquer conjunto de elementos pode
ser chamado de população ou universo . Entretanto, quando utilizado em demografia, o termo
população se refere a todos os habitantes de uma determinada área, embora a palavra também
possa ser utilizada para designar apenas uma parte dos habitantes, como a população de
crianças em idade escolar, a população em idade matrimonial ou ainda o conjunto de habitantes

de um determinado grupo etário. O termo população se refere, em alguns casos, ao tamanho ou
ao número total de indivíduos em uma área.
Um outro ponto já colocado, é que a demografia é geralmente quantitativa e estatística,
embora alguns demógrafos também façam uso de métodos qualitativos (Kertzer e Fricke, 1997;
Bogue et al., 1993 ). No interesse da consição e do foco deste livro-texto, somente raramente, e
muito brevemente, se entrará no campo dos estudos populacionais, conforme tratado no início do
item 1.1 quando se fez a distinção entre “análise demográfica” e “estudos da população”. Aqui, o
foco central compreende o que se convencionou chamar de “demografia pura” ou “demografia
formal”, cujo interesse é voltado para a descrição, sumarização e manipulação das variáveis
demográficas concernentes à composição populacional e a dinâmica demográfica. O Dicionário
Demográfico Multilíngüe (IUSSP, 1982) define a “demografia formal” como “o tratamento das
relações quantitativas entre os fenômenos demográficos abstraindo-se de suas associações com
outros fenômenos” particularmente quando aplicados ao tamanho e estrutura da população. Ou
seja, contrasta com os “estudos da população” que engloba além destes, o tratamento das
relações com variáveis não demográficas, do campo social e econômico, entre outros.
1.3. Tamanho e composição da população
1.3.1. Tamanho absoluto, distribuição e densidade
Em uma população podem ser distinguidos três aspectos: tamanho absoluto, distribuição e
densidade. Uma população é composta por um conjunto de pessoas, as quais não se distribuem
de forma idêntica nos espaços geográficos. Países e regiões se diferenciam pelas suas
magnitudes populacionais, conforme pode ser observado na Tabela 1.1.
A distribuição geográfica pode ser avaliada ainda pelo conhecimento da densidade de
população, isto é, o número de habitantes por km2 (hab/km2) - (Tabela 1.1). Este valor, porém,
tomado em relação ao total da área estudada, pode não traduzir a verdadeira distribuição da
população, pois, esta, encontra-se mais aglomerada em certas zonas e mais dispersa em outras.
Esta situação é traduzida pelo coeficiente de localização. Para estudar a densidade populacional é
conveniente dividir o território em zonas menores - no caso de um país, podem adaptar-se as
divisões administrativas, no caso de uma cidade, pode considerar-se os bairros, etc.
A população pode ainda distribuir-se por aglomerados rurais e urbanos. A primeira reside
isolada no campo ou em pequenos núcleos. A segunda vive nas cidades ou em povoações de
certa importância. Geralmente estes dois grupos comportam hábitos, profissões, estruturas
sociais, exigências e atitudes diferentes. Sob o ponto de vista estatístico é necessário distinguir os
aglomerados urbanos e rurais, os quais têm sua demarcação legal estabelecida por lei.
O tamanho absoluto tem suas consequências. Por exemplo, as imensas populações dos
aglomerados urbanos de hoje têm diferentes problemas quando são comparados no tempo. A
China é detentora de mais de um bilhão e a Índia de um pouco mais de um bilhão de habitantes.
Em ambos casos, o tamanho populacional tem impactos imensos nas políticas e
desenvolvimentos culturais, sociais e econômicos nestas nações.
Tabela 1.1 Os vinte e sete países do mundo com as maiores populações absolutas em 2005
e respecivas densidades demográficas e a população com sua densidade dos estados do
Brasil em 2000 e 2005.
Densidade
População
Dens. Brasil e Demográfica
População
Rank Países Demogr. Unidades da
2005 2005
2005 Federação 2000 2000 2005
(estimada)
China 1.306.313.812 140,1 Brasil 169.799.170 184.184.074* 19,9 21,6

Índia 1.093.563.426 367,8 Rondônia 1.379.787 1.534.584 5,8 6,5
Estad. Unidos 295.583.436 32,3 Acre 557.526 669.737 3,6 4,5
Indonésia 228.895.076 125,3 Amazonas 2.812.557 3.232.319 1,8 2,1
Brasil* 188.993.079 22,3 Roraima 324.397 391.318 1,4 1,8
Paquistão 162.490.385 208,7 Pará 6.192.307 6.970.591 5,0 5,6
Bangladesh 148.020.694 1105,4 Amapá 477.032 594.577 3,3 4,2
Rússia 142.775.578 8,4 Tocantins 1.157.098 1.305.708 4,2 4,7
Nigéria 137.495.055 151,0 Maranhão 5.651.475 6.103.338 17,0 18,4
Japão 127.537.189 340,3 Piauí 2.843.278 3.006.886 11,3 12,0
México 106.202.903 55,2 Ceará 7.430.661 8.097.290 50,9 55,6
Filipinas 90.435.785 303,3 Rio Gr. Norte 2.776.782 3.003.040 52,2 56,6
Vietnã 83.535.576 256,7 Paraíba 3.443.825 3.595.849 61,1 63,8
Alemanha 82.431.390 236,0 Pernambuco 7.918.344 8.413.601 80,3 85,4
Egito 77.561.884 77,9 Alagoas 2.822.621 3.015.901 101,3 108,4
Etiópia 74.980.293 67,0 Sergipe 1.784.475 1.967.818 81,1 90,0
Turquia 72.673.810 94,3 Bahia 13.070.250 13.815.260 23,2 24,5
Irã 64.737.226 39,6 Minas Gerais 17.891.494 19.237.434 30,5 33,0
Tailândia 64.185.502 125,4 Espírito Sto 3.097.232 3.408.360 67,2 74,0
França 62.911.523 98,3 Rio Janeiro 14.391.282 15.383.422 328,0 351,2
Congo 60.473.510 26,7 São Paulo 37.032.403 40.442.820 149,0 163,0
Unit. Kingdom 60.441.457 250,2 Paraná 9.563.458 10.261.840 48,0 51,5
Itália 58.103.033 197,6 Sta Catarina 5.356.360 5.866.590 56,1 61,6
Corea do Sul 48.005.157 488,9 Rio Gr. Sul 10.187.798 10.845.002 36,1 38,5
África do Sul 47.483.447 38,9 Mato Gro. Sul 2.078.001 2.264.489 5,81 6,3
Ucrânia 46.959.420 77,8 Mato Grosso 2.504.353 2.803.272 2,77 3,1
Burma 46.595.675 70,8 Goiás 5.003.228 5.619.919 14,69 16,5
Total mundial 6.476.521.420 49,6 Distr. Federal 2.051.146 2.333.109 352,2 402,1
Fonte: (1) U.S. Census Bureau, International Data Base (1999).
(2) IBGE – Censo Demográfico 2000.
* Valores estimados por fontes diferentes (1) e (2)
A desigualdade de distribuição da população mundial é muito grande. A China e a Índia

juntas, representam aproximadamente 37% da população mundial, e se são agregadas a
população dos Estados Unidos, da Indonésia, do Brasil e da Rússia, estes seis países reúnem
cerca de 48% do total da população mundial. Os vinte países mais populosos reúnem 71% do
total da população do planeta (U.S. Bureau of the Census,1999).
A distribuição populacional também traz suas consequências. Os países menos

desenvolvidos, por exemplo, se defrontam com a disseminação desigual e extrema da
urbanização.
Um dos principais efeitos dos grandes e desiguais tamanhos populacionais relaciona-se
com as dificuldades em como lidar com as multidões e as regiões densamente povoadas. Se por
um lado, existem efeitos positivos, como o da facilidade na transmissão de conhecimentos e de
idéias, por outro, por exemplo, as doenças epidêmicas podem se propagarem mais rapidamente
em populações densamente povoadas.
1.3.2 Composição da população. A distribuição geográfica e a composição por sexo

e idades
A demografia estatística vai além da simples contagem populacional e da comparação de

números. Ela também se ocupa em saber sobre sua composição: quantas pessoas são do sexo
feminino? Quantas pessoas são consideradas idosas maiores de 60 anos? Quantas são
economicamente ativas? Questões como estas requerem desagregar a população em
características mais específicas. E, algumas são mais úteis que outras para as estratégias de
planejamento com os cuidados da saúde das pessoas, por exemplo. Características como sexo,
idade e identidades étnico-raciais são mais úteis que o peso do corpo, preferência a determinado
programa de televisão ou número de e-mails que as pessoas recebem por dia.
A alteração do tamanho e da composição de uma população está fortemente relacionada
ao contingente de pessoas que se move de um território a outro. Outro importante efeito diz
respeito aos elementos biológicos. Quando as pessoas de uma determinada geração crescer, elas
enfrentarão uma maior chance de morrer a cada ano. Muitas crianças de uma determinada cidade
se aproximarão da idade em que aumentarão as possibilidades de terem filhos. E, muitas
mulheres mudarão suas vidas, em parte, devido à gravidez. Desta forma, variáveis como
nascimento, morte e migração estão intrinsecamente relacionadas com a alteração do tamanho e
da composição populacional.
Muito embora a idade e o sexo sejam dimensões intrínsecas da composição de uma
população, muitas características sociais e econômicas também são usadas pelos demógrafos
para entender as atribuições dos papéis sociais. Por exemplo, os papéis sociais que as pessoas
desempenham podem ser influenciados por sua etnia/raça, nível educacional, ocupação e renda.
Os censos demográficos coletam informações sobre a composição econômica da população por
sexo e idade. Os governos identificam grupos vulneráveis para desenhar políticas específicas
para suas necessidades e características destes grupos.
Idade e sexo são as dimensões mais estudadas universalmente na composição
populacional, porque mudam de modo previsível, estão relacionadas com o comportamento
demográfico e são inerentes aos papéis sociais desempenhados pelos indivíduos.
Com propósito de síntese, são especificadas as principais variáveis demográficas:
tamanho da população; distribuição por sexo, idade, raça/cor e estado conjugal; distribuição
espacial da população por lugar de residência atual, anterior e de origem; nascimento e morte.
1.4. A dinâmica global da população

Os conceitos introduzidos anteriormente se referem às descrições populacionais em um
dado momento. Claramente, isto é apenas o começo, já que as populações evoluem no tempo.
Na verdade, descrever uma população no presente ajuda a entender acerca do futuro desta
população. Desta maneira, a estrutura por idade e sexo condiciona a evolução de uma população,
no sentido do seu crescimento ou não. A estrutura por idade e sexo, de uma população em um
determinado momento, é o resultado de um efeito conjunto dos nascimentos, das mortes e dos
movimentos migratórios decorridos durante um longo período anterior. Os países e as regiões se
diferem substancialmente uns dos outros quanto à estrutura por idade e sexo e, mesmo dentro
deles, estão presentes as diferenças locais. Os fatores que levam a estas diferenças decorrem da
intensidade do movimento das entradas (nascimentos e imigrações) e das saídas (óbitos e
emigrações) ocorridos na população. Na população, estes são considerados como fatores
dinâmicos, enquanto os primeiros, a estrutura por idade e sexo, como fatores estáticos. Os fatores
dinâmicos da população caracterizam as três colunas-mestras que fundamentam seu movimento,
conhecidos na demografia como: natalidade, mortalidade e migração.
É preciso considerar que a estrutura da população por idade e sexo não exerce um efeito
apenas nos componentes da dinâmica da população, mas também por se constituírem em
variáveis estáticas extremamente relevantes nas dimensões sociais, econômicas e culturais.
Outra denominação dada para a composição da população por idade e sexo é conhecida
na literatura demográfica como “estrutura populacional”. Vários são os recursos técnicos utilizados
para sua exploração, alguns deles já são bastante familiares. Distribuições de freqüência,
distribuições percentuais, razões e gráficos que fazem parte do escopo da estatística descritiva.
Entre os indicadores mais usuais se encontram: mediana das idades, razão de dependência,
índice de envelhecimento e pirâmides etárias. Suas aplicações aqui poderiam se constituir em
uma simples revisão para alguns leitores ou em uma etapa dispensável. De todos os modos, ao
leitor mais interessado, a literatura da demografia estatística é vasta quanto ao uso dessas
aplicações (Santos et al., 1980; Carvalho et. al., 1994; Siegel e Sanson, 2004; United Nations,
1983; Newell, 1988; Yaukey e Anderton, 2001; Preston et. al. 2002; Spiegelman, 1968).
1.5 Tipos de população

As populações possuem características que podem variar no tempo dependendo do
comportamento dos componentes de sua dinâmica, de seu ritmo de crescimento. Neste sentido, é
útil distinguir alguns tipos de população e modelos mais usados na demografia. Dois importantes
modelos demográficos deram grande impulso para estudar os processos populacionais:
população estável e população estacionária (Lotka, 1922; Smith e Keyfitz,1977). Destacam-se, a
seguir, os seguintes tipos de população:
Tipo Progressivo - que apresenta um número crescente de nascimentos ano a ano.

Tipo Regressivo - que apresenta um número decrescente de nascimentos ano a ano.
Tipo Estável - que apresenta leis invariáveis de mortalidade e de fecundidade, segundo a
idade ao longo do tempo e a não existência de migração, o que traduz uma taxa de nascimento
constante e uma estrutura por idades invariável.
Tipo Estacionário – é um caso especial de população estável que apresenta uma taxa de
crescimento nula.
População Fechada - quando a estrutura é mantida ou alterada apenas pelos nascimentos
e óbitos, ou seja, ela não é afetada por migrações externas. Neste caso, as modificações são de
três tipos: aumento através dos nascimentos, diminuição através dos óbitos, e envelhecimento de
todos os sobreviventes.
População Aberta - quando além de incorporar os componentes da população fechada
está sujeita aos fenômenos migratórios, tanto de entradas como de saídas de indivíduos de
diferentes idades.
1.6 Crescimento populacional e seus componentes

Por “crescimento” se entende na demografia como uma mudança no tamanho da
população, não importando se ele é positivo ou não. A quantidade do crescimento obtida, desta
forma, é o resultado da subtração de alguma contagem populacional inicial (P0) de outra contada
posteriormente (Pn). A diferença obtida, claramente, será positiva ou negativa. Muitos países em
desenvolvimento estão experimentando um crescimento positivo, enquanto muitos desenvolvidos,
um crescimento negativo.
A questão que se segue é indagar sobre as causas imediatas do crescimento populacional.
Ou seja, que fatores, poderiam alterar o tamanho da população de P0 e de Pn? O senso comum
tem a resposta para esta pergunta. Considerando, inicialmente, que uma população seja fechada -
a população mundial, por exemplo - somente há uma maneira de entrar nela: nascendo. Por outro
lado, somente há uma maneira de sair dela: morrendo.
Considerando uma população em dois momentos determinados no tempo (t), a trajetória
entre a população inicial (P0) e a atual (Pn) pode ser representada pela equação básica do
crescimento populacional:
Pn − P0 = N t − Ot
A grande maioria das populações, no entanto, não é fechada. Ou seja, as pessoas podem
ir e vir de uma determinada região. Desta maneira, em uma população aberta, existem quatro – e
somente quatro - modos no qual uma população de uma área pode aumentar ou diminuir sua
população: entrada (nascimentos e imigrantes) e saída (mortes e emigrantes). Assim, a equação
básica do crescimento populacional é ampliada:
Pn − P0 = N t − Ot + I t − Et (1.1)
onde:
Pn = população em um instante n;
P0 = população inicial, instante 0;
N t = nascimentos no período t;
Ot = mortes no período t;
It = imigrantes no período t;
Et = emigrantes no período t;
Período t (t = n – 0).
A unidade de tempo nesta equação é o número de anos. Desta forma, o período de tempo
no qual nascimentos, mortes e migrações ocorrem é dado por t anos. t, no entanto, pode ser
fracionado e não necessita ser um número inteiro.
A diferença entre nascimentos e mortes ( N t – Ot ) é chamada de crescimento natural da
população. Assim, em uma população fechada, o crescimento populacional é determinado pelo
crescimento natural. A este tipo de crescimento, alguns autores usam uma expressão alternativa
conhecida como crescimento vegetativo. Em um exercício de projeção realizado pelo U.S. Bureau
of the Census (1999) em média por minuto, ocorreram, cerca de, 249 nascimentos e 103 mortes
no mundo no ano 2000. Esta diferença resultou em um crescimento natural ou crescimento da
população mundial, aproximadamente de 146 pessoas por minuto.
Por migração líquida ou saldo migratório se entende a diferença entre o número de
imigrantes (entrada) e de emigrantes (saída) em um mesmo território, podendo ser obviamente
positiva como negativa. Desta forma, a equação básica do crescimento populacional é resultado
da soma de dois componentes: crescimento natural e migração líquida. A equação, então, pode
ser reescrita como:
Crescimento populacional = crescimento natural + migração líquida
O saldo negativo de um desses dois componentes pode ser compensado ou superado

pelo outro. Uma situação encontrada em muitos países europeus na atualidade, por exemplo, é
que o saldo positivo migratório compensa positivamente o saldo negativo do crescimento natural,
levando a que estes países tenham um crescimento populacional positivo.
Algumas vezes a equação básica do crescimento populacional também é chamada como
equação do balanceamento, ou ainda, equação do balanço demográfico, já que esta é uma
característica da equação que raramente balanceia exatamente. Se a uma população de um
censo for adicionado o crescimento natural e a migração líquida ocorrida durante o período inter-
censal, nunca dará exatamente a população recenseada no próximo censo. A identidade da
equação básica pode ser desbalanceada pelos erros nas medições de um dos seus componentes,
a menos que dois ou mais erros se neutralizem em suas magnitudes. Estes erros são indicadores
sensíveis da consistência e qualidade dos dados demográficos. Eles são, na verdade, mais
comuns do que se poderia imaginar à primeira vista e eles se constituem em um dos grandes
complicadores nas estimativas dos indicadores derivados das estatísticas vitais no mundo e dos
censos demográficos, principalmente nos países com sistemas de estatísticas precárias. Estes, no
entanto, são problemas existentes mesmo em sociedades altamente desenvolvidas.
1.7 Medidas demográficas estatísticas

Boa parte dos dados demográficos é representada na forma de freqüências tanto das
variáveis quantitativas como das qualitativas ou discretas. As estatísticas usadas para manusear
tais dados são em geral razões, proporções e taxas. Estes recursos metodológicos permitem
comparações eliminando diferenças devido aos tamanhos diferentes nas populações envolvidas.
Uma razão é simplesmente qualquer número dividido por qualquer outro número. Um
exemplo é a razão de sexo, indicador demográfico usualmente medido pela razão entre o número
de homens pelo número de mulheres em uma dada população, expressa por 100.
Uma proporção é um tipo especial de razão na qual o numerador está incluído no
denominador. Isto é, tem a forma:
 x 
Pr oporção =  
x+ y 
Por exemplo, a proporção da população do sexo feminino será o número de mulheres

dividido pelo total de homens e mulheres em conjunto. A proporção pode somente variar entre 0,0
e 1,0. Esta medida é, em geral, expressa em percentagem que se obtém multiplicando o valor
obtido por cem, cujo campo de variação se situa de 0% a 100%.
O termo taxa é usado em muitas áreas e seu significado não é muito uniforme. Uma taxa
de desemprego, por exemplo, é simplesmente uma proporção das pessoas desempregadas pelo
total da força de trabalhadores, no caso, a população em idade ativa (PIA) em certo momento do
tempo. Na demografia, taxas são normalmente (mas não invariavelmente) entendidas do modo
como é conhecido na linguagem estatística: taxas de “ocorrência/exposição”. A taxa é o
instrumento de medida mais usado na análise demográfica.
A taxa também é um tipo especial de razão. Em sentido estrito o numerador da taxa é o
número de eventos, tais como nascimentos ou óbitos, ocorridos em um determinado período de
tempo. Embora um período de tempo possa acomodar qualquer intervalo, é importante especificar
alguma referência. Uma prática demográfico-estatística convencional é expressar a exposição ao
evento decorrido durante o período de um ano, ou seja, em taxas anuais. O denominador é uma
estimativa do número de “anos-pessoas expostas ao evento considerado” durante o período em
questão. Nesta definição é preciso especificar o período de tempo a ser considerado. As taxas em
demografia são usadas na maior parte das vezes por períodos de um ano. Isto significa que o
número de anos-pessoa exposto ao evento pode geralmente ser aproximado à população
existente no meio do ano. A forma mais convencional da taxa “ocorrência/exposição” na
demografia toma a seguinte forma:
Número de ocorrências do evento

Taxa =
Número de anos - pessoa expostas ao risco de ocorrência do evento
Por exemplo, considerando a taxa anual de mortalidade, cada pessoa que sobrevive em
um ano completo, contribuirá um ano para o número total de anos expostos ao evento, enquanto
que aquelas pessoas que morrem durante o ano, só contribuirão para uma fração desse mesmo
ano. Esta fração será, em média, metade do ano considerando que as pessoas morrem ao longo
do ano. Assim, o número total de anos expostos ao evento será dado pelo somatório destas
frações que são a contribuição daqueles que sobreviveram, ou seja, a média da população total
durante um ano que contribuiu para o total da exposição ao evento durante um ano. Assim a
média da população será normalmente aproximada à população total no meio do ano. Isto explica
porque é que as estatísticas que os serviços produzem anualmente são calculadas em relação ao
meio do ano em vez do início do ano.
Uma taxa é comumente expressa pelo número de eventos ocorridos para cada n pessoas.
Uma convenção comum consiste em multiplicar por 1.000, o qual permite que a taxa seja
interpretada pelo número de eventos para uma população de 1.000 pessoas. Uma taxa expressa
deste modo parece bastante razoável para nascimentos, mortes e migrantes. No entanto, a base
de referência pode ser mudada para ser expressa em termos de n=1 pessoa, como uma
porcentagem para cada n=100 pessoas, ou, para eventos raros, por 100.000 pessoas.
Chama-se à atenção, no entanto, que muitas medidas comumente designadas como
taxas na demografia são estritamente razões, proporções ou outros índices. Por exemplo, a
conhecida “taxa bruta de natalidade” é, na verdade, uma razão, porque além das mulheres em
idade fértil no seu denominador são incluídos idosos, crianças e homens, nenhum deles em risco
de dar à luz uma criança.
1.8 A estrutura das taxas demográficas

O adjetivo “bruta”, na demografia, é usualmente acrescentado ao termo “taxa”, resultando
em “taxa bruta”. Esta expressão é justificada pelo fato de que nem todas as pessoas de uma
população estão igualmente submetidas ao risco de morrer, ou de produzir um nascimento, ou de
migrar. As taxas brutas fornecem uma rápida e, para muitos propósitos, adequada medida para
refletir os processos demográficos. Deve ser distinguido o termo “taxa bruta” de uma “taxa
estimada”, sendo esta última utilizada para estimar o valor da verdadeira taxa.
Pode-se observar que a equação básica do crescimento populacional, especificada em
(1.1) foi expressa em números absolutos. Se cada termo desta equação for dividido pela
população no meio do ano, Pm, ou seja, o número de anos-pessoas vividos na população em um
intervalo de tempo t, a nova equação resultante será:
Pn − P0 N t Ot I E
= − + t − t
Pm Pm Pm Pm Pm
Assim, cada um dos termos se torna uma taxa bruta. Evidentemente, que se pode
multiplicar cada termo por 1.000 para expressá-los por 1.000 pessoas. Desta maneira, cinco taxas
brutas são definidas durante um intervalo de tempo de 0 a t:
Taxa bruta de crescimento (r)
Pn - P0 Diferença entre o número de pessoas no início e final do período de 0 a t

r= =
Pm População no meio 1do ano do período de 0 a t
Taxa Bruta de Nascimento (TBN)
Nt Número de nascimentos no período de 0 a t

TBN = =
Pm População no meio do ano do período de 0 a t
Taxa Bruta de Mortalidade (TBM)
Ot Número de óbitos no período de 0 a t

TBM = =
Taxa Bruta de Imigração (TBI)
It Número de imigrantes no período de 0 a t

TBI = =
Taxa Bruta de Emigração (TBE)
Et Número de emigrantes no período de 0 a t

TBE = =
Consequentemente,
Taxa de Crescimento Natural (TCN)
Nt - Ot Diferença entre a TBN e TBM

TCN = =
Taxa Líquida de Migração (TLM)
I - Et Diferença entre a TBI e TBE

TLM = t =
Pm População no meio do ano do período de 0 t
Assim, a equação básica do crescimento populacional pode ser reescrita em símbolos

como:
r = TBN - TBM + TBI - TBE
ou ainda,
r = TCN + TLM
em palavras,
Taxa Bruta de Crescimento = Taxa de Crescimento Natural + Taxa Líquida de Migração

Como exposto, ao longo do tempo o número de habitantes de um determinado espaço

geográfico modifica-se. Uma população não tem sempre o mesmo número de habitantes. Ela
evolui a um determinado ritmo (que pode ser diferente dependendo do período):
• Se o crescimento for positivo ( Pn ≥ P0 ): a população aumenta;

• Se o crescimento for negativo ( Pn ≤ P0 ): a população diminui;
• Se o crescimento for nulo ( Pn = P0 ): a população permanece a mesma.
Considerando a população para 1º de julho de 1980 e de 1990, o incremento total no

período é o resultado da interação entre os componentes demográficos, conforme visto. A
Fundação IBGE (2008) em sua revisão sobre as projeções e retroprojeções da população do
Brasil em 2008 divulgou os resultados da avaliação dos indicadores de crescimento demográfico
que se encontram na Tabela 1.2.
Tabela 1.2 Estrutura conciliada da população, segundo os indicadores

do crescimento demográfico no período 1980 - 1990, no Brasil
População e indicadores de crescimento

Estrutura conciliatória
demográfico
População 1980 120.739.405
População 1990 149.133.177
Incremento total 28.393.772
Óbitos entre 1980 e 1990 7.652.536
Nascimentos entre 1980 e 1990 36.046.308
Óbitos médios entre 1980 e 1990 765.254
Nascimentos médios entre 1980 e 1990 3.604.631
População média entre 1980 e 1990 134.187.373
Taxa bruta de natalidade (%o) 26,86
Taxa bruta de mortalidade (%o) 5,70
Taxa de crescimento natural (%) 2,12
Taxa média geométrica de crescimento anual (%) 2,13
Fonte: IBGE, Censo Demográfico 1970/2000 e Contagem da População 1996/2007;
Diretoria de Pesquisas, Coordenação de População e Indicadores Sociais, Projeções e
Retroprojeções da População do Brasil.
Nesta mesma publicação, o IBGE considerou nulo o saldo migratório internacional, para a
década de 80, mesmo considerando que possa haver um balanço negativo entre entradas no País
e saídas para o exterior com o propósito de fixar residência. O IBGE considera que o saldo
afetaria residualmente os efetivos populacionais projetados. Entre os argumentos colocados, faz
menção ao trabalho de Carvalho e Campos (2007), os quais estimaram em -550 mil pessoas o
saldo migratório internacional (ou seja, negativo), correspondente à população de 10 anos ou mais
de idade, para a década de 1990. Destes, 53,5% eram referentes à população masculina e 46,5%,
ao segmento feminino. Assim, para efeitos de magnitude estatística, em termos médios, este
saldo representaria algo menos do que 0,5% do total populacional médio da década – caso seja
considerada a mesma estimativas para a década de 80 - o qual pode ser considerado sem um
impacto importante no balanço compensatório da população brasileira da década de 80.
As taxas brutas expostas representam apenas uma classe particular de indicadores.
Outros tipos são encontrados na demografia. O Quadro 1.1 ilustra o cálculo para a taxa bruta de
crescimento.
Quadro 1.1 Cálculo da taxa bruta de crescimento.
Substituindo os valores correspondes na equação, obtém-se:
Pn - P0 N O I E
r= = t - t + t - t
Pm Pm Pm Pm Pm
ou seja,
149.133.177 - 120.739.405 36.046.308 - 7.652.536 0-0

r= = +
134.187.373 134.187.373 134.187.373
∴ r = 0,2116 ≅ 2,12% ,
o qual, corresponde à taxa de crescimento natural, já que o saldo líquido migratório

foi assumido como nulo.
Chama-se particular atenção para a definição apresentada para a Taxa Bruta de

Imigração, a qual não é muito acurada, desde que a conexão entre exposição e evento não é a
mesma. Nenhum membro de uma população está literalmente exposto ao risco de imigrar para
dentro desta mesma população, pois aqueles em risco estão todos fora da população. Como
qualquer definição, esta contém um elemento de arbitrariedade, de modo que o denominador
pode ser definido de outra maneira. O que a Taxa Bruta de Imigração expressa é a taxa para a
qual a população está crescendo como resultado da imigração.
1.9 Tempo de duplicação de uma população

A especulação sobre o futuro de uma população não é somente contemporânea, é da
natureza humana, no mínimo como uma curiosidade. Com certa freqüência, deseja-se saber
quanto tempo levará uma população para que dobre seu contingente. Este interesse serve para
vários propósitos, particularmente no planejamento, administração pública e organização de uma
sociedade em suas várias dimensões, sociais, econômicas, etc. Seja qual for o propósito, uma
resposta a esta questão é dada a seguir.
Se uma população dobra de tamanho entre o tempo 0 e o tempo t, adotando a terminologia
usada na equação (1.1), então (Pn / P0) = 2 e, assim:
P 
ln  n  = ln ( 2 ) = 0,693
 P0 
Uma população dobrará seu tamanho além de uma data inicial sempre que a soma de
suas taxas de crescimento além daquela data seja igual a 0,693. Assumindo que as taxas de
crescimento sejam constantes no tempo, r, a população dobrará sempre que o produto de r e t
(intervalo de tempo em anos) seja igual a 0,693.
Deste modo, assumindo uma taxa de crescimento constante r, tem-se:
0,693
Tempo de duplicação =
r
O Quadro 1.2 ilustra o tempo de duplicação. Este assunto é retomado no Capítulo 6 que
trata das projeções populacionais.
Quadro 1.2 Tempo de duplicação

Supondo uma taxa de crescimento anual de 0,05,
a população dobrará em:
0,693/0,05 = 13,9 anos.
Com uma taxa de crescimento constante de 0,01,
‘’a população dobrará em:
0,693/0,01 = 69,3 anos.
-0,693 0,693
Desde que e = 1/e ,
uma população será reduzida pela metade do seu tamanho inicial

sempre que a soma das taxas de crescimento anuais for igual a -0,693.
1.10 O conceito de coorte

Quase tão importante quanto o conceito de população da demografia é o conceito de
coorte. Uma coorte é o conjunto de todas as unidades que experimentam um particular evento
demográfico durante um específico intervalo de tempo. Como no caso de uma população, uma
coorte está definida em um espaço geográfico bem definido. Uma coorte geralmente consiste de
pessoas, mas ela pode também consistir de grupos populacionais formados por segmentos
específicos da população. Alguns exemplos de coorte seriam:
- Coorte de nascidos vivos do Brasil no ano de 1950, a qual se refere a todos os cidadãos
nascidos no Brasil durante o ano de 1970;
- Coorte de mulheres em idade fértil do estado da Paraíba em 2000, a qual se refere a

todas as mulheres de 15 a 49 anos de idade residentes na Paraíba no ano 2000;
- Coorte de pessoas legalmente casadas em 1980 do estado de São Paulo, diz respeito a
todos os casamentos civilmente registrados em São Paulo durante o ano de 1980;
- Coorte de imigrantes japoneses do Brasil de 1950, a qual diz respeito a todos os

imigrantes provenientes do Japão que vieram residir no Brasil durante o ano de 1950.
O tipo de coorte mais frequentemente encontrado na demografia é uma coorte de

nascimentos. Geralmente o período de tempo que circunscreve as pessoas de uma coorte não
tem que ser necessariamente de um ano. Pode-se considerar, por exemplo, como coorte de
nascimentos do Brasil, aqueles nascimentos ocorridos durante o período de 1950 a 1952. As
pessoas que nasceram em um mesmo período estão destinadas a compartilhar a vida juntas, no
sentido de que elas irão alcançar o x´ésimo aniversário durante um período de x anos além
daquele período definido como sendo o da coorte original. Para a coorte de imigrantes japoneses
que vieram a residir no Brasil durante o ano de 1950, todos irão atingir seu décimo aniversário
como imigrantes (assumindo que todos sobreviveram e que continuam vivendo no país) no ano de
1960, seu vigésimo aniversário, em 1970, e assim por diante.
Vale ressaltar que quando se diz que uma coorte foi formada referente aos nascimentos
ocorridos em um determinado ano, por exemplo, está-se assumindo que serão considerados
todos os indivíduos que nasceram em qualquer mês durante aquele ano. Sendo assim, para
calcular uma taxa para uma coorte, a contagem de indivíduos fica restrita à ocorrência e anos-
pessoas de exposição daqueles que nasceram durante o período que definiu os membros na
coorte. O conceito de coorte está presente na construção de vários indicadores na demografia,
como a expectativa de vida, taxa de fecundidade total e taxa de reprodução entre outros. Ao
construir estas e outras medidas, os demógrafos se apóiam no conceito de coorte, mas adaptam
este conceito ao lidar com dados que dizem respeito a um período. A principal adaptação é a
introdução do conceito de “coorte hipotética”. Este último conceito é o suposto primordial na
construção de uma tábua de vida que será vista posteriormente.
2 Fontes, Dados e Erros
2.1 Fontes contemporâneas das informações demográficas
2.2 Quantidade e qualidade dos dados
2.1 Fontes contemporâneas das informações demográficas
Os dados demográficos são produzidos por organismos que cobrem no tempo um território
levando em conta os sucessos vitais (nascimentos e mortes) ou os movimentos espaciais da
população (migrações). Poucos, na verdade, são coletados com propósitos exclusivamente
demográficos. A maior parte deles é produzida para, ou como, produto de atividades
administrativas levadas a cabo ou controladas pelos governos ou agências internacionais. Esta
função foi, por muitos séculos, exercida pelas organizações religiosas que serviam como coletoras
e mantenedoras das informações demográficas (Weinstein e Pillai, 2001; Nadalin, 2004). O campo
da demografia histórica faz grande uso dessas informações, cujos estudos contribuem
enormemente para o entendimento da trajetória e dos mecanismos explicativos das dinâmicas
populacionais das regiões.
Desta maneira, as fontes tradicionais diferem das fontes contemporâneas, tendo como as
mais relevantes os censos demográficos e os registros civis. Outras importantes fontes
administrativas incluem os controles dos movimentos migratórios, as campanhas de saúde
pública, os dados das representações ministeriais e pesquisas especiais, entre outros.
2.1.1 Censos
Os censos nacionais são os maiores geradores de informações demográficas atualmente,

os quais são realizados praticamente em todos os países do mundo. Os censos da população ou
inquéritos semelhantes ao censo, produzem o registro das pessoas em um dado momento, ou
seja, produz uma informação “fotográfica” transversal da população existente, o seu tamanho, a
sua estrutura, como ela é observada no momento do censo. No Brasil, o órgão responsável pela
realização dos censos é o Instituto Brasileiro de Geografia e Estatística - IBGE. Os
recenseamentos brasileiros foram realizados em 1872, 1920 e anos decenais a partir de 1940
(exceto o de 1990 que somente foi realizado em 1991). As bases de dados, além de outros meios
como CD-ROM e DVS, podem ser obtidas em www.ibge.gov.br.
Para as Nações Unidas (United Nations,1980), o recenseamento é um conjunto de
operações baseadas em registros para cada pessoa (individualidade), que permitem conhecer
todo o efetivo populacional (universalidade) de um território numa data precisa (simultaneidade),
com detalhes sobre a repartição dessa população por unidades administrativas e segundo um
número mais ou menos vasto de características (sexo, idade, residência, profissão, instrução,
habitação, etc.). e ser realizado em intervalos regulares (periodicidade).
Um censo é uma coleta de dados sobre a população levada a cabo de uma só vez em um
dado país e envolve etapas como: formulação de questionários, planejamento e organização de
equipes, processamento e análise dos dados e divulgação dos resultados. Segundo a definição
das Nações Unidas (United Nations, 1980), um censo é:
“O processo total de coleta, processamento, avaliação, análise e divulgação de dados

demográficos, econômicos e sociais referentes a todas as pessoas dentro de um país ou de uma
parte bem definida de um país em um momento específico”.
As Nações Unidas recomendam que os censos se realizem a cada década, de preferência

nos anos terminados em 0 e 1. O objetivo é, em primeiro lugar, obter informação em intervalos
regulares a fim de facilitar comparações ao longo do tempo e, em segundo lugar, tentar
sincronizar os censos de modo a poder comparar a informação obtida para diferentes países.
Nesse contexto, os dados devem ser publicados no período mais curto possível após a coleta, em
geral no máximo 2 anos. A informação recolhida pelos censos pode ser variada. Deve ser
suficiente para atingir os seus objetivos de recolha de informação sobre a população e não ser
muito exaustivo para ser exequível. Contudo, o mínimo geralmente exigido é: o nome, idade,
sexo, relação com o chefe de família, estado civil, raça, religião, grupo étnico, educação,
ocupação, situação no trabalho, migração e habitação.
Os censos existem fundamentalmente para ajudar o planejamento, especialmente o
aprovisionamento e regulamentação dos serviços básicos (água, vias de comunicação e outros
serviços, por exemplo). Na maior parte dos países democráticos a distribuição da população, dada
pelo censo, também determina o nível de representação eleitoral e a possibilidade do padrão
distributivo dos recursos do governo central. Muitas das intervenções do governo, no campo da
saúde e da segurança social, produzem dados demográficos, que em geral resultam de dados do
programa de avaliação dessas intervenções.
2.1.2 As estatísticas demográficas do registro civil
Estas estatísticas se constituem em um conjunto de informações sobre os nascimentos,

óbitos, casamentos, divórcios, separações judiciais, adoções, saídas ou entradas, ocorridas num
território durante um determinado período (normalmente um ano), baseadas nos boletins de
registro civil desses acontecimentos, com detalhes sobre a sua repartição por unidade
administrativa e segundo um número mais ou menos vasto de características (sexo, idade, etc.).
Em diversos países, inclusive o Brasil, o sistema que capta tais informações é conhecido
como registro civil. Especificamente, no Brasil, ele envolve a captação de informações sobre o
status individual e documentação certificada de nascimento, morte, nascido morto, óbito fetal,
casamento, divórcio, adoção e legitimação. Além destas informações, alguns países incorporam
em suas estatísticas do registro civil: passaportes, cartões de identidade, certificados de
autorização de trabalho, autorização de residência e de cidadania, etc. Ao conjunto dos
nascimentos e óbitos, também se denomina como estatísticas vitais, embora alguns demógrafos
estendam essa denominação, em um sentido mais geral, ao incluir o status marital, tais como os
casamentos e divórcios.
Fontes, Dados e Erros 29
O sistema de registros vitais e os controles de migração existem acima de tudo por

questões legais. Isto explica que os objetivos do registro destas informações são essencialmente
administrativos e legais e não demográficos.
O Brasil possui duas fontes oficiais responsáveis pela produção contínua das estatísticas
vitais. A primeira fica sob a responsabilidade da Fundação IBGE, cujos resultados são publicados
em “Estatísticas do Registro Civil”. A segunda, sob o Sistema de Informações sobre Mortalidade –
SIM e o Sistema de Informações sobre Nascimento - SINASC, ambas do Ministério da Saúde -
MS.
2.1.2.1 Registro Civil
Para o Registro Civil, o levantamento é feito trimestralmente através das agências locais
do IBGE, a partir das informações disponíveis nos cartórios. Possui abrangência nacional, cujo
menor nível de desagregação é o municipal. Sua abrangência é anual com registros civis
disponíveis desde 1974 e desde 1982 para separações judiciais e divórcios.
As principais variáveis se referem a nascidos vivos, por ano de nascimento, lugar de
residência e de ocorrência, sexo e idade; óbitos, por ano e mês de ocorrência, sexo e idade, lugar
de residência e de ocorrência, natureza; óbitos fetais, ano e mês de registro, local, idade e
residência da mãe, por parto, gestação, sexo; casamentos, por mês e local de registro, grupos de
idade, sexo, nacionalidade; separações judiciais, por natureza da ação, sentença, idade, total de
filhos; divórcios, por natureza, tipo de sentença, idade, total de filhos.
A base de dados está disponível em tabulações especiais pré-definidas através do sistema
“Sidra" em www.ibge.gov.br, e também pode ser obtido em CD-Rom na Loja Virtual do IBGE.
2.1.2.2 Sistema de Informações sobre Mortalidade – SIM
Este sistema é gerenciado pelo Departamento de Análise de Situação de Saúde, da

Secretaria de Vigilância em Saúde, em conjunto com as secretarias estaduais e municipais de
saúde, para coletar dados sobre mortalidade no Brasil. Possui abrangência nacional, sendo o
município o menor nível de agregação geográfica. A periodicidade da divulgação é anual e há
discrepâncias nos resultados quando comparados aos produzidos pelo Registro Civil do IBGE. No
entanto, somente o MS processa e divulga os dados classificados por causas de morte. Apesar da
apuração e tabulação das informações obedecerem às normas internacionais desde 1948, foi
somente a partir de 1979 que o MS padronizou os instrumentos de coleta, tabulou e divulgou os
resultados para todas as unidades geográficas do país, seja estadual ou municipal.
A Declaração de Óbito – DO, é o instrumento legal, do qual as informações coletadas são
baseadas. As variáveis da DO estão desagregadas em nove blocos e possui 62 campos com
informações. As principais variáveis disponíveis pelo sistema são: tipo, mês e ano do óbito; estado
civil, sexo, idade, ocupação habitual, naturalidade, grau de instrução do falecido; local e município
de ocorrência do óbito; município de residência do falecido; assistência médica e diagnóstica;
causa básica e associada (obedecendo a Classificação Internacional das Doenças – CID)
(obedecendo a Classificação Internacional das Doenças – CID) e causas externas (violência e
acidente de trabalho). Para óbitos fetais e de menores de um ano, são acrescidos: ocupação
habitual e grau de instrução do pai e da mãe, idade e numero de filhos da mãe; duração da
gestação, tipo de gravidez, tipo de parto, peso ao nascer.
A base de dados permite quaisquer tipos de cruzamento das variáveis e se encontra
disponível no menu “Informações de Saúde”, seguido de “Estatísticas Vitais – Mortalidade e
Nascidos Vivos” em www.datasus.gov.br. Os microdados estão disponibilizados também em CD-
Rom, obtido diretamente no escritório do DATAUS, e podem ser tabulados por qualquer programa
estatístico ou através do Tabwin, fornecido juntamente com a base de dados. O manual de
instruções para o preenchimento da declaração de óbitos encontra-se disponível em
http://portal.saude.gov.br/portal/arquivos/pdf/sis_mortalidade.pdf.
2.1.2.3 Sistema de Informações sobre Nascidos Vivos – SINASC
É um sistema que registra informações epidemiológicas sobre os nascimentos ocorridos no

Brasil. O instrumento legal é a Declaração de Nascido Vivo – DN, padronizada em todo o país. O
levantamento é feito junto às secretarias municipais de saúde. Tem abrangência nacional, cujo
menor nível de agregação geográfica é o município. Os dados estão disponíveis desde 1994. O
novo formulário que passou a ser usado desde 1999, apresenta as seguintes variáveis
subdivididas em sete blocos, cuja ordem seqüencial é dada por: cartório, local da ocorrência, mãe
(idade, estado civil, educação, situação ocupacional), gestação e parto, recém nascido (sexo,
peso, índice de APGAR, raça/cor), identificação e preenchimento.
A base de dados do SINASC permite quaisquer tipos de cruzamento das variáveis, cuja
base se encontra disponível no sítio do Ministério da Saúde e segue o mesmo caminho descrito
para o SIM. O manual de procedimentos do SINASC fornece informações operacionais do
sistema, disponibiliza os procedimentos, fluxos dos documentos e rotinas do processamento dos
dados e as atribuições das instâncias Federal, estadual e municipal. O documento está disponível
em http://portal.saude.gov.br/portal/arquivos/pdf/sis_nasc_vivo.pdf.
2.1.3 Pesquisas amostrais
Uma fonte contemporânea importante de obtenção de dados demográficos é aquela que

faz uso de pesquisas por amostragem. Elas têm se tornado tão frequentes que já são parte
integrante dos sistemas nacionais de coleta de dados, junto com os censos e os registros civis. As
pesquisas ou inquéritos se baseiam em amostras representativas do universo da população em
análise, visando aprofundar o estudo sobre uma questão demográfica particular. No Brasil, a
Pesquisa Nacional por Amostra de Domicílios – PNAD é um exemplo deste tipo de pesquisa.
Bem conhecidas são as vantagens da amostragem. Além da redução de esforços, rapidez
e economia, ela pode ser organizada e executada de forma a obter muito mais detalhes que um
censo. No entanto, podem surgir erros de medição. Dois tipos de erros podem ocorrer numa
amostragem: o erro aleatório que serve para avaliar a precisão e os erros não aleatórios
(sistemáticos), que uma vez cometidos, são difíceis de serem medidos. Se a amostra tiver uma
base adequada, o erro pode ser medido e assim minimizado. As pesquisas por amostras são,
contudo, fontes importantes de dados demográficos frente aos problemas nos dados decorrentes
do censo e do registro da informação - por exemplo: a impossibilidade de fazer muitas perguntas
ou perguntas complexas.
Geralmente, são necessários grandes números para produzir resultados confiáveis. Do

ponto de vista das pesquisas ou inquéritos demográficos por amostragem, a unidade de
observação geralmente é o domicílio, não o indivíduo, o que ajuda a reduzir custos e
especialmente a complexidade administrativa. Os princípios da amostragem estão bem cobertos
em vários livros textos e o interessado é convidado a consultar referências, tais como Cochran
(1977), Bussab (2005) e Kish (1965).
Existem vários tipos de pesquisas por amostragem em demografia que fazem ampla
distribuição de questões numa amostra da população envolvida. As pesquisas designadas para
investigar alguns tópicos especiais, como o uso de contraceptivos e a vida sexual, saúde
reprodutiva das mulheres ou saúde das crianças, caem nesta categoria de exemplos. Na verdade,
o Censo Demográfico Brasileiro faz uso deste recurso metodológico, ou seja, inclui dois tipos de
procedimentos na coleta de dados:
a) Contagem populacional completa (censo);

b) Pesquisa amostral.
Até 1980, a fração amostral utilizada no censo para levantar um conjunto de informações -
incluindo várias demográficas - mais detalhadas era de 25% dos domicílios particulares e das
famílias, ou componentes de grupos conviventes, recenseados em domicílios coletivos. A partir de
1991, foram utilizadas duas frações amostrais: 20% para municípios com estimativa populacional
até 15 mil habitantes e 10% para os demais municípios.
Segundo, existem pesquisas amostrais retrospectivas, assim designadas, pois fazem
perguntas acerca de acontecimentos ocorridos no passado. Este recurso metodológico é muito
utilizado por vários países, inclusive pelo Brasil pelo menos desde o censo de 1940. Estas
perguntas foram fundamentalmente dirigidas para atender ao uso de alguns procedimentos
indiretos empregados para a estimação de medidas demográficas, como a taxa de mortalidade
infantil, expectativa de vida da população ou ainda taxas de fecundidade e de reprodução.
Existe ainda uma larga gama de técnicas e desenhos de estudos sofisticados, menos
usados, que podem servir para a coleta de dados demográficos sobre questões específicas que
deverão ser formuladas e utilizadas de acordo com o objetivo e o grau de precisão que se
pretende obter como o registro-dual, pesquisas prospectivas (coorte e longitudinal), entre outras.
Em um mundo globalizado, a difusão de tecnologia da informática, o desenvolvimento de
formas mais eficientes de organizar bancos de dados e a montagem e disponibilidade de
programas estatísticos, avançaram e disseminaram-se tanto que eles já fazem parte do quotidiano
de organismos governamentais e agências internacionais em todo o mundo. Nesta esteira, o
Ministério da Saúde do Brasil e o IBGE, tornaram possível a realização de vários levantamentos
estatísticos que propiciaram a construção de várias fontes alternativas ou complementares sobre
registros de estatísticas vitais, de morbidade e das condições de saúde e de vida de vários
segmentos populacionais, entre outros assuntos. Estas bases representam fontes importantes na
demografia estatística. A seguir algumas características das principais bases desenvolvidas por
estas duas fontes são destacadas.
2.1.3.1 Pesquisa Nacional por Amostra de Domicílios – PNAD.
A PNAD foi desenhada pela Fundação IBGE com o propósito de coletar informações
socioeconômicas, principalmente aquelas vinculadas às características dos domicílios,
características gerais da população, demográficas, educação e mão-de-obra. Tem como unidade
básica o município. Consiste de uma amostra probabilística selecionada em três estágios
sucessivos: municípios, setores censitários e domicílios. O número de municípios selecionados
varia em cada pesquisa. Para esta década, foram selecionados 851 municípios (de um total de
5.560) e 7.816 setores (de um total de 215.811). A primeira PNAD teve inicio em 1967, mas a
periodicidade anual somente foi atingida a partir de 1971 e a pesquisa não é realizada em anos
censitários. A partir de 2004 tem abrangência nacional e o menor nível de agregação geográfica
são as unidades da federação e regiões metropolitanas. Ademais dos temas mencionados, que
são incluídos de forma permanente, inclui, com periodicidade variável, temas de fecundidade,
saúde, nutrição e migração, entre outros. No sítio www.ibge.gov.br são encontradas sinopses das
pesquisas realizadas e na Loja Virtual podem ser adquiridos o CD-Rom com os micro-dados.
Tabulações especiais através do Banco Multidimensional de Estatísticas – BME podem ser
obtidas no mesmo sítio, o qual permite o uso de microdados.
2.1.3.2 Principais sistemas e bases de informações do Ministério da Saúde e instituições

cooperantes
Com o propósito apenas de elencar um conjunto de fontes que possa satisfazer a certas
demandas por dados demográficos estatísticos e mais especificamente de saúde, a seguir são
listadas as principais fontes públicas e respectivos acessos disponibilizados pelo Ministério da
Saúde do Brasil. Uma boa recopilação das fontes demográficas, com ênfase no Brasil, foi
realizada por (Hakkert, 1996), como parte de uma série de temas publicados sob os auspícios da
Associação Brasileira de Estudos Populacionais - ABEP. Uma compilação mais atualizada foi
realizada de maneira sucinta ao destacar algumas características das principais bases de dados
demográficos e de saúde no país por Sanches et al. (2005) e mais especificamente, sexual e
reprodutiva, por Cavenaghi (2006).
Outra importante iniciativa na produção de bases de informação em demografia e saúde
no Brasil é mantida pela Rede Interagencial de Informações para a Saúde – RIPSA desde 1997.
Tem como produto a publicação de Indicadores e Dados Básicos – IDB, que sistematiza
informações essenciais sobre a situação de saúde e acompanhamento de suas tendências. Os
indicadores produzidos cobrem seis subconjuntos temáticos: demográficos, socioeconômicos,
mortalidade, morbidade e fatores de risco, recursos e cobertura. Publicado de forma regular e
completa na Internet (http://www.datasus.gov.br/idb), está disponível também no formato de livro,
que sintetiza indicadores e dados básicos de forma cumulativa até o ano mais recente, cujo último
ano disponível é 2008 (RIPSA, 2008).
O Quadro 2.1 mostra as principais bases dados e sistemas sobre demografia e saúde no
Brasil.
Quadro 2.1 Principais bases de dados sobre demografia e saúde no Brasil

Base de Dados Periodicidade/Disponibilidade Endereço eletrônico/acesso a dados e documentação
Pesquisa Nacional de
www.measuredhs.org
Demografia e Saúde –
1986, 1991 e 1996. www.measuredhs.com/aboutsurveys/start.cfm
PNDS
www.ibge.gov.br
www.datasus.gov.br
Estimativas e Projeções
Anual desde 1973. http://www.ibge.gov.br/home/estatistica/
Populacionais
populacao/estimativa2005/metodologia.pdf
Anual desde 1974 para o registro civil e
1982 para separações jurídicas e
Registro Civil www.ibge.gov.br (SIDRA)
divórcios
Assistência Médico- Anual. 1984 – 1991, 1993 – 1998. Mais www.ibge.gov.br (SIDRA)
Sanitária (AMS) recente em 2002. www.datasus.gov.br
Pesquisa Nacional de
Anual. Início em 1974 com periodicidade
Saneamento Básico –
irregular www.ibge.gov.br (SIDRA)
PNSB
www.datasus.gov.br
Sistema de Infor. De
http://portal.saude.gov.br/portal/arquivos/pdf/
Nascidos Vivos – SINASC Anual a partir de 1991.
sis_nasc_vivo.pdf
Anual a partir de 1979. Devido à www.datasus.gov.br (Estatísticas Vitais)
Sistema de Informações
defasagem nas publicações a mais http://portal.saude.gov.br/portal/arquivos/pdf/
sobre Mortalidade – SIM
recente é 2002. sis_mortalidade.pdf
Sistema de Inform. www.datasus.gov.br/arquivos/ftpdata.htm
Ambulatoriais do SUS – http://msbbs.datasus.gov.br/public/default.htm
Desde 1994, mensal e anual.
SAI/SUS http://msbbs.datasus.gov.br/public/default.htm
ftp://msbbs.datasus.gov.br/Arquivos_Publicos/
Sistema de Informação
Prog_AIH/00_index.htm
Hospitalar – SIH/SUS Mensal e anual.
http://sidh.datasus.gov.br
Sistema de Acompanh. do
Progr. de Humaniz. no
Mensal e anual desde 2001, Dados mais www.datasus.gov.br (Sistemas e aplicativos –
Pré-natal e Nascim. –
recentes de março de 2006. Outros aplicativos)
SISPRENATAL
Sistema de Informações
de Agravos de Notificação Notificações mensais desde 1993.
www.datasus.gov.br (Informações de saúde)
– SINAN
Sistema de Informação do
www.datasus.gov.br
Câncer da Mulher –
Mensais e anuais desde 2000. http://ipanema.datasus.gov.br/siscam/mapa.Htm
SUSCAM/SISCOLO
Sistema de Infor. da www.datasus.gov.br
Atenção Básica – SIAB Mensal desde 1998. http://tabnet.datasus.gov.br/cgi/siab/siabsdescr.htm
Base de Dados Periodicidade/Disponibilidade Endereço eletrônico/acesso a dados e documentação
2.2 Quantidade e qualidade dos dados

Erro e viés são companhias permanentes tanto na estatística como na demografia. Boa
parte destas áreas é devotada à sua mensuração, na busca e uso de mecanismos de controle.
2.2.1 Censos
No recenseamento, eles estão presentes em todas suas etapas e são praticamente

inevitáveis. Os censos envolvem uma grande complexidade logística e técnica. A maior
preocupação logística dos censos é com a minimização dos erros na coleta das informações. Os
principais erros dos censos são:
a) Cobertura incompleta da população - a contagem de pessoas mais de uma vez ou a não

contagem de alguns segmentos populacionais (sem-abrigo, nômades, comunidades isoladas, por
exemplo);
b) Erros de declaração – aparecem quando o respondente, por algum motivo deliberado ou
não, comete erros ao responder às perguntas feitas.
Para medir a qualidade global dos dados declarados nos recenseamentos de uma
determinada população alguns procedimentos elementares foram desenvolvidos e já são
clássicos na literatura demográfica. Detalhes sobre estes indicadores e exemplos práticos podem
ser encontrados em diversas publicações (Siegel e Swanson, 2004; Yaukey e Anderston, 2001;
Weinstein e Pillai, 2001; Carvalho et. al., 1994; Newell, 1988; United Nations, 1983; Santos et al.,
1980).
Para medir a regularidade dos sexos:
- Razão de Sexo ou Razão de Masculinidade: mede o balanço relativo dos sexos ao

comparar o montante masculino com o do feminino.
Para medir a regularidade das idades:
- Índice de Myers: mede a atração digital das declarações das idades;

- Índice de Whipple: mede a atração digital das declarações das idades;
- Índice de Irregularidade das Idades: serve para averiguar a existência de concentração
em determinadas idades;
- Índice Combinado das Nações Unidas: este indicador, em vez de medir a atração por
determinadas idades, mede a qualidade global de um recenseamento.
2.2.2 Registros vitais
Quanto aos sistemas de registro civil, mais especificamente as estatísticas vitais

(nascimentos e óbitos) eles são efetivos em somente uns poucos países. Nos países em
desenvolvimento, estes sistemas de coleta de informações são na maior parte das vezes
incompletos e por vezes nem existem, nem são explorados com fins demográficos. Mesmo nos
países desenvolvidos, existem muitos problemas com a qualidade dos dados coletados.
Tendo em conta que os registros vitais não são todos informados, é importante
dimensionar e serem explicitadas a magnitude dos erros, de outro modo, eles influenciarão os
resultados restringindo as possibilidades explicativas de algumas análises. A preocupação de
rigor, que caracteriza a demografia e o uso freqüente de estatísticas de qualidade muito duvidosa,
impõe ao demógrafo um permanente estado de atenção, antes de iniciar qualquer análise

demográfica, que o leva a testar a qualidade dos dados que vai trabalhar e sempre que possível,
corrigi-los.
Os métodos para testar dados incompletos e incorretos são inúmeros, sendo os mais
importantes, divididos em quatro categorias: cobertura, completude, regularidade e fidedignidade.
A cobertura (ou notificação) significa a magnitude ou nível, medido geralmente em
percentual, com que os registros vitais são efetivamente enumerados nos sistemas. Por exemplo,
determinada região ou país registrou durante o ano de 2008, 95% dos óbitos ou dos nascimentos
ocorridos.
A completude representa a magnitude ou nível de declaração de uma determinada variável
informada quando o registro foi realizado nos sistemas. Como exemplo, suponha que a variável
raça/etnia foi declarada apenas por 50% dos nascimentos registrados em determinada região ou
país durante certo ano.
A regularidade diz respeito com que freqüência um sistema de registro mantém a captação
dos dados em um determinado nível durante o tempo. A manutenção da cobertura de registros
vitais em 90%, por exemplo, durante cinco anos consecutivos pelo menos, pode servir como
critério de boa qualidade dos dados.
A fidedignidade significa o grau de confiança ou de informações corretas declaradas nas
variáveis observadas nos registros vitais.
Os dois primeiros, a cobertura e a completude são considerados como os indicadores mais
preocupantes nas avaliações da qualidade dos registros vitais, particularmente a cobertura, já que
para a contabilidade estatística a quantidade de registros tem uma maior relevância político-
administrativa e de cidadania.
Assim, o desenvolvimento de técnicas ou métodos demográficos estatísticos tem se
voltado principalmente para a mensuração e estimação da cobertura dos nascimentos e dos
óbitos. Estes métodos podem ser classificados em dois tipos: diretos e indiretos. Ambos se
apóiam em princípios estatísticos e demográficos.
Os métodos diretos fazem uso de registros e dados observados e buscam extrair
conclusões através de relações simples (razões), equações, confrontamento de fontes como o
registro-dual (registro civil e pesquisa), etc.
Os métodos indiretos são recursos utilizados pelos demógrafos como alternativa aos
métodos diretos. O uso desses recursos se deve ao fato de que as estatísticas vitais obtidas
através dos sistemas de registros fornecem dados pobres ou são, às vezes, inexistentes. Os
métodos indiretos são usualmente baseados em informações censitárias ou de pesquisas e fazem
uso de modelos, equações e funções matemáticas.
Às vezes, os métodos combinam as vantagens dos dois tipos e podem ser considerados
como mistos. No Capítulo 7, são destacados alguns destes métodos, os mais tradicionais, com
ênfase nos demográficos, sem a preocupação com a classificação.
3 Mortalidade
3.1 Medindo a mortalidade
3.2 O dimensionamento dos erros na mortalidade
A discussão deste tema pode não ser dos mais agradáveis, no entanto, ele é necessário.
Como já levantado anteriormente, a mortalidade se constitui em um dos três componentes que
determinam o ritmo do crescimento populacional, sendo os outros dois a fecundidade e a
migração. O ritmo de cada um destes componentes é determinado pela freqüência da ocorrência
de seus eventos. O evento que determina a fecundidade é o nascimento; para a migração é a
mudança de residência; para a mortalidade é a morte. Talvez porque a morte seja um evento
preciso, facilmente definível e ocorra apenas uma única vez para cada indivíduo, as técnicas para
analisar a mortalidade tenham uma longa história e sejam mais desenvolvidas do que aquelas
relacionadas com a fecundidade e a migração.
As origens da demografia no século dezessete coincidem com as primeiras tentativas de
contar cientificamente o impacto das mortes no tamanho e na estrutura das populações. Estudos
de mortalidade são conhecidos desde os trabalhos pioneiros realizados por Jonh Graunt (1964)
com a publicação em 1662 do famoso “Natural and political observations made upon the Bills of
Mortality”. William Farr, em 1851, elaborou a primeira proposta para o que é, atualmente, a
Classificação Internacional de Doenças – CID, ambos desenvolvidos na Inglaterra e Gales onde
se registraram as primeiras tentativas, com registro na literatura, de se abordar a mortalidade por
causas e outros diferenciais, inclusive determinantes socioeconômicos. Muitas das importantes
inovações na história da pesquisa demográfica estão associadas com o estudo das tábuas de
vida, o uso das estatísticas paroquiais e a quantificação e computação dos dados populacionais. É
através do estudo das mortes que se faz a conexão com outros campos de estudo como as
disciplinas das ciências atuariais e da saúde pública.
A mortalidade se refere ao processo de esgotamento de uma população através da morte.
Este termo é usado quando se refere à ocorrência da morte independentemente da causa ou da
idade. O conceito relacionado de morbidade refere-se a um estado anormal ou patológico em uma
população. Sua raiz latina, morbus, significa “doença”. Na demografia, o termo é geralmente
usado em combinação com a mortalidade, devido à ligação entre os tipos de patologias e a morte.
Mais ainda, as doenças e invalidez também afetam a probabilidade de sucesso dos nascimentos,
fertilidade, bem como uniões conjugais, migrações e muitos outros processos de interesse da
demografia.
Diante das inúmeras dificuldades para se mensurar a saúde de uma população, o caminho
encontrado é o de quantificar e descrever a ocorrência de determinados agravos à saúde, doença
e morte. Assim, a maior disponibilidade em conseguir documentar estatisticamente as
informações de saúde é pelo seu avesso. Ou seja, a perspectiva do olhar científico é pelo
complemento da saúde, sua ausência. Tanto a mortalidade como a morbidade é expressa em
termos de razões, proporções e taxas. Uma discussão mais detalhada da morbidade, incluindo
taxas de incidência e prevalência pode ser encontrada na maioria dos textos introdutórios da
epidemiologia (Medronho et al. 2005; Jekel et. al. 2005; Rouquayrol, 1999; Melo Jorge e Gotlieb,
2000; Berquó,1981).
Há dois conceitos importantes na interpretação do estudo dos componentes demográficos:
nível e padrão. O primeiro se refere à magnitude de um parâmetro ou medida demográfica e o
segundo, ao comportamento delas. O nível diz respeito ao valor numérico, a estimativa, enquanto
que o padrão refere-se à seqüência numérica desses valores. Assim, por exemplo, no ano 2000, a
Taxa Bruta de Mortalidade padronizada para o estado do Amapá era de 7,34, enquanto que a do
Rio Grande do Sul, igual a 5,67. Pode-se, assim, dizer que, no ano 2000, o nível da mortalidade
geral do estado do Amapá era mais elevado do que o do Rio Grande do Sul. No Gráfico 3.1 é
ilustrado o comportamento das taxas específicas da mortalidade por faixas etárias para o
município de João Pessoa, PB para cada sexo em 2007
Gráfico 3.1 Taxas específicas de mortalidade por sexo para o

município de João Pessoa, PB, 2007
1.000
TEM por/1.000 hab. (log)
100
10
0
0 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85
Idade
Masculino Feminino
A este comportamento, chama-se padrão etário da mortalidade para os homens e para as

mulheres, onde se percebe que os níveis de mortalidade para os homens são mais elevados que
os das mulheres, particularmente a partir dos 10 anos de idade.
Mortalidade 39
É importante ter em conta que estes dois conceitos são também estendidos para os
demais componentes da dinâmica demográfica. Portanto, podem-se usar estas terminologias
quando se faz referência à fecundidade e à migração.
3.1 Medindo a mortalidade

O registro civil tem sido o sistema contínuo mais importante para contar as mortes,
conforme visto no capítulo anterior. Cada evento é registrado como ele ocorre, junto com certas
características do óbito (sexo, idade, causa, estado civil, ocupação, nível de instrução, etc.) e o
próprio óbito. Nos países mais industrializados e mesmo em alguns países que não o são, os
sistemas de registros dos eventos vitais são considerados confiáveis. O mesmo não ocorre com
vários outros países, incluindo o Brasil. Nestes, a cobertura é incompleta, a completude das
informações não alcançam níveis satisfatórios e a regularidade na captação dos registros não é
estável. Estas limitações impõem restrições aos usuários quando se propõem medir a mortalidade
com confiança, particularmente para alguns segmentos etários, como a mortalidade infantil, ou
mesmo quanto às causas básicas de óbitos. Sendo assim, as limitações impõem cautela no
tratamento e uso destes dados para regiões com deficiências em suas estatísticas vitais.
A força da mortalidade como conceito faz referência a probabilidade que um membro de
uma população venha a morrer em algum momento específico. Esta força varia dentro do tempo e
de pessoa para pessoa dependendo de variáveis tais como sexo, idade, e características
socioeconômicas. Para expressá-la, a medida mais comum é a taxa bruta de mortalidade (TBM).
3.1.1 O relacionamento entre taxas brutas e específicas
a) Taxa Bruta de Mortalidade (TBM)
Também conhecida como Taxa Geral de Mortalidade (TGM), esta medida corresponde ao
risco que os indivíduos de uma população têm de morrer no decorrer de um determinado período,
geralmente, um ano. É definida como sendo o quociente entre o total de óbitos (O) sobre a
população total (P) durante o curso de um ano para cada 1.000 habitantes vivos no meio do ano.
Representa-se por:
O
nTBM x = n x ⋅1.000
n Px
Usualmente essa taxa é representada por um número múltiplo de 10 (em geral, por mil
habitantes).
Como uma população é bastante dinâmica, mudando a cada instante no decorrer do ano,
o senso comum adota a estimativa da população total no meio do ano na suposição de que os
nascimentos e óbitos na população ocorram de forma uniforme no decorrer dos 12 meses do ano.
Este senso comum remete ao conceito de anos-pessoa, conforme discutido no Capítulo 1.
b) Taxa Específica de Mortalidade (TEM)
Taxas específicas são aquelas que, ao serem calculadas, apresentam, quer no numerador,
quer no denominador, ou em ambos, outras especificações além da área geográfica de estudo e
da referência temporal. Essas especificações podem ser: sexo, idade, causa básica do óbito, lugar
de residência, nível de instrução, ocupação, renda, etc. Por exemplo: taxa específica de
mortalidade segundo idade; taxa específica de mortalidade segundo causa básica de óbito; taxa
específica de mortalidade por causa básica e idade. A composição por idade, conforme discutido
no Capítulo 1, exerce um papel fundamental em uma população. Por este motivo ela é tão
enfatizada na demografia.
A taxa específica de mortalidade (TEM) é entendida como o risco de vir a falecer em cada
idade ou faixa etária. Ela é obtida através da razão entre o total de óbitos em cada idade ou grupo
etário, em um determinado ano, e a população no meio do ano do respectivo grupo etário. É
representada por:
Ox
TEM x =
n
n
n Px
onde,
x se refere à idade limite inferior do grupo etário e n à amplitude do intervalo do grupo.
O Quadro 3.1 mostra o número de óbitos por idade para o estado do Rio Grande do Sul
para 2000, bem como a população estimada para o meio do ano e respectivas taxas específicas
de mortalidade. A tabela também mostra as mesmas informações para o estado do Amapá em
2000.
Note que a TBM, mostrada na parte inferior da tabela, representa a taxa bruta para “todas"
as idades e que ela é mais elevada para o Rio Grande do Sul (6,49) do que para o Amapá (4,83).
Este resultado parece inconsistente, com o fato de que as taxas específicas de mortalidade do Rio
Grande do Sul são mais baixas do que aquelas do Amapá, praticamente em todas as idades. Para
compreender esta aparente anormalidade, será mostrado como a taxa bruta de mortalidade está
relacionada com as taxas específicas de mortalidade.
Seja nPx, o número de pessoas de idade x a x+n na metade do ano e considere como uma
estimativa do número de pessoas-ano vivas no intervalo etário x a x+n durante o ano. P é o
tamanho do total da população e funciona como uma estimativa do total de anos-pessoas vivas. O
é o número total de óbitos durante o ano. Assim, a taxa bruta de mortalidade pode ser expressa
como:
∞ Ox
∑ n Ox ∑ n
∗ n Px ∞ ∞
O n Px O x n Px
TBM = = x =0
= =∑ n
∗ = ∑ n M x ∗n C x
P P P x =0 n Px P x =0
onde,
Px
n TEM x = n M x e n Cx = n
P
Mortalidade 41
A intensidade com que se morre (nMx), a distribuição etária proporcional da população (nCx)
se constituem como os componentes fundamentais que influenciam o nível da TBM. Como
demonstrado, a taxa bruta de mortalidade é uma média ponderada das taxas específicas de
morte, onde os pesos são dados pela distribuição proporcional da população por idade. A soma
destes pesos é, evidentemente, igual à unidade.
∞ ∞
Px P
∑
x =0
n Cx = ∑
x =0
n
P
= = 1,0
P
Agora, fica mais fácil entender porque o estado do Amapá tem uma taxa bruta de
mortalidade mais baixa que o Rio Grande do Sul, mesmo embora as taxas de mortalidade sejam
mais baixas na grande maioria das idades. Este fato se deve a que a distribuição de idade da
população do Rio Grande do Sul dá mais peso às idades mais velhas, onde as taxas de
mortalidade são mais altas. Ou seja, os indivíduos com mais idade têm maior risco de morte que
os jovens. Deste modo, as TBMs não são bons indicadores quando se deseja comparar os níveis
de mortalidade de populações distintas, dado que as distribuições etárias de ambas podem não
ser semelhantes.
A TBM depende do nível da mortalidade, a estrutura etária, o sexo, e muitos fatores
específicos, como a incidência de morbidade, etc. Cada um desses elementos pode variar de um
ano para outro, e a combinação destes fatores pode causar flutuações na TBM. Uma maneira de
diminuir estas flutuações consiste em calcular a TBM considerando a média dos óbitos de três
anos consecutivos (o ano em estudo, o ano precedente e o posterior).
3.1.2 Padronização
Como as taxas TBM são influenciadas pela distribuição etária das populações, não é
possível comparar populações distintas. Uma das maneiras seria eliminar o efeito da composição
etária sobre os indicadores que se deseja comparar, ajustando-os segundo uma mesma
distribuição etária padrão. Esse procedimento é conhecido como padronização, podendo ser de
dois tipos: direta (padronização direta) e indireta (padronização indireta). A padronização, então, é
recomendada sempre que se deseja controlar o efeito de confundimento provocado por uma ou
mais variáveis.
A padronização direta (TBp.d.), é dada por:
∞
O esp = ∑ M i j ∗ Pi p
i =1
onde,
O esp representa o total dos óbitos esperados;
M i j , a taxa de mortalidade específica por idade da área j;
Pi p a população adotada como padrão (p) na idade i.
Assim, a taxa bruta de mortalidade padronizada ( TBM P ) é dada por:
O esp
TBM P =
Pp
onde,
Pp representa a população total padrão.
Os passos da aplicação do método direto de padronização são apresentados nos Quadros

3.1 e 3.2 para os estados do Amapá e do Rio Grande do Sul, em 2000.
Quadro 3.1 Comparação das taxas brutas de mortalidade e das taxas específicas de mortalidade
por idade em duas populações brasileiras, 2000
∞
Ox O
∑ n Ox
nTEM x = TBM = =
n x =0
n Px P P
Faixa Amapá Rio Grande do Sul

Etária
População Óbito TEM Proporção População Óbito TEM Proporção
0 13.240 66 0,0050 0,030 682.589 990 0,0015 0,015
1-4 40.305 69 0,0017 0,031 171.929 470 0,0027 0,007
5-9 60.846 44 0,0007 0,020 886.277 281 0,0003 0,004
10-14 58.331 50 0,0009 0,023 910.945 299 0,0003 0,004
15-19 56.992 144 0,0025 0,065 965.470 866 0,0009 0,013
20-24 49.028 140 0,0029 0,063 855.446 1.142 0,0013 0,017
25-29 41.233 124 0,003 0,056 766.805 1.248 0,0016 0,019
30-34 34.219 111 0,0033 0,050 783.810 1.542 0,0020 0,023
35-39 28.034 91 0,0032 0,041 812.795 1.902 0,0023 0,029
40-44 21.790 96 0,0044 0,043 732.882 2.592 0,0035 0,039
45-49 16.261 107 0,0066 0,048 627.040 3.148 0,0050 0,048
50-54 11.185 119 0,0107 0,054 515.234 4.013 0,0078 0,061
55-59 8.993 107 0,0119 0,048 401.507 4.636 0,0115 0,070
60-64 6.291 148 0,0235 0,067 333.186 5.966 0,0179 0,090
65-69 5.141 159 0,0308 0,072 268.254 6.866 0,0256 0,104
70-74 3.386 143 0,0422 0,064 205.259 7.717 0,0376 0,117
75-79 1.926 107 0,0554 0,048 131.840 7.594 0,0576 0,115
80 + 2.494 394 0,1580 0,178 125.406 14.939 0,1191 0,226
Total 459.695 2.219 - 1,000 10.176.673 66.211 - 1,000
TBMAP 4,8300 TBMRS 6,5100

Mortalidade 43
Quadro 3.2 Taxas brutas de mortalidade padronizadas pelo processo direto em duas
populações brasileiras, 2000
∞
O esp
O esp = ∑ M i j ∗ Pi p TBM P =
i =1 Pp
Amapá Rio Grande do Sul Brasil

Faixa
TEMAp*PBR TEMRS*PBR
Etária
Pop.
População Óbito TEM População Óbito TEM
padrão
0 13.240 66 0,0050 682.589 990 0,0015 3.206.028 16.030 4.650
1-4 40.305 69 0,0017 171.929 470 0,0027 13.132.588 22.325 35.900
5-9 60.846 44 0,0007 886.277 281 0,0003 16.504.837 11.553 5.233
10-14 58.331 50 0,0009 910.945 299 0,0003 17.308.751 15.578 5.681
15-19 56.992 144 0,0025 965.470 866 0,0009 17.899.158 44.748 16.055
20-24 49.028 140 0,0029 855.446 1.142 0,0013 16.104.933 46.704 21.500
25-29 41.233 124 0,0030 766.805 1.248 0,0016 13.818.277 41.455 22.490
30-34 34.219 111 0,0033 783.810 1.542 0,0020 12.999.416 42.898 25.574
35-39 28.034 91 0,0032 812.795 1.902 0,0023 12.233.741 39.148 28.628
40-44 21.790 96 0,0044 732.882 2.592 0,0035 10.522.792 46.300 37.216
45-49 16.261 107 0,0066 627.040 3.148 0,0050 8.701.775 57.432 43.687
50-54 11.185 119 0,0107 515.234 4.013 0,0078 7.046.595 75.399 54.884
55-59 8.993 107 0,0119 401.507 4.636 0,0115 5.432.376 64.645 62.725
60-64 6.291 148 0,0235 333.186 5.966 0,0179 4.590.502 107.877 82.197
65-69 5.141 159 0,0308 268.254 6.866 0,0256 3.572.990 110.048 91.451
70-74 3.386 143 0,0422 205.259 7.717 0,0376 2.736.087 115.463 102.867
75-79 1.926 107 0,0554 131.840 7.594 0,0576 1.775.554 98.366 102.272
80 + 2.494 394 0,1580 125.406 14.939 0,1191 1.827.953 288.817 217.755
Total 459.695 2.219 - 10.176.673 66.211 - 169.414.354 1.243.967 960.765
P
TBM 4,83 6,51 TBM 7,34 5,67
Nota: Os óbitos para o Amapá foram corrigidos pela estimativa das coberturas para 0 - 1 ano (85,1) e > 1 ano (63,1),
segundo o Datasus-MS.
A padronização indireta é utilizada quando se desconhece o número de óbitos por faixas

etárias, existindo apenas informação do total de óbitos ocorridos em uma área. Pode até existir
esta informação dos óbitos, mas se o tamanho dos estratos populacionais não possui magnitude
suficiente, as taxas específicas teriam grandes variações. Este método consiste em calcular os
óbitos esperados, aplicando-se às populações específicas as taxas de uma população-padrão
como referência. Obtidos os óbitos esperados específicos, somam-se estes óbitos e calcula-se a
taxa geral padronizada, dividindo-se o total dos óbitos esperados pela população observada na
área de estudo. Este método tem a seguinte interpretação: qual seria o risco de uma população se
ela estivesse submetida às taxas de mortalidade da população-padrão?
A padronização indireta é utilizada quando se desconhece o número de óbitos por faixas

etárias, existindo apenas informação do total de óbitos ocorridos em uma área. Pode até existir
esta informação dos óbitos, mas se o tamanho dos estratos populacionais não possui magnitude
suficiente, as taxas específicas teriam grandes variações. Este método consiste em calcular os
óbitos esperados, aplicando-se às populações específicas as taxas de uma população-padrão
como referência. Obtidos os óbitos esperados específicos, somam-se estes óbitos e calcula-se a
taxa geral padronizada, dividindo-se o total dos óbitos esperados pela população observada na
área de estudo. Este método tem a seguinte interpretação: qual seria o risco de uma população se
ela estivesse submetida às taxas de mortalidade da população-padrão?
É importante observar que não há nada sobre a padronização que restrinja sua
aplicabilidade às idades. Muitos índices de preços, por exemplo, têm a forma de uma taxa
padronizada, embora utilizem formas particulares de medias ponderadas.
É importante também deixar claro que os resultados das padronizações podem ser
sensíveis à escolha do padrão. Infelizmente, não há uma regra única e simples para ser usada.
De fato, a seleção do padrão tem inevitavelmente um grau de arbitrariedade. E, isto, não é bom, já
que o pesquisador pode manipular os resultados. Alguns autores, no entanto, sugerem algumas
alternativas para dar mais consistência a este processo e controlar as arbitrariedades (Preston,
2002; Laurenti et al, 2006).
Ao comparar duas ou mais populações:
a) usar a média das populações como padrão (mais recomendável para duas populações);
b) fixar uma delas e tomar a outra como padrão (mais recomendável para duas
populações);
c) usar a média harmônica das populações como padrão.
d) usar um padrão que seja próximo da média ou mediana das estruturas populacionais
sob investigação;
e) usar o total delas como padrão;
f) tomar como padrão a população total que engloba as de estudo;
g) tomar o milhão-padrão, baseado nas populações de dezenove países europeus.
3.1.3 A mortalidade infantil e seus componentes
Um dos índices mais conhecidos e usados na demografia é a TMI. E o motivo, é porque

ele representa um dos mais sensíveis indicadores de saúde. Conceitualmente é uma taxa
específica de mortalidade, referente à mortalidade ocorrida durante o primeiro ano de vida. A TMI
mede o risco que os nascidos vivos com menos de um ano têm de morrer antes de completar um
ano de idade. É dada por:
O
TMI j = 1 0 ⋅ k
N0
Mortalidade 45
onde,
1Oo refere-se a todos os óbitos abaixo de um ano de idade ocorridos no ano j;
independentemente do ano de nascimento;
N0 refere-se aos nascidos ocorridos durante o ano j.
k é uma constante, múltiplo de 10, usualmente expressa por 1.000 nascidos vivos.
Diferindo da maioria das demais taxas de mortalidade, a da mortalidade infantil não

apresenta no denominador o número de pessoas menores de um ano, e, sim, o número de
nascidos vivos. A TMI é estruturada como uma probabilidade. Mas, na verdade, ela não
representa, de fato, nem uma “taxa”, nem uma probabilidade. Os expostos ao risco de morrer (no
numerador) não são todos contados como provenientes dos nascimentos (denominador) ocorridos
no mesmo ano. Esses óbitos são provenientes da coorte dos nascimentos ocorridos no próprio
ano de estudo como da coorte do ano anterior.
Por exemplo, a TMI do Brasil para o ano 2005 seria calculada pela razão entre os óbitos de
menores de um ano ocorridos e registrados neste ano e o número de nascidos vivos ocorridos e
registrados neste mesmo ano. Na prática, entretanto, os óbitos ocorridos no Brasil, em 2005,
podem se referir às coortes de nascidos vivos de 2004 e 2005. Sendo assim, a TMI se constitui
em uma aproximação da medida de risco ou probabilidade de morte antes de completar um ano
de vida, experimentada por uma coorte de nascidos vivos.
A TMI seria considerada como uma probabilidade de morrer antes de completar um ano de
idade para a coorte de nascidos no ano t somente se os 1O0(t) = 1O0(t-1). Esta equivalência
somente ocorreria se os nascimentos fossem constantes de um ano para o outro e se as
condições de mortalidade específicas de idade fossem também constantes. Nestas
circunstâncias, a taxa de mortalidade infantil seria também igual à probabilidade de um indivíduo
morrer antes do completar um ano de idade.
Apesar dessas considerações, a taxa de mortalidade infantil pode ser tomada como uma
estimativa bastante aproximada da probabilidade de morrer antes de um ano (desde que os dados
sejam confiáveis), a menos que o número de nascidos vivos varie muito de um ano para outro.
Como toda classificação, o que se considera como uma TMI alta ou baixa sempre envolve
introduzir critérios de subjetividade. No entanto, para avaliação de magnitudes e em comparações
geográficas ou temporais, uma classificação é sempre útil. Vermelho et al. (2005) defendem a
seguinte categorização para uma TMI por mil nascidos vivos: baixa, < 20; intermediária, entre 20-
49 e alta, ≥50. A Tabela 3.1 apresenta estimativas das taxas de mortalidade infantil para o Brasil
e suas regiões em 2005.
Um procedimento alternativo para transformar taxas de mortalidade em probabilidade de
morte é mostrado quando da apresentação dos passos metodológicos para construir uma tábua
de vida, no próximo capítulo.
Muito embora a TMI se refira aos nascimentos de crianças menores de um ano, há uma
desigualdade na distribuição dos óbitos neste grupo. Dependendo da população, os óbitos são
mais ou menos concentrados nas primeiras semanas de vida. Esta distribuição varia devido às
causas e seus fatores determinantes. As causas são geralmente classificadas em duas grandes
categorias: endógenas e exógenas.
Os fatores ou causas exógenos dizem respeito aos fatores ambientais e as condições
socioeconômicas gerais da população que levam a uma maior prevalência de mortes por doenças
infecciosas, problemas nutricionais, cuidados hospitalares insuficientes, acidentes diversos, etc.

Já os fatores endógenos se referem às condições relacionadas à gestação e ao parto (cobertura e
a qualidade da assistência pré-natal e perinatal, deformações congênitas, traumatismos causados
pelo parto, etc.). Uma da formas de diferenciar estas duas situações é desagregar a TMI em taxa
de mortalidade neonatal (TMN), para os óbitos ocorridos nas primeiras semanas de vida (menos
de 28 dias de idade), e taxa de mortalidade pós-neonatal (TMPN), para óbitos de crianças entre
28 dias até um ano de vida. A primeira ainda pode ser desagregada em outras duas medidas: taxa
de mortalidade neonatal precoce (menos de sete dias) e tardia (de sete a 27 dias de vida).
Uma outra medida relacionada com a mortalidade infantil é a taxa de mortalidade perinatal
(TMP). Esta mortalidade compreende o período que vai desde a idade gestacional em que o feto
atinge 500 gramas de peso, correspondente a 22 semanas de gestação, até 168 horas de vida
extra-uterina, o que corresponde a sete dias completos de vida. A seguir são definidas as medidas
mencionadas.
Medidas convencionais da mortalidade no primeiro ano de vida
Taxa de mortalidade perinatal:
(Óbitos fetais ≥ 28 semanas de gestação) + (Óbitos < 1 semana de idade) durante o ano t
Nascimentos + (Óbitos fetais ≥ 28 semanas) durante o ano t
Taxa de mortalidade neonatal:
Óbitos < 1 mês de idade durante o ano t

Nascimentos durante o ano t
Taxa de mortalidade pós-neonatal:
Óbitos 1-11 meses de idade durante o ano t

Taxa de mortalidade infantil:
Óbitos < 1 ano de idade durante o ano t

À medida que a mortalidade infantil diminui, os óbitos tardios (pós-neonatais) tendem a

declinar proporcionalmente mais que os óbitos precoces (neonatais). Assim, em populações com
níveis de mortalidade infantil baixa a mortalidade infantil neonatal tem maior peso do que a
mortalidade infantil pós-neonatal. A Tabela 3.1 mostra estas medidas para o Brasil e suas regiões
em 2005.
Mortalidade 47
Tabela 3.1 Medidas convencionais da mortalidade no primeiro

ano de vida, Brasil, 2005
Brasil TMN TMN

TMI TMP TMPN
e regiões (precoce) (tardia)
Brasil 21,17 - 10,86 3,28 7,03

Norte 23,35 - 11,77 3,01 8,57
Nordeste 31,61 - 16,60 4,07 10,94
Sudeste 14,20 - 7,21 2,59 4,39
Sul 13,80* 15,73 7,03 2,40 4,37
Centro-Oeste 17,83 - 8,84 3,08 5,91
Fonte: Ministério da Saúde – DATASUS.
3.1.4 Mortalidade por causa
A decomposição das taxas de mortalidade por causa tem importantes e óbvias aplicações
médicas. A exposição aos riscos de morte é uma fatalidade inevitável. Está claro o interesse em
saber sob que taxas os indivíduos de uma população estão morrendo mais e em que idades as
mortes são mais prováveis de ocorrer. De que se morre mais no Brasil atualmente? Que causas
de morte são mais freqüentes na população? Quem morre mais por doenças do câncer, os
homens ou as mulheres?
Ter estas respostas é saber medi-las através das causas de morte, as quais estão
classificadas de acordo com a Classificação Internacional das Doenças – CID.
A Tabela 3.2 mostra a mortalidade em porcentagem para os grupos de causas de óbitos
segundo a CID-10 e sexo, observadas no Brasil em 2005.
Como qualquer taxa específica de morte, a taxa de mortalidade por uma causa qualquer é
calculada pela divisão do número de óbitos da causa específica pela população sob risco. Esta
última, como já definida, é a população do meio de ano ou pessoas-tempo expostas. Geralmente,
a unidade de tempo considerada é o ano. Ou seja,
n Ox ⋅ k
nTM x =
n Px
onde,
nTMx = taxa de mortalidade pela causa x;
nOx = número de óbitos devido a causa x;
nPx = população do meio do ano;
k é uma constante, múltiplo de 10, usualmente expressa por 100.000 habitantes.
Como se sabe, as causas de morte variam consideravelmente com a idade, sexo e

características socioeconômicas. Pelo fato de que a taxa de mortalidade por causa é afetada pela
composição da população, do mesmo modo como a taxa bruta de mortalidade, é recomendável
proceder à padronização quando se deseja fazer comparações temporais ou geográficas.
Tabela 3.2 Porcentagem dos óbitos segundo a classificação da CID-10 dos grupos
de causas por sexo do Brasil, 2005
Grupos de Causas Homens Mulheres

I.Algumas doenças infecciosas e parasitárias 4,71 4,53
II.Neoplasias (tumores) 13,67 16,00
IIII.Doenças sangue órgãos hemat. e transtornos imunitários 0,44 0,58
IV Doenças endócrinas nutricionais e metabólicas 4,17 7,00
V.Transtornos mentais e comportamentais 1,20 0,46
VI.Doenças do sistema nervoso 1,44 1,89
VII.Doenças do olho e anexos 0,00 0,00
VIII.Doenças do ouvido e da apófise mastóide 0,01 0,01
IX. Doenças do aparelho circulatório 25,58 31,82
X.Doenças do aparelho respiratório 9,10 10,46
XI.Doenças do aparelho digestivo 5,53 4,22
XII.Doenças da pele e do tecido subcutâneo 0,15 0,27
XIII.Doenças sistema osteomuscular e tecido conjuntivo 0,18 0,48
XIV.Doenças do aparelho geniturinário 1,64 2,08
XV.Gravidez parto e puerpério 0,00 0,39
XVI.Algumas afecções originadas no período perinatal 2,92 2,99
XVII.Mal form. Cong. Deformid. e anomalias cromossômicas 0,90 1,09
XVIII.Sintomas sinais e achados anormais exames clín.e lab. 10,05 10,81
XX.Causas externas de morbidade e mortalidade 18,32 4,93
Total 100,00 100,00
Fonte: Ministério da Saúde – Datasus.
3.1.5 A mortalidade materna
Dentro dos indicadores de mortalidade mais importantes, se encontra o da mortalidade

materna. A morte de uma mulher no ciclo gravídico-puerperal sinaliza uma situação considerada
grave, mesmo porque estas mortes são consideradas em 90% dos casos como evitáveis. Neste
sentido, uma taxa de mortalidade materna é um indicativo da qualidade dos serviços prestados à
saúde das mulheres de uma população. A Organização Mundial de Saúde – OMS, (Armstrong,
1989) define a morte materna como “a morte de uma mulher durante a gestação, ou dentro de um
período de 42 dias após o término da gestação, independentemente da duração ou da localização
da gravidez, devido a qualquer causa relacionada com a gravidez ou agravada pela mesma, ou a
medidas tomadas em relação a ela, porém não devido a causas acidentais ou incidentais”.
Posteriormente, a OMS, por meio da 10ª Revisão da CID OMS (1996), introduziu o conceito de
morte materna tardia como sendo “a morte de uma mulher por causas obstétricas diretas ou
indiretas ocorrida entre 42 dias até um ano depois do término da gravidez”.
As causas da mortalidade materna são geralmente divididas em dois grupos: causas
obstétricas diretas e causas obstétricas indiretas. As primeiras resultam de complicações
obstétricas relacionadas à gravidez, parto e puerpério, devidas a intervenções, omissões,
tratamento incorreto ou de uma seqüência de eventos resultantes de qualquer uma dessas
situações (por exemplo: hemorragia, infecção puerperal, hipertensão, tromboembolismo,
acidentes anestésico). As causas obstétricas indiretas decorrem de doenças preexistentes ou que
se desenvolvem durante a gestação (intercorrentes) e que não se devem a causas obstétricas
Mortalidade 49
diretas, mas que foram agravadas pelos efeitos fisiológicos da gestação (exemplo: cardiopatias,
colagenoses e outras doenças crônicas). As causas obstétricas diretas, usualmente, predominam
em situações em que a mortalidade materna é alta. E, se inverte, quando vai declinando.
A taxa de mortalidade materna (TMM), correspondente a uma determinada área e período
e é calculada como:
O
TMM = m ⋅ k
j NV
0
onde,
TMj = taxa de mortalidade materna da área j
Om = número de óbitos por causas maternas;
NV0 = número de nascidos vivos;
k = uma constante, múltiplo de 10, usualmente igual a 100.000.
O número de nascidos vivos, no denominador, é considerado como uma estimativa da

população de gestantes, exposta ao risco de morte por causas maternas. O cálculo desta taxa se
aproxima, conforme discutido para a taxa de mortalidade infantil, do risco de morrer por
complicações da gravidez, parto e puerpério. Idealmente, esta taxa deveria ser baseada no
número de mulheres expostas ao risco de gravidez, isto é, o número de mulheres que
conceberam. Desde que é impossível saber quantas mulheres conceberam, o número total de
nascidos vivos é usado ao calcular a taxa de mortalidade materna.
3.1.6 Anos potenciais de vida perdidos (APVP)
Usando uma tábua de vida (ver Capítulo 4), é possível estimar o número de anos que as
pessoas deixaram de viver ou o número de anos perdidos, se elas não tivessem morrido de uma
particular doença ou causa de morte. Quando uma pessoa morre em determinada idade x, ela
deixa de viver o tempo de vida restante que em média se esperaria que ela vivesse, com relação
às outras pessoas de sua mesma idade, ou seja, de sua coorte. Se os anos de vida perdidos de
todas aquelas pessoas da mesma idade, que morreram por uma determinada causa são
somados, o resultado será o total de anos perdidos por uma causa específica, ou seja, APVP
(Anos Potenciais de Vida Perdidos).
APVP = Total das expectativas de vida na idade x de todos os óbitos de uma causa
Este total de anos pedidos fornece uma idéia do custo para a sociedade em anos de vida
perdidos pelas pessoas que morreram devido a certa causa e que faleceram “antes do tempo
médio esperado”. Se este total é dividido pelo número de pessoas que morreram da mesma
causa, como resultado será obtido o número médio de anos de vida perdidos por aqueles que
morreram pela causa de estudo. Desta forma, será obtida uma estimativa do custo médio em anos
perdidos para cada indivíduo.
Variação desta estratégia é possível. Quando os dados são limitados, pode-se simplificar
os cálculos da APVP assumindo que todos os indivíduos esperam viver o número médio de anos
que se espera que viva a coorte de nascidos em uma mesma data (expectativa de vida), ou
estabelecendo um número arbitrário de potencial de vida esperado. Para enfatizar os anos
produtivos de vida perdidos, pode-se estabelecer como limite uma idade de aposentadoria
esperada, por exemplo, sessenta e cinco anos (Anderton e Richard, 1997). Se um homem de 50
anos morre de uma doença cardíaca, por exemplo, perdeu 15 anos potenciais de vida antes dos
65 anos. Mas, não há um rigor para este limite. Para o Brasil, a idade limite considerada pode ser
atribuída aos 70 anos, já que este valor se aproxima da expectativa de vida, em 2005, em torno de
72 anos.
O conceito de anos potenciais de anos perdidos foi introduzido no começo do século XX
por Dempsey (1947). O método do cálculo do APVP por uma determinada causa (Romeder e Mc
Whinnie, 1988) pode ser obtido através da seguinte expressão matemática:
i +1
APVP = ∑ a i d i
i
onde,
ai = número de anos que faltam para completar a idade correspondente ao limite superior
considerado, quando a morte ocorre entre as idades de i e i+1 anos;
di = número de óbitos ocorridos entre as idades de i e i+1 anos.
Obtendo o total do APVP por causa de morte, e dividindo-o pelo total de óbitos dessa
mesma causa, pode-se saber o número médio do APVP para cada óbito. Com esse resultado
obtém-se a média de idade que o óbito ocorreu, subtraindo da idade limite o número médio do
APVP. O Quadro 3.3 ilustra o uso da APVP para a população masculina do Brasil em 2005.
Se o APVP for dividido pelo total de óbitos do sexo masculino ocorridos no Brasil em 2005,
para obter o número médio de anos perdidos por indivíduo, a quantidade resultante é
simplesmente: 969.727,5 anos para um total de 27.876 óbitos, resultando em um número médio
do APVP de 34,79 anos.
A Tabela 3.3 mostra os anos potenciais de vida perdidos pelas principais causas externas
e o número de óbitos do sexo masculino do município de João Pessoa em 2007. Por exemplo,
para os homicídios houve uma perda média de 40,2 anos e para os acidentes de transporte de
34,0 anos.
Os anos de vida perdidos informa quanto de vida prematura foi perdida por uma
sociedade. Mas, esta é uma medida que reflete o custo da mortalidade e não da morbidade.
Quando dados são disponíveis e confiáveis, poder-se-ia indagar sobre quanto tempo uma pessoa
sofreu de uma doença devida a uma causa particular, que recursos médicos uma pessoa em
média requereu, quanto inativo uma pessoa esteve durante a doença por invalidez temporária ou
permanente, e assim por diante. Este tipo de estudo pode ser feito adaptando a metodologia do
APVP, para anos de saúde perdidos, desde que os dados permitam (Murray e Lopez, 1996).
Mortalidade 51
Quadro 3.3 Exemplo do cálculo do APVP para a população residente

masculina do Brasil, 2005
Anos Potenciais
Intervalo Ponto médio do Idade Limite - Ponto
Número de óbitos de Vida Perdidos
Etário intervalo médio do intervalo
no intervalo
0-1 46 0,5 69,5 3197

1-4 294 3,0 67,0 19698
5-9 496 7,5 62,5 31000
10 - 14 682 12,5 57,5 39215
15 - 19 2377 17,5 52,5 124793
20 - 29 8060 25,0 45,0 362700
30 - 39 6012 35,0 35,0 210420
40 - 49 4900 45,0 25,0 122500
50 - 59 3116 55,0 15,0 46740
60 - 69 1893 65,0 5,0 9465
Total 27876 969728
APVP = ∑aidi
ai = número de anos que faltam para completar a idade correspondente ao limite superior
considerado (para o Brasil, em geral, 70 anos) quando a morte ocorre entre as idades i e i+n anos;
di= número de óbitos ocorridos entre as idades i e i+n anos.

onde, n é a amplitude do intervalo.
Fonte: Datasus – Ministério da Saúde.
Tabela 3.3 Número de óbitos e APVP’s de 0 a 70 anos para as principais

causas externas para o sexo masculino em João Pessoa, 2007
APVP APVP Óbitos

o APVP o Idade
Grupos de Causas N % N %
Óbito Média
Homicídios 11703 76,9 40,2 291,0 29,8 73,3
Acidentes de transporte 2275 15,0 34,0 67,0 36,0 16,9
Outros acidentes 879 5,8 41,9 21,0 28,1 5,3
Suicídios 195 1,3 17,7 11,0 52,3 2,8
Quedas 140 0,9 23,3 6,0 46,7 1,5
Lesões intenc.
Indeterminada 25 0,2 25,0 1,0 45,0 0,3
Total 15216,5 100 38,3 397 31,7 100
Fonte: Assis, 2009.
3.2 O dimensionamento dos erros na mortalidade

Conforme discutido no Capítulo 2, a validade das medidas de mortalidade depende da
qualidade das informações registradas nas declarações de óbitos, da cobertura dos registros e
dos denominadores para o cálculo das taxas (população e nascimentos). Portanto, é preciso estar
vigilante quanto às possibilidades de erros. Fazendo uso da equação do balanço do crescimento,
descrito no Capítulo 7 e de mais dois métodos de avaliação da cobertura dos óbitos (Preston et.
al, 1980; Courbaje e Fargues, 1979; Frias, 1984) e após estabelecer alguns critérios, Paes (2007),
estimou a cobertura dos óbitos para os estados brasileiros por sexo para o ano 2000, cujos
resultados são mostrados na Tabela 3.3.
Com relação às informações registradas nas declarações de óbitos, a proporção de óbitos
por causas mal definidas geralmente é usada nas análises de qualidade destas informações. A
Tabela 3.3 mostra os percentuais de óbitos por causas mal definidas dos estados do Brasil em
2000 por sexo.
Um dos problemas é a questão de como redistribuir as causas mal definidas em causas
definidas de óbitos. Para tanto, é descrito no Capítulo 7 o método de Ledermann que faz uso da
regressão linear simples. Conforme revela a Tabela 3.3, o estado da Paraíba no ano 2000 foi o
que apresentou os níveis mais elevados de proporção de causas mal definidas do Brasil. Desta
forma, o método de Ledermann foi aplicado para este estado, cujas estimativas dos coeficientes
angulares das regressões lineares para cada grupo de causa considerado são apresentadas no
Capítulo 7. Nele é mostrada a aplicação destes coeficientes nas causas mal definidas para o
estado da Paraíba para serem agregadas às principais causas definidas.
Na Tabela 3.4, são mostrados os percentuais das causas desconhecidas para os estados
do Brasil em 2000, conforme metodologia que se encontra explicitada no Capítulo 7.
Mortalidade 53
Tabela 3.4 Cobertura dos óbitos, causa mal definida e desconhecida

segundo sexo, para a população adulta dos Estados do Brasil, 2000
2000
Estado Sexo Cobertura Causa mal Causa
(%) definida (%) desconhecida (%)
M 70,1 12,9 38,9
Rondônia
F 70,4 14,8 40,0
M 71,4 28,8 49,1
Acre
F 74,1 33,2 50,5
M 73,8 23,7 43,7
Amazonas
F 71,4 26,2 47,3
M 67,6 7,1 37,3
Roraima
F 67,6 9,8 39,1
M 72,7 26,8 46,8
Pará
F 72,7 27,6 47,4
M 73,3 11,5 35,2
Amapá
F 72,5 14,8 38,3
M 75,2 20,5 40,2
Tocantins
F 72,5 23,5 44,6
M 71,4 37,8 56,2
Maranhão
F <70,4 40,1 58,1
M 74,1 28,4 47,0
Piauí
F <74,1 33,3 51,3
M 81,3 20,2 35,1
Ceará
F 78,7 22,6 39,0
M 80,7 26,8 41,0
Rio Gr. Norte
F 76,3 30,7 47,1
M 82,3 46,2 55,7
Paraíba
F 79,2 50,8 61,1
M 91,7 20,9 27,5
Pernambuco
F 90,9 25,4 32,2
M 81,3 28,3 41,7
Alagoas
F 81,0 33,3 46,0
M 89,3 26,9 34,7
Sergipe
F 91,7 32,4 38,0
M 89,3 27,3 35,1
Bahia
F 88,5 30,5 38,5
M 91,7 15,0 22,0
Minas Gerais
F 92,6 14,3 20,6
M 92,6 16,7 22,9
Espírito Santo
F 90,9 19,4 26,7
M 97,1 10,4 13,0
Rio de Janeiro
F 96,2 11,9 15,3
M 94,3 6,6 11,9
São Paulo
F 96,2 6,6 10,2
M 93,9 5,6 11,3
Paraná
F 93,0 5,8 12,4
M 95,7 12,0 15,8
Santa Catarina
F 93,5 13,3 19,0
M 93,0 4,6 11,3
Rio Gr. Sul
F 93,0 4,9 11,5
M 87,3 7,9 19,5
Mato Gr. Sul
F 82,6 7,4 23,5
M 86,2 7,7 20,5
Mato Grosso
F 82,6 8,7 24,5
M 83,3 11,2 26,0
Goiás
F 87,3 10,8 22,1
M 89,7 4,6 14,4
Distrito Federal
F 96,2 5,2 8,9
M 89,0 13,9 23,4
Brasil
F 87,0 15,4 26,4
* Extraída da Revista de Saúde Pública, Paes (2007)
4 Tábuas de Vida
4.1 Construindo uma tábua de vida
4.2 Tábua de vida abreviada
4.3 As funções de uma tábua de vida
4.4 Riscos Competitivos
Uma das ferramentas mais poderosas e importantes da demografia é a tábua de vida. Sua
aplicação por gerações, se estende não somente dentro dos círculos acadêmicos, mas também
fora deles. Conforme notado nos inícios dos Capítulos 1 e 3, as origens da ciência demográfica e
os estudos da mortalidade remontam desde o século dezessete, cujas fundações estão atreladas
às tábuas de vida, com trabalhos desenvolvidos particularmente por Francis Place, John Graunt e
Edmund Halley. Desde então, as contribuições têm sido feitas em termos de refinamentos e
desdobramentos de sua aplicabilidade (Namboodiri, 1987). A tábua de vida está presente de
forma direta ou indireta em boa parte da construção dos mais importantes indicadores
demográficos, bem como nas projeções populacionais. Ela tem um valor prático em muitos
campos da saúde pública e das ciências atuariais. Na ciência estatística, mais atualmente, ela é
parte do que é frequentemente chamada de “análise de sobrevivência”. A tábua de mortalidade é
de grande importância para o Ministério da Previdência Social e empresas de seguros de vida
para efeitos de determinar, juntamente com outros parâmetros, o chamado fator previdenciário
para o cálculo das aposentadorias das pessoas segundo IBGE.
“Em cumprimento ao disposto no Artigo 2, do Decreto Presidencial nº 3266 de 29 de novembro de

1999, o IBGE vem divulgando anualmente a Tábua Completa de Mortalidade, referente ao ano anterior, no
primeiro dia útil do mês de dezembro de cada ano”.
(http://www.ibge.gov.br/home/estatistica/populacao/tabuadevida/2007/default.shtm).
O uso de conceitos como vida média esperada e funções correlatas se estendem muito
além de tópicos como: seguros de vida, anos de vida após a aposentadoria, duração do
matrimônio e probabilidade de sobrevivência.
Se os registros de óbitos estão disponíveis, bem como uma boa estimativa da população
por sexo e idade para uma região em uma determinada data ou período, conforme mostrado no
capítulo anterior, a taxa bruta de mortalidade e as taxas específicas de mortalidade podem ser
calculadas para expressar a mortalidade. Ambos os tipos de taxas têm sua utilidade, mas também
têm suas limitações. Uma taxa bruta sintetiza em um único valor a mortalidade de toda uma
população, no entanto, como visto, ela é influenciada pela estrutura etária da população. Embora
uma taxa específica de mortalidade não seja influenciada pela estrutura etária, é necessário que
se conheçam várias delas para que se possa descrever a mortalidade de uma população.
Não seria conveniente que houvesse uma medida que pudesse sintetizar a mortalidade de
uma população em um único valor e que, ao mesmo tempo, não estivesse sujeita às limitações
das estruturas populacionais por idade? A expectativa de vida ao nascer é essa tal medida.
Para entendê-la, é necessário não somente considerar o conceito de mortalidade, mas
também, os conceitos de: sobrevivência e longevidade. Uma taxa de mortalidade mede o risco de
morrer em um dado ano. O complemento desta taxa mede o risco de sobreviver. Um conceito
próximo da sobrevivência é a longevidade, ou seja, a idade em que alguém morre.
Individualmente, a longevidade de um indivíduo é determinado pela quantidade de anos que
sobrevive ou evita a morte. Conjuntamente, a idade média pela qual uma coorte de indivíduos
morre é determinada por sua taxa de morrer ou sobreviver idade por idade através do tempo de
vida coletivo. A longevidade sintetiza em seu conceito a idéia de mortalidade específica por idade.
Assim, a combinação destas taxas específicas está contida na medida de expectativa de vida
média.
A expectativa de vida, ou ainda, a esperança de vida, é um conceito hipotético. Para uma
melhor compreensão, seja uma coorte de nascidos vivos (ver conceito no Capítulo 3) e que sua
trajetória de mortalidade seja acompanhada ao longo do tempo. Certamente, ela irá se
extinguindo com o avanço do tempo. Considere, ainda, que seja possível traçar essa trajetória
descrita em termos de taxas de mortalidade específicas por idade. Assim, será possível conhecer
a idade média provável dos óbitos de todos os membros da coorte depois que ela se extinguir
totalmente. Isto é, a expectativa de vida média ao nascer.
Os demógrafos usam as tábuas de vida (tábua de sobrevivência, ou ainda, tábua de
mortalidade) para traçar a história da mortalidade dos membros de uma coorte. Uma tábua de
vida nada mais é do que uma tabela à qual representa o tempo de vida de uma coorte hipotética
desde o nascimento até a sua extinção completa. É simplesmente uma maneira elegante e
conveniente de analisar as taxas específicas por idade.
Por meio de uma tábua de vida é possível responder questões como: quantos anos
viveram em média os indivíduos que nasceram num certo instante? Quantos anos em média
espera-se que vivam as mulheres que tenham determinada idade? Pode ser de interesse, por
exemplo, das companhias de seguro, saber que as mulheres de sessenta e cinco anos ainda têm
em média 20 anos a mais de vida.
É preciso notar alguns aspectos relacionados com a construção, uso e interpretação de
uma tábua de vida. Primeiro, todo o processo de construção de uma tábua de vida é baseado
completamente na geração das taxas específicas de mortalidade por idade de uma coorte de
indivíduos.
Segundo, as suposições empregadas na construção de uma determinada tábua de vida
são hipotéticas – e provavelmente irrealistas. É muito pouco provável que exista uma coorte de
nascimentos que experimente precisamente a trajetória de taxas específicas de mortalidade por
idade empregadas em uma tábua. O propósito, na verdade, é descrever as implicações da
mortalidade durante um dado ano, não descrever uma experiência de vida de uma coorte real.
Terceiro, ao concluir que uma coorte hipotética viveria em média x anos a partir do
nascimento, se expressa resumidamente as informações contidas nas taxas numa medida
(expectativa de vida) com as seguintes características:
a) é sintética, constituída de um único número;
b) é mais facilmente apreendida que uma taxa bruta de mortalidade;
c) não sofre influência da estrutura etária.
Tábuas de Vida 57
Há dois tipos de tábua de vida: a completa, que trabalha com a idade anual dos indivíduos,
e a abreviada que faz uso dos grupos etários (normalmente, agregados de cinco em cinco anos,
exceto o grupo de 0-1 e de 1-4). O motivo de a escolha recair, comumente, pela tábua abreviada
pode se dever à qualidade dos dados em não ser suficientemente confiável para construir uma
tábua de vida completa, ou porque se prefere um perfil mais conciso da mortalidade. A Tabela 4.1
mostra um extrato de uma tábua de vida completa para o Brasil do sexo masculino em 2006.
Tabela 4.1 Tábua completa de mortalidade para o sexo masculino, Brasil, 2006
Idade Probabilidade Nº óbitos Nº Nº pessoas- Total Expectativa
exata de ocorridos sobreviventes anos pessoas- de Vida
morte entre entre x, x+n à idade exata vividos anos à idade x
x, x+n x entre x, x+n vividos a
(por mil) partir de x
(x) nq x nD x lx nL x Tx ex
0 8,620 2862 100000 97519 6850453 68,5
1 2,543 247 97138 96968 6752934 69,5
2 1,477 143 96799 96733 6655966 68,8
3 1,107 107 96667 96632 6559232 67,9
4 0,901 87 96597 96576 6462600 66,9
5 0,621 60 96554 96524 6366024 65,9
6 0,466 45 96494 96472 6269500 65,0
7 0,353 34 96449 96432 6173029 64,0
8 0,311 30 96415 96400 6076597 63,0
9 0,311 30 96385 96370 5980197 62,0
10 0,322 31 96355 96340 5883827 61,1
. . . . . . .
. . . . . . .
78 65,493 2540 38787 37517 371430 9,6
79 70,374 2551 36247 34971 333913 9,2
+
80 1,000 33696 33696 298942 298942 8,9
Fonte: IBGE, Diretoria de Pesquisas (DPE), Coordenação de População e Indicadores Sociais (COPIS).
4.1 Construindo uma tábua de vida

Em sua fórmula clássica, uma tábua de vida é composta por vários elementos ou funções
matemáticas dispostos em colunas, seguindo uma sequência lógica e inter-relacionada. Os únicos
dados brutos envolvidos são as taxas específicas de mortalidade por idade.
Para construir uma tábua de vida, a primeira coluna a ser calculada é a de qx, ou seja,a
probabilidade de morrer entre as idades exatas x e x+1. Isto é:
qx = óbitos durante o ano dos indivíduos de idade x no início do ano

População de idade x no início do ano
Observe que o denominador consiste do número de pessoas vivas no início do ano. Por
exemplo, sejam 1.000 pessoas que nascem exatamente no mesmo instante. Na idade de 30 anos,
suponha que restam com vida apenas 950 pessoas. Se 10 morrem antes de completar 31 anos,
então:
10
q30 = = 0,010
950
Este tipo de cálculo geralmente não pode ser realizado diretamente porque as estimativas
populacionais normalmente são feitas para o meio do ano, em vez do início do ano. Então, as qx
são estimadas a partir das taxas específicas de mortalidade por idade, TEMx, já que estas taxas
são estimadas com a população no meio do ano. Se as TEMx são chamadas de mx, como é
convencional, então:
mx = óbitos durante o ano dos indivíduos de idade x

População de idade x no meio do ano
A diferença entre mx e qx é apenas que no primeiro indicador o denominador se refere à

população no meio do ano enquanto que no segundo ao início do ano. Estes indicadores são, na
verdade, muito próximos um do outro, qx é ligeiramente menor que mx em populações em
crescimento e maior em declínio. Mas, pelo fato de serem próximos, é necessário ajustar
ligeiramente mx para produzir qx antes de construir uma tábua de vida. Para explicar tal processo
de transformação, é necessário introduzir alguma notação:
Sejam,
Dx o número de óbitos no ano de indivíduos de idade x;
Nx a população de idade x no início do ano;
Px a população de idade x no meio do ano.
Desta forma:
Dx
qx =
Nx
e
Dx
mx =
Px
Agora, Nx é apenas Px mais aqueles que morreram entre o início e o meio do ano. Para a
maioria das idades, este acréscimo é muito próximo de 0,5.Dx desde que os óbitos ocorram de
maneira uniforme dentro do ano. Sendo assim:
N x = Px + 0,5Dx
Tábuas de Vida 59
Ao colocar, agora, Dx como numerador em ambos os lados, resultará em:
Dx Dx
=
Nx Px + 0,5Dx
ou seja,
Dx
qx =
Px + 0,5Dx
Dividindo ambos os termos da razão por Px, resulta em:
Dx / Px
qx =
Px / Px + 0,5Dx / Px
Desta forma, é possível estimar as probabilidades de morte a partir dos mx usando a

seguinte equação:
mx
qx =
1 + 0,5m x
Contudo, este processo representou apenas uma transformação, já que sua validade vai
depender da veracidade com que a realidade difere do suposto de que as mortes se distribuem
uniformemente durante o ano, ou seja, aqueles que morrem durante o ano vivem, em média, a
metade do ano. Este suposto é bastante razoável para todas as idades exceto para as idades
muito jovens, e com menor veracidade para os muito idosos. Os muito jovens, em média, vivem
menos que a metade do ano devido ao fato de que as mortes tendem a se concentrarem nos
períodos iniciais do ano. Ou seja, a mortalidade neonatal tem seu peso relativo diferenciado da
pós-neonatal, conforme discutido no capítulo anterior, para a mortalidade infantil. Já para a
mortalidade de 1 a 4 anos, esta concentração é menos evidente, embora não seja confortável
assumir que a distribuição das mortes seja uniformemente distribuída durante este intervalo etário.
Esta fração do ano vivida é usualmente denotada por ax, a qual também é conhecida como fator
de separação. Sendo assim, a última equação formulada pode ser generalizada como:
mx
qx =
1 + (1 - a x ).m x
Os valores que o fator de separação, a0, a1, a2..., assume variam de região para região e
de acordo com o nível da mortalidade. De acordo com Newell (1988), geralmente para as regiões
menos desenvolvidas (onde a mortalidade é alta) e mais desenvolvidas (onde a mortalidade é
baixa), é adotado o esquema apresentado no Quadro 4.1:
Quadro 4.1 Valores do nax para idades abaixo de 5 anos
Região 1a0 4a1 ax (x≥5)

Menos desenvolvida 0,3 0,4 0,5
Mais desenvolvida 0,1 0,4 0,5
Uma outra recomendação, quando se exige mais refinamento dos fatores de separação
entre os sexos, foi proposta por Coale e Demeny (1983) - usando o modelo de tábuas de vida
oeste - e adaptado por Preston et. ali. (2002), conforme esquematizado no Quadro 4.2.
Quadro 4.2 Valores do nax para idades abaixo de 5 anos
Fator de separação Masculino Feminino

Valores de 1a0
Se 1m0 ≥ 0,107 0,330 0,350
Se 1m0 < 0,107 0,045 + 2,684. 1m0 0,053 + 2,800. 1m0
Valores de 4a1
Se 1m0 ≥ 0,107 1,352 1,361
Se 1m0 < 0,107 1,651 – 2,816. 1m0 1,522 – 1,518. 1m0
Existem outros métodos que são usados para transformar mx em qx, propostos por Reed-
Merrell (1977), Greville (1943) e Chiang (1968). Contudo, em termos gerais, não há importantes
diferenças entre eles e o método descrito acima.
4.2 Tábua de vida abreviada

Conforme ressaltado acima, a tábua de vida abreviada é a mais usada. A maneira de
construí-la é similar a da tábua de vida completa. Mas, invés de calcular qx, se calcula nqx, onde n
significa o intervalo de idade e ele é, geralmente, expresso em 5 anos e em menor escala, em 10
anos. Por exemplo: 5q10 , se refere ao intervalo etário de 10 a 15 anos. Portanto, de forma
genérica, a equação fica:
n. n m x
n qx =
1 + n(1 - n ax ) n m x
Sua interpretação na tábua de vida é a probabilidade de um indivíduo de idade exata x vir

a falecer antes de completar x+n anos. Por exemplo: com base na Tabela 4.2, a probabilidade de
um indivíduo de idade exata 1 vir a falecer antes de completar 5 anos, seria dada por:
Tábuas de Vida 61
4.0,000523
4 q1 = 1 + 4(1 - 0,4)0,000523 = 0,002091
onde,
11
4 m1 = 21034 = 0,000523
Conhecido o processo de como calcular a partir dos dados brutos, agora é possível
descrever o cálculo, a interpretação e os usos das demais colunas de uma tábua de vida, cujo
algoritmo pode ser, agora, explicitado, conforme ilustra a Tabela 4.2.
Mas, antes de entrar neste detalhamento, faz-se necessário fazer mais um esclarecimento.
Até agora, uma população real e óbitos reais foram considerados para construir o modelo
matemático conhecido como tábua de vida. Mas, mesmo baseada em dados reais, na verdade, na
construção de uma tábua de vida, lidam-se com populações hipotéticas. O principal motivo é que
para construir uma tábua de vida “real”, consistindo de uma coorte de nascimentos reais, seria
necessário esperar e acompanhar todas as mortes desta coorte até o desaparecimento do último
deles. Isso, naturalmente, levaria um tempo considerável no sentido de que seria necessário algo
em torno de 100 anos, quando se trata de seres humanos.
Para superar esta dificuldade, os demógrafos e atuários desenvolveram um modo
alternativo, denominado de tábua de vida de “período” ou algumas vezes chamado de tábua de
vida “corrente”. Estas tábuas fornecem o mesmo tipo de informações contidas em uma tábua de
vida de coorte. Estas informações procuram mostrar o que ocorreria com uma coorte se ela fosse
submetida durante toda a sua vida às condições de mortalidade observadas em uma população
real. A este tipo de coorte denomina-se como “sintética” ou “hipotética” em oposição a uma coorte
“real”. Esta última, como visto, é composta de nascimentos reais.
4.3 As funções de uma tábua de vida

A seguir são descritos os cálculos para cada coluna e, como são interpretados e usados no
processo de construção de uma tábua de vida. A Tabela 4.2 mostra a tábua de vida abreviada
para o município de João Pessoa em 2007.
x - Intervalo de idade (x, x+n). Esse intervalo é definido entre duas idades exatas,
excetuando o grupo de 0 a 1, 1-4 e de 85 e mais anos.
n q x - Probabilidade de morrer entre as idades exatas x e x+n. É a coluna mestra para a

construção da tábua de vida, dado que as diversas colunas dependem de seus resultados para a
determinação de seus valores específicos. Seu cálculo envolve o relacionamento dos óbitos em
determinada faixa etária e a correspondente população sob risco. Como já visto, sua fórmula é
dada por:
n. n m x
n qx =
1 + n(1 - n ax ) n m x
onde,
n Dx
n mx =
n Px
n D x = óbitos do intervalo etário (x, x+n)
n Px = população do intervalo etário (x, x+n)
n a x = fator de separação
Como observado anteriormente, 1q0 é a “verdadeira” taxa de mortalidade infantil (TMI) e

esta, como convencionalmente calculada, é uma boa estimativa de nqx. Por outro lado, para o
intervalo aberto, nqx, será sempre igual a 1,0, pois todos os que estão vivos no início do intervalo
morrem durante ele.
npx - embora, geralmente, não seja colocada em uma tábua de vida, representa a
probabilidade de sobreviver entre as idades exatas x e x+n. Ela é apenas o complemento de nqx.
Desta forma:
n px = 1 - n q x ou n px + n q x = 1
Frequentemente npx, como nqx, são expressos por 1.000 ou 10.000 de modo a evitar uma
grande quantidade de zeros.
lx - Número de pessoas vivas ou sobreviventes à idade exata x. Número de indivíduos que

alcançaram com vida a idade exata x, a partir de um número arbitrário inicial, tais como 1 ou 1.000
ou, mais comumente, 100.000 nascimentos. Esse número arbitrário inicial, l0, é conhecido como
raiz. Para calcular lx, primeiro se escolhe uma raiz adequada, em seguida, seus valores
subsequentes são calculados na tábua usando a expressão:
l x = l x-n . n p x-n
Em palavras, o número de pessoas sobreviventes na idade x é o número de sobreviventes

na idade x-n multiplicado pela probabilidade de sobreviver da idade x-n até a idade x. Por
exemplo:
l1 = l0 .1 p0
l5 = l1 . 4 p1
l10 = l5 . 5 p5
.
.
Da Tabela 4.2:
l5 = 98135 ⋅ (1 - 0,002091) = 97930
Tábuas de Vida 63
Note que rearranjando a fórmula acima, obtém-se:
l x+n
n Px =
lx
Uma outra maneira de calcular lx é através da relação:
l x+n = l x - n d x
Da Tabela 4.2,
l5 = 98135 − 205 = 97930
ndx - Número de mortes no intervalo etário (x, x+n). Seus valores são oriundos da
multiplicação dos n qx pelos sobreviventes à mesma idade e traduzem o número de óbitos da
tábua da vida ocorrido no intervalo (x, x+n).
n d x = n q x .l x
Mas, ndx também pode ser calculado usando simplesmente a diferença entre dois lx.
Algebricamente:
n d x = l x - l x+n
Por exemplo, da Tabela 4.2:
5 d15 = l15 - l20 = 96697 – 95201 = 1496
Para o último intervalo, ou seja, o intervalo etário aberto, o número de pessoas que
morrem é o mesmo número daqueles vivos no início do intervalo. Isto é:
d x+ = l x
nLx - Número de anos vividos pelos sobreviventes do grupo inicial de indivíduos entre as
idades exatas (x, x+n). Cada indivíduo desse grupo que sobrevive cada ano, neste intervalo,
contribui para nLx com um ano completo, enquanto os que morrem durante este ano contribuem,
em média com ( 1 − ax ) do período e não com um ano. Para o intervalo de n anos, a expressão é
dada por:
n L x = nl x + n + n d x (1− n a x )n
Se para n a x nas idades x ≥ 5 anos , é assumido como igual a 0,5, então a fórmula se
torna:
(
n Lx = n l x+n + 0,5 n d x )
mas, desde que l x+n = l x - n d x
n Lx = n ( l x - n d x + 0,5 n d x )
( (
= n l x - 0,5 l x - l x+n ))
= n ( l x - 0,5l x + 0,5l x+n )
=n
( l x + l x+n )
2
Da Tabela 4.2:
(l 20 + l 25 ) (96697 + 95201)
5 L20 = 5 = 5 = 479745
2 2
Evidentemente que, esta expressão não é válida para ou 4 l1 já que n a x não é igual a
0,5 nestas idades. Chama-se à atenção de que o fator de separação n a x é uma medida usada
tanto na derivação de n q x como em n L x , no entanto, ele não depende dos valores da tábua de
vida e sim dos dados brutos.
Para o intervalo etário aberto, é necessário fazer uma adicional suposição acerca de
quantos anos mais, em média, aqueles vivos no início deste intervalo viverão ainda. Existem
várias alternativas. E, qualquer delas não ocasionará importantes diferenças na tábua de vida,
uma vez que, são relativamente poucas as pessoas que vivem neste intervalo. Certamente que se
devota particular interesse neste intervalo, é necessário usar da precaução. O método mais
comum faz uso das taxas específicas de mortalidade observadas (TEM) no intervalo aberto. É
bastante razoável supor que:
nd x
n m x=
n Lx
Por exemplo:
m = 5 d 20 = 1496 = 0,003118
5 20
5 L20 479745
já que, conforme explicitado no capítulo anterior:

n Ox
nTEM x =
n Px
Tábuas de Vida 65
Ou seja, a TEM é dada pela razão do número de óbitos da tábua de vida pelo número de
pessoas-ano vividos. Rearrumando esta equação, ela se torna:
∞ dx . P
∞ Lx = ∞ x
∞ Ox
ou seja,
∞ dx
∞L x =
∞ mx
Por exemplo:
d 1496
L80e+ = 80e+ = = 201525
m80e+ 0,003118
Tx - Total de anos vividos além da idade x. É o número de anos que se espera que viva os
sobreviventes de idade exata x, a partir desta idade até quando o grupo inicial de indivíduos se
extinguir totalmente. É a soma do número de anos vividos em cada intervalo de idade começando
com a idade x. Sua expressão é dada por:
Tx =n Lx + Tx+n
Da Tabela 4.2:
T20 = 5 L20 + T25 = 479745 + 4433925 = 4913670
O total de anos vividos no último grupo etário e nas idades subseqüentes será igual a
Tx =∞ Lx .
O principal propósito desta função é calcular a seguinte.
ex - Expectativa de vida na idade x. Corresponde ao número médio de anos de vida

esperados pelas pessoas na idade x.
Desde que o número total de anos a serem vividos por aqueles vivos em l x é dado por Tx ,
então a expectativa de vida resulta da divisão numérica dos dados da coluna Tx pelo da coluna
1x . Algebricamente:
Tx
ex =
lx
Assim,
T0
e0 =
l0
Da Tabela 4.2:
T 4913670
e20 = 20 = = 50,82
l20 96697
Todas as funções usadas para a construção de uma tábua de vida são mostradas na
Tabela 4.2 para o município de João Pessoa em 2007 para o sexo masculino e o Gráfico 4.1
ilustra o comportamento das taxas de mortalidade específicas.
Tabela 4.2 Tábua de vida da população masculina residente em João Pessoa, 2007
Grupo
nPx nD x nm x nq x lx nd x nL x Tx ex
idade
0 5.119 96 0,018754 0,01865 100000 1865 99385 6868832 68,69
1–4 21.034 11 0,000523 0,00209 98135 205 392212 6769447 68,98
5–9 28.015 8 0,000286 0,00143 97930 140 489300 6377235 65,12
10 – 14 29.740 11 0,000370 0,00185 97790 181 488499 5887935 60,21
15 – 19 33.000 62 0,001879 0,00935 97609 913 485766 5399436 55,32
20 – 24 34.642 108 0,003118 0,01547 96697 1496 479745 4913670 50,82
25 – 29 32.348 96 0,002968 0,01473 95201 1402 472500 4433925 46,57
30 – 34 26.992 75 0,002779 0,01380 93799 1294 465759 3961425 42,23
35 – 39 23.072 84 0,003641 0,01804 92505 1669 458352 3495666 37,79
40 – 44 21.511 106 0,004928 0,02434 90836 2211 448653 3037314 33,44
45 – 49 17.800 113 0,006348 0,03125 88625 2769 436203 2588661 29,21
50 – 54 13.726 127 0,009253 0,04522 85856 3882 419575 2152458 25,07
55 – 59 10.861 148 0,013627 0,06589 81974 5401 396367 1732883 21,14
60 – 64 7.830 172 0,021967 0,10412 76573 7972 362932 1336517 17,45
65 – 69 5.679 185 0,032576 0,15062 68600 10332 317171 973584 14,19
70 – 74 3.854 181 0,046964 0,21015 58268 12245 260728 656413 11,27
75 – 79 2.484 184 0,074074 0,31250 46023 14382 194160 395685 8,60
80 e + 2.847 447 0,157007 1,00000 31641 31641 201525 201525 6,37
Fonte: Assis, 2009
Nota: Foi adotado para (1-ax) os valores: 0,67 em menores de 1 ano, 0,60 na idade de um a quatro anos e 0,50 nas
demais idades para ambos os sexos.
Tábuas de Vida 67
Gráfico 4.1 Probabilidade de morrer da população residente masculina

de João Pessoa - PB, 2007
0,1
(log)
nqx
0,01
0,001
0 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85
Idade
4.4 Riscos Competitivos

A distribuição das mortes segundo causas tem grande influência sobre a expectativa ou
esperança de vida ao nascer, mas o valor desta não expressa com clareza tal relação. Embora
seja um bom indicador da saúde de uma população, a expectativa de vida ao nascer não aponta
por si só caminhos mais específicos para melhorar as suas condições. Porém, conhecer a
mortalidade específica por causas de um país ou região torna bem mais abrangente o leque de
possibilidades na atuação e alocação de recursos assim como o nível da qualidade de vida da
região.
No tocante as causas de morte as quais estão expostos todos os seres, deve-se entender
que a morte de um indivíduo se deve não apenas a uma, mas, a uma série de fatores de riscos
que este está suscetível ao contato no decorrer da vida e, independentemente de qual causa
tenha sido causadora do óbito, deve-se ressaltar que este esteve exposto ao risco de morrer não
só da causa determinante, mas, a todas as outras causas. Tem-se assim, intuitivamente, a idéia
de uma “competição” entre os riscos geradores de morte.
O impacto da eliminação destas causas como fatores de risco de morte, propiciaria
ganhos, em anos, na esperança de vida, estabelecendo, assim, melhorias no padrão de saúde de
uma população. É neste sentido que a teoria dos riscos competitivos busca medir o efeito que se
produziria com a eliminação total ou parcial de uma causa ou conjunto de causas específicas,
supondo que cada indivíduo está exposto ao risco de morte por alguma das inúmeras causas
competindo pela sua vida.
Sabe-se que o ser humano está sujeito em seu dia-a-dia a todos os tipos de causas de
morte, e que estas “competem” entre si. Sendo assim, tem-se que as causas de morte estão
relacionadas a mais de um tipo de risco. A teoria conhecida como risco competitivo é uma forte
ferramenta para investigação deste fenômeno epidemiológico.
A “análise de riscos competitivos” vem servir como ferramenta estatística de análise de

dados vitais para os casos em que os indivíduos estão expostos ao risco de morrer por várias
causas de morte. Esta deu base à construção de um recurso largamente utilizado na investigação
desta teoria: “Tabua de Vida de Múltiplo Decremento”. Este mecanismo de análise apresenta
ampla utilidade no estudo da duração da vida dos indivíduos de uma dada população mediante a
diminuição ou eliminação de uma causa de morte.
Uma proposta, neste sentido, foi desenvolvida por Chiang em 1960 para a construção de
Tábuas de Vida de Múltiplo Decremento (TVMD). Segundo Chiang (1968), as TVMD são mais
coerentes com a realidade, pois consideram a interdependência dos vários riscos de morte e seu
efeito ao se eliminar uma causa especifica (ou grupo de causas). São muitos os trabalhos que
destacam a importância do modelo de Chiang por sua praticidade, operacionalidade e validade
dos seus supostos. Por outro lado, o modelo de Chiang apresenta limitações que são
reconhecidas pelo próprio autor (Chiang, 1970). Neste sentido, Keyfitz (1977) e Wong (1977)
afirmam que a eliminação parcial da causa de morte é de maior interesse por apresentar uma
possibilidade mais próxima à realidade do que uma eliminação total.
Ainda na mesma linha crítica, autores como Guralnick (1966) apontam que a morte de um
indivíduo pode ser devida à influência de vários riscos de morte, e não a uma única causa básica
de morte. Seguindo a idéia de Chiang, várias adaptações foram sugeridas, como, por exemplo,
Moeschberger e David (1971), ao propor que interações de riscos sejam consideradas como
riscos separados de morte. Ainda na linha de embasamento teórico do método, Chiang (1970)
propôs que à eliminação de um risco específico seja adicionada a eliminação das interações entre
o risco específico e outros riscos.
Este procedimento tem sido comumente empregado e citado para medir o impacto das
causas consideradas evitáveis ou preveníveis, o risco de desenvolvimento de doenças
cancerígenas e muitas outras doenças ou para avaliar intervenções. No Brasil, os primeiros
trabalhos que aplicaram a teoria do risco competitivo utilizando à metodologia de Chiang foram os
de Gotlieb (1981) e Paes (1985). Ambos visaram avaliar a magnitude de incidência de alguns
grupos de causas de morte na população residente. O primeiro, foi aplicado para o município de
São Paulo em 1970 e, o segundo, para a população residente do município do Recife em 1979.
No presente estudo, entende-se como risco as condições que o indivíduo está sujeito
antes da morte; depois da morte esta mesma condição é entendida como a causa do óbito.
4.5 Construção da Tábua de Vida de Múltiplo Decremento (o modelo de

Chiang)
Partindo do suposto que todo indivíduo está sujeito aos mesmos riscos de óbitos e que
estes riscos estão em constante “competição” entre si, tem-se assim, um questionamento a ser
levantado: qual efeito que a eliminação total ou parcial de um destes riscos causaria na estrutura
populacional de uma determinada região?
O modelo desenvolvido por Chiang serve como base para avaliar os ganhos potenciais nas
esperanças de vida quando uma causa (ou grupo de causas) de morte é completamente
eliminada da população em estudo. Chiang (1968) pressupõe que a força de mortalidade, definida
como coeficiente de mortalidade instantâneo, seja constante em cada grupo etário e considera a
morte de cada individuo como conseqüência de uma única causa básica. Ele admite também, que
Tábuas de Vida 69
a soma das causas de morte é igual à força da mortalidade total e, que se pode admitir uma razão
constante entre as forças de mortalidade total com a mortalidade de uma causa.
Sua construção diverge daquela da tábua de vida somente pela coluna qx, que é
substituída pela probabilidade de morte que é líquida qx., ou seja, aceita que uma determinada
causa ou conjunto de causas tenham sido excluídos da população.
A probabilidade líquida de morte ( qx ) passa a ser estimada por:
[(D -D )/ D ]
i ij j
q = 1 - pˆ
i,j i
)
em que pi = estimador da probabilidade de um indivíduo sobreviver de x a x+n, é igual a:
1 - (1 - a ')n M
pˆ = i i i
i 1 + ai 'ni M i
onde,
i = 0, 1, 2,..., anos;
j = 1, 2,..., r (causas);
ni = intervalo de classe para o grupo etário considerado;
M i = taxa de mortalidade na idade i;
ai ' = fator de separação na idade i;
Dij = número de óbitos ocorridos na idade i pela causa j ou grupo de causas j;
Di = número de óbitos ocorridos na idade i.
A Tabela 4.3 mostra o impacto que a eliminação parcial de 50% das agressões
(homicídios) causaria na população do município de João Pessoa em 2007. A comparação com a
esperança de vida ao nascer antes da eliminação, 68,69, mostrada na Tabela 4.2 permite fazer
uma comparação com a esperança de vida obtida após uma redução de 50% nas mortes por
agressões no município, ou seja, 69,72. A diferença entre a esperança de vida resultou em um
ganho da ordem de 1,03 anos.
A Tabela 4.4 mostra os ganhos na esperança de vida com várias simulações para as
mortes por agressões para o município em João Pessoa em 2007.
Conforme apresentado no Capítulo 3, a metodologia da tábua de vida pode também ser
usada para quantificar a mortalidade prematura na idade ativa, considerada entre 15 e 65 anos.
Por intermédio da comparação do número médio de anos vividos entre 15 e 65 anos usando a
fórmula (T15 − T65 ) /115 pode ser identificado os ganhos potenciais de vida ativa médio. Usando os
dados da Tabela 4.2 para a população masculina residente de João Pessoa, 2007, a estimativa do
número médio de anos potenciais de vida ativa perdidos ficaria dada por:
(5399436 – 973584)/ 97609 = 45,34

Tabela 4.3 Tábua de vida de Múltiplo Decremento com a eliminação parcial de 50% das
mortes por agressões para a população residente masculina de João Pessoa, 2007
Grupos Nº de sobrev. Nº de mortes

Nº de anos Total de anos Esperança
etários Probabilidade que iniciaram a no intervalo
vividos no vividos a de vida
de morrer idade x intervalo partir idade x
(nqx..) (ndx) (nLx) (Tx) (ex)

(lx)
<1 0,0186 100000 1858 98761 6971736 69,72

1 |– 4 0,0021 98142 205 391831 6872975 70,03
5 |-- 10 0,0014 97937 140 489337 6481144 66,18
10 |-- 15 0,0015 97798 148 488618 5991807 61,27
15 |-- 20 0,0060 97650 583 486792 5503189 56,36
20 |-- 25 0,0099 97067 962 482930 5016397 51,68
25 |-- 30 0,0106 96105 1020 477976 4533467 47,17
30 |-- 35 0,0106 95086 1007 472909 4055491 42,65
35 |-- 40 0,0153 94078 1437 466799 3582582 38,08
40 |-- 45 0,0215 92642 1992 458229 3115783 33,63
45 |-- 50 0,0300 90650 2721 446446 2657554 29,32
50 |-- 55 0,0440 87928 3869 429971 2211108 25,15
55 |-- 60 0,0650 84060 5466 406633 1781138 21,19
60 |-- 65 0,1033 78594 8115 372679 1374504 17,49
65 |-- 70 0,1502 70478 10589 325919 1001825 14,21
70 |-- 75 0,2096 59890 12555 268061 675906 11,29
75 |– 79 0,3104 47335 14693 199942 407845 8,62
80 e + 1,0000 32642 32642 207902 207902 6,37
Fonte: Assis, 2009
Tábuas de Vida 71
Tabela 4.4 Tábua de vida de Múltiplo Decremento com a eliminação parcial das
mortes por agressões para a população residente masculina de João Pessoa, 2007
Grupos Esper. Esper. Esper. Esper. Esper.

Etários de vida de vida de vida de vida de vida
(ex) (Elimin. ex – e(x-25%) (Elimin. ex - e(x-50%) (Elimin. ex - e(x-75%) (Elimin. ex - e(x-total)
(em anos) 25%) 50%) 75%) total)
(ex-25%) (ex-50%) (ex-75%) (ex-Total)
<1 68,680 69,200 0,514 69,720 1,034 70,240 1,560 70,780 2,093
1 |-- 4 68,980 69,500 0,524 70,030 1,054 70,570 1,590 71,110 2,132
5 |-- 10 65,120 65,650 0,525 66,180 1,056 66,710 1,593 67,260 2,137
10 |-- 15 60,210 60,740 0,526 61,270 1,058 61,810 1,596 62,350 2,140
15 |-- 20 55,320 55,830 0,517 56,360 1,040 56,890 1,569 57,420 2,103
20 |-- 25 50,820 51,250 0,430 51,680 0,865 52,120 1,303 52,560 1,746
25 |-- 30 46,570 46,870 0,298 47,170 0,598 47,470 0,900 47,780 1,205
30 |-- 35 42,230 42,440 0,208 42,650 0,418 42,860 0,629 43,070 0,841
35 |-- 40 37,790 37,930 0,146 38,080 0,292 38,230 0,439 38,380 0,587
40 |-- 45 33,440 33,530 0,097 33,630 0,195 33,730 0,294 33,830 0,392
45 |-- 50 29,210 29,260 0,054 29,320 0,108 29,370 0,162 29,420 0,216
50 |-- 55 25,070 25,110 0,038 25,150 0,076 25,180 0,114 25,220 0,153
55 |-- 60 21,140 21,160 0,025 21,190 0,049 21,210 0,074 21,240 0,099
60 |-- 65 17,450 17,470 0,017 17,490 0,035 17,510 0,052 17,520 0,069
65 |-- 70 14,190 14,200 0,011 14,210 0,023 14,230 0,034 14,240 0,045
70 |-- 75 11,270 11,280 0,010 11,290 0,020 11,300 0,031 11,310 0,041
75 |-- 79 8,600 8,610 0,009 8,620 0,019 8,630 0,028 8,630 0,037
80 e + 6,370 6,370 0,000 6,370 0,000 6,370 0,000 6,370 0,000
Fonte: Assis, 2009.
5 Fecundidade e Reprodução
5.1 Medindo a fecundidade
5.2 Medindo a reprodução
Quando a morte é o último evento da vida, o nascimento é o primeiro. Conforme referido

no Capítulo 1, a população em um dado instante é o resultado das mudanças que ocorreram pela
interação de seus eventos vitais (nascimentos e mortes) e movimentos migratórios. As mudanças
podem ser consequências de movimentos graduais destes componentes ou, às vezes,
dramáticos, como os desastres naturais ou provocados (guerras, epidemias, etc.). Nestas
situações, os processos são descritos como explosão demográfica, “baby boom” ou colapso
populacional (redução acentuada). A despeito das taxas de mudanças desses movimentos e de
suas relevâncias, possivelmente o mais desafiante para efeito dos estudos é o que diz respeito
aos nascimentos.
Enquanto a morte é um evento inevitável, fatal, independente da vontade do homem, o
nascimento não somente passa pela questão da “inevitabilidade”, mas também do desejo, da
decisão e do controle. Enquanto o primeiro evento possa ser descrito por leis mais ou menos bem
estabelecidas, o nascimento depende não somente de leis biológicas, mas também das
comportamentais (papéis, valores, costumes, condições de vida, acesso às informações, etc).
Desta maneira, a força da natalidade varia entre populações, entre diferentes grupos dentro de
uma população, e historicamente, do passado ao presente. Está claro, então, que os modelos
explicativos para entender a natalidade devem ser pensados como distintivos, cada um deles
fornecendo uma peça diferenciada e/ou complementar para uma questão complexa.
Uma outra fonte para os desafios impostos para estudar esta temática é que os
demógrafos empregam muitos termos para descrever o que é essencialmente o mesmo
fenômeno: nascimento, fecundidade, reprodução e natalidade. O motivo é porque ele pode ser
visto por diferentes pontos de vista.
Nascimento – como um evento na perspectiva de um nascido vivo;

Fecundidade – descreve o status do sujeito procriador, tradicionalmente, a mulher.
Portanto, é à mulher que se faz referência quando se usa o termo fecundidade, embora, as
medidas descritas aqui possam ser prontamente transpostas para os homens. Quando um
nascimento ocorre, o nível (magnitude) da fecundidade da mulher aumenta. Isto se refere a uma
mudança de paridade, isto é, o número de crianças nascidas de uma mãe. Uma mãe pode gerar
vários nascimentos durante sua vida reprodutiva (período referente da menarca à menopausa).
Assim, uma taxa de fecundidade mede a frequência deste evento empregando uma base
populacional. Essas taxas são medidas em relação a um agregado de mulheres em seu período
fértil.
Reprodução – refere-se à capacidade reprodutiva de uma população em manter seu

tamanho de geração a geração;
Natalidade – diz respeito ao efeito que os nascimentos e a fecundidade têm sobre uma
população como um todo.
Existem, de forma genérica, duas maneiras de abordar o estudo da fecundidade: por

período e por coorte. A característica fundamental na análise da fecundidade por período é que
ela considera a fecundidade de maneira seccional, ou seja, os nascimentos ocorrem durante um
período de tempo especificado, normalmente um ano calendário. A análise da fecundidade por
coorte, por outro lado, considera a fecundidade de modo longitudinal, isto é, estuda todos os
nascimentos ocorridos em um grupo específico de mulheres, usualmente aquelas que nascem ou
casam durante um ano específico. Nesta situação, a perspectiva do olhar é no tempo, sobre a
história reprodutiva da mulher. Quando se pergunta sobre quantas crianças nasceram em uma
população durante um ano (ou mês, etc.), o que se procura é uma medida durante um período.
Mas, quando se pergunta sobre quantos filhos uma mulher teve durante seu período reprodutivo,
faz-se referência à uma coorte.
A análise por período é mais simples e mais freqüentemente realizada. O escopo de
abordagem deste capítulo abordará apenas a fecundidade por período. Independente da
abordagem, a idade, como no estudo da mortalidade, é uma importante dimensão na análise da
fecundidade. E, novamente, a demografia estatística, através de medidas, se constitui na maneira
mais efetiva de estudar a fecundidade.
5.1 Medindo a fecundidade

Conforme abordado no Capítulo 2, as três maiores fontes de dados para o estudo da
fecundidade são as estatísticas vitais, censos e pesquisas por amostragem. É preciso também
considerar as restrições com relação à qualidade dos dados. Os dados de nascimentos,
frequentemente, padecem de problemas similares aos observados para os óbitos, principalmente
quanto à sua cobertura e completude. Para tais considerações, o leitor é convidado a se dirigir ao
Capítulo 2. A seguir são apresentadas as medidas por período mais comuns.
5.1.1 Taxa Bruta de Natalidade
Esta é a mais simples e direta medida da fecundidade. No Capítulo 1, foi definida a Taxa
Bruta de Natalidade (TBN), como o número de nascimentos vivos em um particular período
dividido pelo número de pessoas-anos vividos na população durante o mesmo período:
N
TBN = ⋅1.000
P
Fecundidade e Reprodução 75
Usualmente, esta relação é expressa por 1.000 habitantes. Da mesma maneira como no
caso da TBM, ao se calcular a TBN adota-se no denominador a população total no meio do ano,
como uma aproximação no número de pessoas-ano. A TBN é chamada de taxa “bruta” porque ela
inclui no denominador a população de todas as idades e sexos. Devido a esta inclusão, ela não é
estritamente uma medida de risco, nem de fecundidade. Pela definição do Capítulo 1, não é uma
taxa verdadeira e, sim, uma razão. Por ser afetada pela composição da população por idade,
sexo, pela maior ou menor intensidade com que as mulheres têm seus filhos e outras
características, este indicador pode confundir se usado para comparações entre diferentes
populações ou a mesma população em diferentes momentos no tempo.
No entanto, existem algumas explicações porque ela é uma medida útil. É muito fácil de
entender, requer poucos dados e é fácil de calcular. Além do mais, é possível subtrair desta taxa a
TBM e, assim, obter a taxa bruta de crescimento natural, a qual, junto com a taxa líquida de
migração determinar a taxa de crescimento populacional (ver Capítulo 1).
Segundo o IBGE, no Brasil em 2007, nasceram 3.080.266 crianças para uma população
estimada de 183.987.291 pessoas. Desta forma:
3080266
TBN = ⋅ 1.000 = 16,74 por mil
183987291
O campo de possível variação para a TBN, considerado para populações em geral, fica em
cerca de 10 a 50 por mil habitantes. A Tabela 5.1 lista a TBN para as unidades da federação e o
Brasil em 1991 e 2005. O Quadro 5.1 ilustra o cálculo para este indicador.
5.1.2 Taxa de Fecundidade Geral
A Taxa de Fecundidade Geral ( TFG ) é o quociente entre o número de nascidos vivos e a

população feminina durante seu período reprodutivo ou em idade fértil, durante um determinado
tempo. Este período é normalmente considerado dentro do intervalo de 15 a 49 anos, mas nada
impede que se use o limite inferior em 10 anos, como ocorre em algumas sociedades onde a
fecundidade na adolescência é importante. Sua expressão é dada por:
TFG = n Nx ⋅ 1.000
49
∑ n Mx
x=15
onde,
n N x representa o número de nascidos vivos na faixa etária x, x+n;
n M x representa o número de mulheres no meio do ano de 15 a 49 em intervalos de n = 5

anos.
Para o Brasil, em 2007, considerando 29.267.745 mulheres de 15 a 49 anos e 3.080.266

nascidos vivos, tem-se:
3080266
TFG = ∗ 1.000 = 105,24.. por..mil..mulheres
29267745
Tabela 5.1 Taxa Bruta de Natalidade (p/1.000 hab) segundo

as unidades da federação e Brasil, 1991 e 2005
Brasil e UF 1991 2005
Brasil 23,39 17,98

Rondônia 29,12 21,34
Acre 34,65 27,19
Amazonas 32,40 23,23
Roraima 35,53 33,67
Pará 31,60 22,01
Amapá 37,57 30,45
Tocantins 32,25 21,66
Maranhão 30,54 23,90
Piauí 26,29 23,31
Ceará 28,18 20,44
Rio Grande do Norte 25,79 20,06
Paraíba 26,24 20,13
Pernambuco 23,39 18,27
Alagoas 30,52 26,79
Sergipe 28,24 22,61
Bahia 26,09 21,57
Minas Gerais 21,55 17,18
Espírito Santo 22,66 15,63
Rio de Janeiro 18,71 14,67
São Paulo 19,99 15,54
Paraná 22,77 15,82
Santa Catarina 22,55 14,65
Rio Grande do Sul 19,79 13,72
Mato Grosso do Sul 24,87 18,57
Mato Grosso 26,81 19,55
Goiás 23,51 18,45
Distrito Federal 22,95 20,12
Fonte: Ministério da Saúde.
O Quadro 5.1 ilustra para o município de João Pessoa – PB, o cálculo desta taxa para o
ano de 2007.
Esta é uma taxa de fecundidade e não de natalidade porque ela expressa o número de
nascimentos relativos ao número de mulheres no período reprodutivo. Note que se requer de
dados desagregados por faixa etária para o cálculo desta taxa. O campo de variação para a TFG
aproximadamente gira em torno de 50 a 300 por mil mulheres.
A principal vantagem deste indicador é que ele controla a estrutura por sexo e idade
relacionados aos nascimentos, sendo assim, um indicador de risco, portanto mais refinado que a
TBN. Mas, ele não controla inteiramente a estrutura de idade desde que pode haver variações
etárias entre as populações dentro do período reprodutivo. Por exemplo, uma população pode ter
um grande peso de mulheres jovens, enquanto que em outra população pode haver poucas
jovens, e por causa de que os nascimentos não são distribuídos uniformemente nas idades
reprodutivas, comparações entre essas populações, usando a TFG, podem levar a equívocos.
Para superar esta dificuldade, é preciso considerar as taxas de fecundidade para cada grupo
etário.
5.1.3 Taxa Específica de Fecundidade
A taxa específica de fecundidade (TEF) por idade da mulher refere-se ao quociente entre o
número de nascidos vivos de mães em uma determinada idade ou faixa etária e o número de
mulheres nesta mesma idade ou faixa etária (x, x+n). É comum este indicador ser representado
em um ano calendário. Sua definição é usualmente expressa por 1.000 nascimentos, como:
N
TEF = n x ⋅ 1.000
nM x
O padrão das TEF tem um formato típico conforme representado no Gráfico 5.1, o qual
tende a mostrar características de comportamento sem importantes variações: um rápido aumento
até atingir um pico nas idades que pode variar, usualmente, na faixa de 20-24 ou 25-39 e
gradualmente declina a níveis muito baixos depois dos 40 anos. Esta regularidade do padrão da
fecundidade propicia enormemente o uso de modelos matemáticos, os quais não são abordados
aqui.
Gráfico 5.1 Taxa especifica de fecundidade, João Pessoa, 2007
90
TEF por/1.000 hab.
60
30
0
15 20 25 30 35 40 45 50
Id a d e

Com as pertinentes adaptações no numerador e/ou no denominador, outras taxas

específicas podem ser derivadas para: estado conjugal, sexo do nascido vivo, ordem do
nascimento, etc. Conforme já referido, a fecundidade também pode ser calculada tendo como
referência no denominador a população masculina. Como o período fértil masculino usualmente
se estende por um período bem mais longo do que o feminino e a menor certeza da paternidade,
impõem restrições na construção de indicadores de fecundidade para homens este sexo.
Atualmente, e em muitas populações, a fecundidade feminina é precoce, fazendo com que
seja mais adequada a utilização de um período inicial no cálculo da TEF, a partir dos 10 anos de
idade, sempre que se fizer pertinente. Por outro lado, os nascimentos ocorridos em mulheres
acima dos 49 anos, devido a sua usual representatividade numérica proporcional ser muito baixa,
normalmente, é incorporada à faixa de 45-49 anos ou simplesmente não é considerada nos
estudos. Nestas situações, o efeito é desprezível.
A grande inconveniência das TEFs é que elas não são sintetizadas em um único número,
mas em um conjunto de pelo menos sete. Isto torna as comparações mais complexas. No entanto,
esta inconveniência é superada pelo uso da Taxa de Fecundidade Total.
5.1.4 Taxa de Fecundidade Total
A Taxa de Fecundidade Total (TFT) é provavelmente a medida de fecundidade mais usada

pelos demógrafos. Seu cálculo é muito simples e consiste apenas na adição das TEF. Há, no
entanto, um pequeno problema a ser considerado. Cada TEF normalmente se refere à intervalo
qüinqüenal (n = cinco anos). Isto faz com que ela seja considerada como a média das taxas para
cada um dos cinco anos. Desta forma, é necessário multiplicar a taxa específica qüinqüenal por
cinco. Em outras palavras: multiplica-se o somatório das TEFs por cinco porque a TEF
corresponde aos nascimentos por mulher durante um ano e cada mulher vive dentro de cada
intervalo cinco anos.
Uma outra questão é que a TFT é quase sempre expressa por cada mulher, quando as
TEFs são expressas por 1.000. Se este for o caso, então é necessário dividir por 1.000. Sua
fórmula é então dada por:
49
5. ∑ 5TEFx
TFT = x=15
1.000
A TFT corresponde ao número médio de filhos que uma mulher teria ao terminar o período
reprodutivo. A Tabela 5.2. mostra as TFT para as unidades da federação e o Brasil em 1991 e
2005. O Gráfico 5.2 ilustra a evolução da TFT para o Brasil de 1990 a 2008.
Algumas considerações adicionais precisam ser colocadas. Na interpretação deste
importante indicador é preciso considerar que a TFT, de um determinado ano, se manteve
exatamente a mesma pelo menos nos últimos 35 anos (período reprodutivo: 15-49 anos) e que
não se modificará no futuro. Isto quer dizer que o número médio de filhos nascidos vivos por
mulher diz respeito a uma geração hipotética que, ao atravessar todo o período reprodutivo,
vivenciasse o conjunto das TEFs observadas no ano de referência. No cálculo da TFT não são
levadas em consideração as mulheres que falecem antes do término do período reprodutivo.
Um dos grandes méritos deste indicador é que ele se constitui em uma medida sintética,
independente da estrutura etária. Pois, ele é formado pelo conjunto das TEFs, o qual corresponde
às médias de nascidos vivos por mulher nas sete faixas etárias. Sendo assim, este indicador pode
ser usado para comparações de níveis de fecundidade, sem a necessidade de padronização.
Tabela 5.2 Taxa de Fecundidade Total segundo as

unidades da federação e Brasil, 1991 e 2005
Brasil e UF 1991 2005

Brasil 2,73 2,01
Rondônia 3,33 2,24
Acre 4,46 3,06
Amazonas 4,07 2,44
Roraima 4,54 3,33
Pará 3,99 2,37
Amapá 4,79 3,12
Tocantins 4,13 2,30
Maranhão 4,10 2,49
Piauí 3,37 2,31
Ceará 3,57 2,22
Rio Grande do Norte 3,11 2,10
Paraíba 3,38 2,04
Pernambuco 2,80 1,94
Alagoas 3,78 2,83
Sergipe 3,41 2,42
Bahia 3,33 2,21
Minas Gerais 2,53 1,96
Espírito Santo 2,57 1,73
Rio de Janeiro 2,09 1,75
São Paulo 2,22 1,80
Paraná 2,54 1,82
Santa Catarina 2,53 1,73
Rio Grande do Sul 2,32 1,72
Mato Grosso do Sul 2,76 2,08
Mato Grosso 3,00 2,13
Goiás 2,47 1,96
Distrito Federal 2,29 1,93
Para exemplificar as diversas taxas apresentadas neste capítulo, são usados os dados
referentes aos nascidos vivos e à população de mulheres de João Pessoa em 2007 (Quadro 5.1).
Os nascimentos são aqueles ocorridos e registrados no mesmo ano e a população foi estimada
para o meio do ano. Note que, embora o principal propósito, aqui, seja o de exemplificar o uso
destes indicadores sem a preocupação com a fidedignidade com a magnitude dos reais níveis de
fecundidade, o sub-registro dos nascimentos para este ano é considerado baixo e não foi feito
nenhum ajuste.
Gráfico 5.2 Taxas de Fecundidade Total para o Brasil,

1990-2008
Fonte: IBGE, Diretoria de Pesquisas, Coordenação de População e Indicadores
5.2 Medindo a reprodução

Como visto no Capítulo 1, a fecundidade e a mortalidade se combinam para determinar o
crescimento natural de uma população. Uma outra maneira de olhar para o crescimento da
população é comparar o tamanho de sucessivas gerações. A TFT mede o número de crianças
nascidas de uma mulher se ela sobrevivesse durante todo o seu período reprodutivo. Se o número
de nascidos vivos for limitado apenas aos femininos, é possível obter uma indicação do número
de filhas nascidas da média de mulheres, a qual fornece uma medida aproximada da auto-
reprodução feminina. Ou seja, uma medida que indica o quanto as mulheres estão se
reproduzindo a si próprias em número. Desta forma, são introduzidas duas novas medidas para
aferir os níveis da fecundidade: as taxas brutas e líquidas de reprodução.
5.2.1 Taxa Bruta de Reprodução
Esta medida é similar a Taxa de Fecundidade Total, exceto que ela considera somente os
nascimentos femininos. Ela é calculada da mesma maneira como Taxa Bruta de Reprodução
(TBR) usando as taxas específicas de fecundidade (TFT) “feminina”. As TEFs “feminina” são
adicionadas e – porque cada faixa etária é qüinqüenal – multiplicada por cinco. Assim sendo, a
TFTx f representa a taxa específica de fecundidade feminina na faixa etária x, x+n, onde n = 5,
5
dada por:
f
f 5 Nx
5TEFx = M
5 x
onde,
5 N xf significa o número de nascidos vivos femininos na faixa etária x, x+5.
Desta forma, a Taxa Bruta de Reprodução, é dada pela seguinte expressão:
49 f
TBR = 5. ∑ 5TEFx
x=15
Quadro 5.1 Exemplo do cálculo da taxa de fecundidade total e geral
N n Nx
TEF = n x ⋅ 1.000 TFG = ⋅ 1.000
49
nM x ∑ n Mx
x=15
49
5. ∑ 5TEFx
TFT = x=15
1.000
Taxa de Fecundidade Total e Geral, João Pessoa, 2007
População Nascidos
Grupo Feminina Vivos TEF TFG
Etário (1/7/2007) (ambos os
sexos)
15 – 19 32.749 1.971 0,0602 -
20 – 24 36.279 3.126 0,0862 -
25 – 29 35.746 2.890 0,0808 -
30 – 34 30.813 1.818 0,0590 -
35 – 39 27.711 769 0,0278 -
40 – 44 26.173 208 0,0079 -
45 – 49 21.816 14 0,0006 -
15 – 49 211.287 10.796 - 51,1

TFT - - 1,6127 -
Fonte: Dados básicos – DATASUS - MS
O Quadro 5.2 mostra os cálculos da TBR para o município de João Pessoa, PB, em 2007.
Existe uma outra maneira de calcular a TBR, a qual envolve a Razão de Sexo ao Nascer
(RSN), conforme explicitado no Capítulo 1, onde RSN corresponde ao quociente entre o número
de nascimentos de crianças do sexo masculino e do sexo feminino. A TBR pode ser estimada
apenas multiplicando a TFT pela proporção de nascimentos do sexo feminino. Em termos formais:
f49 f
N N
TBR = .5 ∑ 5TEFx = .TFT
N x=15 N
na fórmula, o denominador é o total de nascimentos onde, N f e N são respectivamente o número

de nascidos vivos femininos e o total de nascimentos.
Em uma situação em que não se dispõe de dados de nascimentos separados por sexo,
uma RSN igual a 1,05 pode ser usada como uma boa estimativa, uma vez que este indicador é
geralmente muito estável dentro de uma mesma população, o qual varia geralmente entre 1,02 e
1,06.
Segundo o IBGE, o Brasil no ano 2007 contabilizou 3.080.266 nascidos vivos, sendo,
1.493.045 meninas, 1.586.875 meninos e 346 ignorados. Considerando que a proporção do sexo
feminino seja da ordem de 0,4878 e do masculino em 0,5122, então, a distribuição dos ignorados
resultaria em 169 meninas e 177 meninos. Assim, o Brasil teria contabilizado 1.493.214
nascimentos para o sexo feminino e 1.587.052 para o masculino. Considerando, segundo o IBGE,
que a TFT foi de 1,93 filhos em média por mulher, segundo a fórmula acima, a TBR para o Brasil
em 2007, ficaria dada por:
1493214
TBR = ⋅ 1,93 = 0,9356
3080266
No caso que se desconheça a proporção de nascimentos femininos, então, o cálculo da

TBR poderia ser estimado por: 0,4878.1,93 = 0,9414.
Outro exemplo: se para o município de João Pessoa, em 2007, não estivessem disponíveis
os dados de nascimentos desagregados por sexo nas idades reprodutivas das mães, uma boa
estimativa da TBR poderia ser obtida multiplicando a TFT por (1/(1+RSN) ou mais
especificamente:
1
TBR = .TFT = 0,4878.TFT
(1+1,05)
Nesta situação:
TBR = 0,4878.TFT = 0,4878.1,6127 = 0,7867
A TBR representa o número de nascimentos femininos que uma mulher em média teria se
ela vivesse até o final de sua vida reprodutiva e experimentasse as taxas específicas de
fecundidade “femininas”. Recorde que a TBR, como a TFT, é uma taxa de período e assim não diz
nada sobre uma coorte real. Na verdade, ela considera uma coorte sintética hipotética.
Uma TBR igual a 1,0 sugere que as mulheres estão aproximadamente substituindo elas
mesmas, enquanto que um valor igual a 2,0 pode ser entendido que a população está dobrando a
si mesma em uma geração; isto é, cada mulher está gerando, em média, duas filhas. No entanto,
é importante ter clareza nesta interpretação da TBR, não somente porque ela se trata de uma
medida de período, mas também porque, por ser uma medida bruta de reprodução, não leva em
conta a mortalidade das mulheres. Claramente, nem todas as filhas sobreviverão para substituir
suas mães e nem todas as mães sobreviverão até o final dos anos de seu período de reprodução,
em torno dos 50 anos. Desta maneira, uma TBR precisa ter um valor maior do que 1,0 para que
ocorra uma substituição de fato, talvez, em torno de 1,15, apesar de que este valor dependa do
nível da mortalidade da região de estudo. Portanto, como a mortalidade exerce sua influência
nesta medida, é necessário, então, controlar seu impacto, para se ter uma medida mais realista.
Isto é o que é feito na próxima medida a ser apresentada.
5.2.2 Taxa Líquida de Reprodução
A Taxa Líquida de Reprodução (TLR), algumas vezes denotada por R0, é simplesmente
uma TBR ajustada pela mortalidade. Este ajustamento é realizado pela multiplicação de cada TEF
“feminina” ( 5TEFx f ) pela probabilidade de sobreviver do nascimento até certa idade, para depois
adicionar estes produtos e multiplicar pelo tamanho da faixa etária, 5, como é usual. Desta
maneira, a TLR, por ter sofrido a influência da mortalidade será sempre inferior a TBR, cuja
diferença dependerá do nível da mortalidade da região.
Assim, para calcular a TLR será necessário o conhecimento das nTEFx f e de uma tábua de
vida. Desde que o valor de nLx representa o número de anos-pessoas vividos entre a idade x e
x+n de uma coorte de lo nascimentos, o número de anos vividos em cada intervalo etário por um
número médio de mulheres sujeitas às condições de mortalidade no período durante sua vida
reprodutiva é dado por n Lxf / l0f . Por exemplo, a probabilidade de sobrevivência de mulheres de
f
idades de 30 a 34 anos será dada por 5 L30 / l0f . A Taxa Líquida de Reprodução é, então, definida
como:
49 n Lfx f
TLR = ∑ nTEFx
x=15 l f
0
Uma TLR igual a 1,00 implica que a população feminina permanentemente sujeita às taxas
de mortalidade e de fecundidade irá repor a sí mesma. Taxas de fecundidade que correspondem
a uma TLR de 1,00 normalmente são chamadas de nível de reposição da fecundidade, embora
como alerta Preston et al. (2002), existem um número infinito de taxas de mortalidade que se
combinam com as taxas de fecundidade para produzir uma TLR = 1. Em populações com baixos
níveis de mortalidade, o nível de reposição da TFT é cerca de 2,1 filhos em média por mulher.
Fato este que não ocorre em regiões com altas taxas de mortalidade, particularmente nas
primeiras idades, quando os níveis de reposição alcançam valores superiores a 2,1.
Estas medidas de reposição indicam se a população feminina está “repondo” a si mesma e
não a população como um todo. Quando a TLR > 1, cada geração é maior que a geração prévia.
Esta taxa nada indica sobre a velocidade do crescimento. Apenas significa que as novas crianças
femininas nascidas produzirão, em média, mais que uma filha durante a duração de sua vida.
O exemplo do Quadro 5.2 refere-se a uma geração hipotética de mulheres que
experimentou desde o nascimento até o final do período reprodutivo as TEM xf e
n
nTEFx f observadas no município de João Pessoa em 2007.
Quadro 5.2 Exemplo do cálculo da taxa bruta e líquida de reprodução
Taxa Bruta de Reprodução, João Pessoa, 2007
Grupo População Nascidos TEF

Etário Feminina Vivos (feminina)
(1/7/2007) (feminino)
15 – 19 32.749 944 0,0288
20 – 24 36.279 1529 0,0421
25 – 29 35.746 1442 0,0403
30 – 34 30.813 854 0,0277
35 – 39 27.711 366 0,0132
40 – 44 26.173 111 0,0042
45 – 49 21.816 8 0,0004
15 – 49 211.287 - -
TBR - 0,7842
49 n Lfx f
TLR = ∑ nTEFx
x=15 l f
0
Taxa Liquida de Reprodução, João Pessoa, 2007
Tabela de Sobrevivência
Grupo
(nTEFx,f) (nLx,f)*(nTEFx,f)
Etário Sobreviventes Mulheres - Ano
Idade X (nLx,f)
(lx,f)
<1 1000 991 - -
1-4 987 3937 - -
5-9 984 4918 - -
10-14 983 4910 - -
15 – 19 981 4900 0,0288 141
20 – 24 979 4889 0,0421 206
25 – 29 977 4876 0,0403 197
30 – 34 974 4861 0,0277 135
35 – 39 970 4839 0,0132 64
40 – 44 965 4805 0,0042 20
45 – 49 957 4749 0,0004 17
Total - - - 765
TLR - - - 0,765
Fonte: Dados básicos – DATASUS – MS
Pelo exemplo, a geração hipotética inicial de 100.000 mulheres recém-nascidas ( l0f ), é

submetida às taxas de mortalidade observadas para as mulheres em João Pessoa no ano 2007.
Ao atingir o início do período reprodutivo (15 anos) restaram da geração inicial 98.117
mulheres, pois 1883 faleceram. A partir desta idade, estas mulheres estão expostas a ter filhos,
cujos riscos são representados pelas nTEFx f , ademais de seguirem expostas ao risco de morrer
até o final da vida reprodutiva, nTEM xf (que na tábua de vida é representada pelas probabilidades
de morrer, n q x ).
Da faixa etária das mulheres 15-19 anos, nasceram 944 meninas, de 20-24, 1529, e assim,
sucessivamente. No final do período reprodutivo, das 1000 mulheres da geração inicial, apenas
943 completaram 50 anos de idade. Assim, da geração inicial, nasceram um total de 765 meninas.
Deste modo, para que a geração de 1000 mulheres que iniciaram o período reprodutivo
seja reposta, será necessário que elas tenham gerado o mesmo número total de filhas, que no
exemplo, foi de apenas 765. Portanto, houve um déficit aproximado de 31%, indicando que a
segunda geração foi menor do que a primeira, o que está representado pela TLR obtida em 0,765.
Finalmente, esta taxa indica que, se forem mantidas constantes as nTEM xf e as nTEFx f observadas
em 2007 para João Pessoa, cada geração posterior de recém-nascidas será substituída por uma
geração de filhas em torno de 31% menor.
.
6 Projeções Populacionais
6.1 Usos e propósitos das projeções
6.2 Estimativas, projeções e previsões
6.3 Metodologias de projeção populacional
A demografia não é somente uma disciplina científica logicamente bem estruturada e

quantificável, mas também é uma das disciplinas mais requisitadas pelos órgãos governamentais
e privados, além de muitos outros setores. E, isto é fácil de entender. As projeções populacionais
constituem necessariamente a base sobre a qual devem assentar-se quaisquer análises
prospectivas do que ocorrerá nas esferas do político, do econômico e do social (Wong et al.
1987).
Nesta linha, as preocupações com a popular noção de “superpopulação” têm alimentado o
debate pelo menos desde 1679, segundo Cohen (1995), quando foram feitas várias estimativas
sobre a capacidade da terra para manter a sobrevivência humana, que variavam desde abaixo e
acima da população mundial atual estimada em mais de 6,5 bilhões de habitantes. Popularmente
conhecido é o questionamento colocado por Thomas Malthus em seus ensaios sobre os princípios
da população (em 1798 e 1803) ao enunciar o inquietante axioma de que as “populações tendem
a crescer mais rapidamente que os meios de subsistência”; isto é, colocado em termos
matemáticos: as populações tendem a crescer em uma progressão geométrica (1,2,4,8,etc.),
enquanto que os meios de subsistência em uma progressão aritmética (1,2,3,4, etc.), (Yaukey e
Anderton, 2001).
Conhecidas, também, são as previsões alarmistas dos países capitalistas ocidentais no
período pós-guerra e nos anos 60 no Brasil, quando se anunciava a “explosão demográfica” e
“baby-booms”, bem como as previsões pessimistas de que as taxas de fecundidade brasileiras se
manteriam, por longo tempo, em níveis constantes observados nestes mesmos anos, cuja
tendência vem despencando deste então.
Qual será a população brasileira em 2050? Qual será a relação entre o número de jovens e
de idosos, entre os economicamente ativos e os não-ativos, entre homens e mulheres? Qual será
a distribuição regional da população brasileira? As técnicas de projeção lançam luzes como
respostas a estas perguntas. No entanto, é preciso ter em mente que projetar uma população não
se resume à mera aplicação de uma técnica. Projetar uma população significa antever a evolução
futura da interação entre os três componentes demográficos (mortalidade, fecundidade e

migração). Portanto, mais do que uma aplicação mecânica, projetar significa reunir experiência,
conhecimento, intuição e arte.
6.1 Usos e propósitos das projeções

Os métodos e teorias que fundamentam o entendimento das características da população
no passado e no presente – a partir do comportamento da fecundidade, da mortalidade e da
migração – têm se tornado muito útil em vários campos de aplicações. As instituições,
pesquisadores e planejadores têm desenvolvido cada vez mais uma necessidade de conhecer,
antecipar a natureza e magnitude das populações no futuro – ou das populações no presente com
dados do passado. Estas preocupações têm se tornado um nicho contemporâneo para os
tomadores de decisão, especialmente nos campos dos planejamentos urbanos e regionais,
administrações públicas, no plano educacional, habitacional, saúde e serviços sociais de
gerenciamento, mercado de consumo, etc.
Projeção populacional é provavelmente a técnica demográfica mais solicitada pelos
demandantes da demografia estatística. O mais óbvio e freqüente uso das projeções
populacionais é para propósitos de planejamento. Ela tem sido elevada ao posto de uma das mais
importantes ferramentas na determinação do fator previdenciário, no controle dos fundos de
seguridade social, nos gastos públicos, o nível de demanda por serviços, entre muitos outros. No
Brasil, o IBGE que fornece regularmente projeções populacionais atualizadas, coloca em uma de
suas páginas principais no sítio da web, a seguinte mensagem:
“As estimativas populacionais, além de sua fundamental importância para o cálculo de

indicadores sociodemográficos e econômicos nos períodos intercensitários, subsidiam Ministérios e
Secretarias Estaduais e Municipais para a formulação, a implementação e a posterior avaliação de
seus respectivos programas de desenvolvimento e, em particular, das ações contidas em suas
políticas sociais, constituindo, ainda, o principal parâmetro para a distribuição, pelo Tribunal de
Contas da União - TCU, das quotas partes relativas ao Fundo de Participação de Estados e
Municípios”.
(http://www.ibge.gov.br/home/estatistica/populacao/projecao_da_populacao/2008/default.shtm).
Ademais de satisfazer às necessidades dos “clientes”, os demógrafos estatísticos também

usam projeções populacionais para propósitos teóricos e de pesquisas ao analisar as implicações
em certos parâmetros demográficos quanto ao tamanho, composição e crescimento populacional.
Embora o enfoque dessas projeções se concentre nas suposições relativas aos três componentes
demográficos, projeções podem também ser designadas para demonstrar as conseqüências na
população, por exemplo, se fosse implantado um programa de planejamento familiar, o que
ocorreria se ocorresse a cura para algumas doenças importantes como o câncer, aids, ou mesmo
a diminuição das mortes por violências.
6.2 Estimativas, projeções e previsões

Os demógrafos empregam várias técnicas na tentativa de entender como as populações
de uma data futura serão parecidas ou se diferenciarão de um estado temporal de interesse. As
projeções populacionais variam enormemente em complexidade. Como observa Newell (1988),
em um extremo elas podem compreender um pouco mais do que uma extensão feita à mão, pela
Projeções Populacionais 89
simples inspeção visual, de uma linha de um gráfico mostrando como uma população total muda
no tempo. Em outro extremo, elas podem consistir de um programa computacional complexo que
projeta a população por idade, sexo, estado civil e outras características usando suposições que
variam no tempo para diferentes períodos acerca do curso seguido pelas variáveis demográficas.
Para representar uma população em uma data futura ou em uma data intermediária de um
passado recente e uma data presente, geralmente se distinguem três categorias: estimação,
projeção e previsão. Estas categorias devem ser distinguidas da predição. Esta significa uma
proposição acerca do que se pensa que acontecerá no futuro, baseado sobre um fato ou intuição.
Estimativas são necessárias porque é praticamente impossível coletar dados
continuamente sobre a população, uma vez que, esta, se encontra permanentemente em
processo de mudança. Uma estimativa populacional é uma avaliação de um tamanho
populacional ou alguma outra característica para uma data presente ou futuro próximo para o qual
não se tem uma imediata informação. Estimativas são geralmente atualizadas e são baseadas
sobre os mais recentes dados disponíveis. Por exemplo, quando os censos são realizados, eles
possuem uma data de referência, e pode-se desejar estimar a população para o meio do ano
(primeiro de julho do ano de estudo é a data usada no denominador para estimar taxas brutas de
mortalidade e de natalidade e muitas outras medidas).
Uma projeção descreve uma provável característica populacional em uma data futura
baseada sobre um conjunto de claras suposições acerca do que é esperado que ocorra entre o
tempo de projeção e da data para o qual ela se aplica. A precisão com que uma projeção é feita
depende da aderência dos supostos com os eventos que ocorrem durante o período da projeção.
Devido a que é muito difícil avaliar tendências e comportamentos futuros, costuma-se empregar
diferentes cenários para o crescimento populacional: lento, moderado e rápido. Estes cenários
resultam em três projeções populacionais, chamadas por alguns técnicos como: pessimista,
provável e otimista.
Uma previsão faz uma prospecção de alguma característica futura da população, baseada
sobre qualquer ou todas das várias fontes: projeção, teoria científica, intuição e mesmo
adivinhações cabais. Depende sempre do ponto de vista do pesquisador.
Evidentemente que as projeções e previsões usualmente são menos precisas quanto mais
distantes fizerem referência a uma data futura - mais erros são cometidos.
6.3 Metodologias de projeção populacional
Vários métodos de estimação são usados pelos órgãos governamentais, acadêmicos e

instituições privadas. Boa parte deles se apóia em métodos matemáticos, incluindo,
principalmente, aqueles que são fundamentados em modelos de crescimentos populacionais
simples. Outra classe de métodos é fundamentada na equação básica do crescimento
populacional.
6.3.1 Métodos do crescimento populacional
Os métodos de projeção baseados no crescimento da população procuram determinar o

tamanho de uma população desconhecida. Eles fazem uso de fórmulas matemáticas de modo que
a população em um tempo t é simplesmente uma função de uma população em um tempo 0.
Algebricamente:
Pt = f(P0)
Muita pouca informação é usada sobre a população antes do tempo 0. A fórmula

matemática usada descreve a natureza da mudança – crescimento – e o tamanho populacional
estimado para o qual falta dados via o procedimento conhecido como curva de ajustamento.
Embora existam infinitas fórmulas de crescimento possíveis de serem usadas, quatro
modelos são os mais efetivos: linear, geométrico, exponencial e logístico. Uma razão é que as
curvas associadas com estes modelos são suaves; particularmente, as três primeiras assumem
que o crescimento populacional se dá de uma maneira regular e não brusca ou com picos
acentuados. Além do mais, os registros de crescimento populacional e as taxas de crescimentos
verificadas pelos organismos censitários e outras fontes constataram ao longo da história que eles
fornecem as descrições mais realistas de como as populações mudam no tempo.
Método Aritmético
O modelo linear, também referido como crescimento aritmético, assume que a taxa de
mudança entre duas datas será constante durante o intervalo de tempo. Se a taxa de crescimento
no início de um intervalo de tempo de 10 anos for 0,5%, então este modelo estima o crescimento
como se a taxa fosse 0,5% para cada ano do intervalo.
Pn = PO + ( PO ⋅ r ) ⋅ t (6.1)
P0 = população inicial em um instante 0;
r = taxa de crescimento;
t = quantidade de tempo (número de anos ou meses) entre 0 e t.
Este é o mesmo método usado para determinar o juro simples em uma conta de aplicação.
Uma taxa fixa é aplicada ao capital inicial (P0), por exemplo, 10% (r = 0,10) ao ano (t = 1) sobre
um capital de R$1.000,00. Após um ano, a quantidade de R$100,00 (P0.r.t) é adicionado ao
capital inicial, resultando, no final do ano, em um capital acumulado de R$1.100,00. Como
mostrado no primeiro gráfico do Quadro 6.1, esta equação traça uma linha para indicar a taxa
constante de mudança.
A partir da equação acima, pode-se obter a taxa de crescimento (r) por unidade de
tempo, desde que se conheça a população inicial, a final e o tempo transcorrido.
Para se obter o valor de (r), a partir da equação, seguem-se os seguintes passos:
Pn = PO + ( PO ⋅ r ) ⋅ t
Pn - PO = ( PO ⋅ r ) ⋅ t
r=
(Pn - PO )
(PO ⋅ t )
Esta última equação pode ser utilizada para se obter uma população futura ou para se
calcular o tempo necessário para ser determinado o aumento populacional de uma dada região, a
partir de uma determinada população e de uma taxa de crescimento.
Como exemplo de aplicação, considere a população censitária do Brasil em 01/08/2000,
de 169.799.170 habitantes, e em 01/04/2007, pela contagem populacional, de 189.335.191
habitantes. Com base nesses dados é possível:
a) Calcular a taxa de crescimento anual pelo método aritmético:

Pela equação da taxa de crescimento aritmético tem-se que:
t = 6,7 (em anos)
P01/04/2007 = 189.335.191
P01/08/2000 = 169.799.170
189.335.191 − 169.799.170
Portanto, r= ≅ 0,0172
169.799.170.6,7
Chega-se, assim, a uma taxa de crescimento anual de, aproximadamente, 1,72%
ao ano.
b) Obter a população para 01/07/2002 e para 01/07/2015:

Para o ano de 2002, tem-se os seguintes valores:
t = 1,9 (em anos)
P01/04/2007 = 189.335.191
P01/08/2000 = 169.799.170
r = 1,72%
Substituindo na equação (6.1), obtém-se:
P
2002
=P
2000
+ P
2000 (
⋅r ⋅t )
P2002 = 169.799.170 + (169.799.170 ⋅ 0,0172 ) ⋅ 1,9
P2002 = 175.339.236
Para o ano de 2015:

t = 14,9 (em anos)
P01/04/2007 = 189.335.191
P01/08/2000 = 169.799.170
r = 1,72%
Substituindo na equação (6.1), tem-se:
(
P2015 = P2000 + P2000 ⋅ r ⋅ t )
( )
P2015 = 169.799.170 + 169.799.170 ⋅ 0,0172 ⋅ 14,9
P2015 = 213.244.948
Método Geométrico
Em muitas situações, as populações em vez de se expandirem em um ritmo aritmético

com uma taxa constante de crescimento, tais como 1,2,3,4,5, etc., se expandem em um ritmo
geométrico, tais como 1,2,4,8,16, etc. A curva de crescimento deste modelo descreve um
comportamento conforme ilustrado no segundo gráfico do Quadro 6.1. Sua expressão
matemática é dada por:
Pn = PO (1+ r )
t
(6.2)
Onde, os termos têm o mesmo significado como descritos para a equação do método
aritmético (eq. 6.1).
Este modelo pode ser aplicado para determinar juros em uma conta de aplicação anual
como se segue. Uma taxa de juro, por exemplo, de 10% por ano, é aplicado ao capital inicial, seja
R$1.000,00, o qual no final do primeiro ano produzirá R$100,00. Para o segundo ano, a taxa é
aplicada ao capital inicial mais os juros, isto é, R$1.100,00, produzindo um juro de R$110,00, e
assim por diante.
A partir da equação acima se pode obter a taxa de crescimento (r) por unidade de tempo,
desde que se conheça a população inicial, a final e o tempo transcorrido.
Para se obter o valor de (r), a partir da equação (6.2), seguem-se os seguintes passos:
Pn = PO (1+ r )
t
Pn
= (1+ r )
t
PO
P
log n = t ⋅ log (1 + r )
PO
P
log n = log (1+ r )
1
t PO
1 P 
(1 + r ) = antilog  log n 
t PO 
1 P 
r = antilog  log n  -1 (6.3)
t PO 
No caso de se trabalhar com o logaritmo decimal:

 
1 log Pn 
t PO 
 
r = 10 -1 (6.4)
A equação (6.2) pode ser ainda utilizada para se obter uma população futura ou para se
calcular o tempo necessário para determinado aumento populacional de uma dada região, a partir
de uma determinada população e de uma taxa de crescimento.
Como exemplo de aplicação, considere a população do Brasil em 01/08/2000, que era de
169.799.170 habitantes, e em 01/04/2007, de 189.335.191 habitantes. Com base nesses dados é
possível:
c) Calcular a taxa de crescimento anual:
Pela equação (6.4), tem-se que:
 
1 log Pn 
t PO 
 
r = 10 -1
Sendo:
t = 6,7 (em anos)
P01/04/2007 = 189.335.191
P01/08/2000 = 169.799.170
 1 
 log 189.335.191 
 6,7 169.799.170 
r = 10 -1 ≅ 0,0164
Chega-se, assim, a uma taxa de crescimento anual de, aproximadamente,

1,64% ao ano.
Na Seção 1.9 do Capítulo 1, foi mostrado o interesse em saber em quanto tempo uma
população atingirá seu dobro. Um modo alternativo consiste em explicitar o valor de t na equação
(6.2), ou seja:
d) Obter a população para 01/07/2002 e para 01/07/2015:
Para o ano de 2002, obtém-se os seguintes valores:
t = 1,9 (em anos)

P01/04/2007 = 189.335.191
P01/08/2000 = 169.799.170
r = 1,64%
Substituindo em (6.2), tem-se:
2000 (
1+ r )
t
P =P
2002
= 169.799.170 (1+ 0,0164 )

1,9
P
2002
P2002 = 175.124.859
Para o ano de 2015:
t = 14,9 (em anos)

P01/04/2007 = 189.335.191
P01/08/2000 = 169.799.170
r = 1,64%
2000 (
1+ r )
t
P =P
2015
= 169.799.170 (1+ 0,0164 )

14,9
P
2015
P2015 = 216.329.491
Pn = PO (1+ r )
t
Pn
= (1+ r )
t
PO
P
log n = tlog (1 + r )
PO
P
log n
PO
t=
log (1+ r )
e) Calcular em quantos anos a população de 2007 duplicará:
Mantido o mesmo ritmo de crescimento do período de 2000 a 2007, ou seja,

r = 0,0164.
Considerando que a população atual é o dobro da inicial, tem-se que:
Pn = 2P0 e, portanto:
2PO
log
PO
t=
log (1+ r )
log2
t=
log (1+ 0,0164 )
Portanto, t ≅ 42,6 anos.
Método Exponencial
A suposição de que os juros cresceriam em um ritmo geométrico, conforme o exemplo

utilizado anteriormente, não funciona adequadamente em aplicações demográficas. Os eventos
demográficos acontecem continuamente e os nascimentos, mortes e movimentos migratórios não
ocorrem todos no final do ano, como no caso dos juros em aplicações monetárias. A família de
equações e curvas baseadas no modelo exponencial trata de incrementar (ou decrementar) os
fatores como eles ocorrem continuamente. Seria o caso de juros aplicados diariamente, ou mesmo
por hora, tão próximo como possível de uma situação prática instantânea, algo similar, por
exemplo, como ocorre com a sistemática das bolsas de valores.
Um crescimento exponencial descreve uma curva de crescimento suave, como ilustrado
no Quadro 6.1. Seguindo a mesma terminologia usada para os dois modelos anteriores, sua
fórmula é dada por:
r t
Pn = PO e e (6.5)
A partir da equação acima, a taxa de crescimento (r) é resolvida algebricamente por

unidade de tempo, desde que se conheça a população inicial, a final e o tempo transcorrido.
Para se obter o valor de (r), a partir da equação (6.5), seguem-se as seguintes etapas:
r t
Pn = PO e e
Pn r t
=ee
PO
1 P 
re = ln  n  (6.6)
t  PO 
Do mesmo modo, como anteriormente explicado para os dois modelos anteriores, a

equação (6.6) pode ser usada para os mesmos fins. Como exemplo de aplicação, considere a
população censitária do Brasil em 2000 e a contagem populacional realizada em 2007. Com base
nesses dados é possível:
f) Calcular a taxa de crescimento anual:
Pela equação (6.6):
1 P 
re = ln  n 
t  PO 
Sendo:
t = 6,7 (em anos)
P01/04/2007 = 189.335.191
P01/08/2000 = 169.799.170
1  189.335.191 
re = ln   ≅ 0,0163
6,7  169.799.170 
Chega-se, assim, a uma taxa de crescimento anual de, aproximadamente, 1,63% ao ano.
g) Obter a população para 01/07/2002 e para 01/07/2015:
t = 1,9 (em anos)

P01/04/2007 = 189.335.191
P01/08/2000 = 169.799.170
r = 1,63%
r t
P =P ee
2002 2000
0,0163⋅1,9
P2002 = 169.799.170 ⋅ e
P2002 = 175.124.855
Para o ano de 2015:
t = 14,9 (em anos)

P01/04/2007 = 189.335.191
P01/08/2000 = 169.799.170
r = 1,63%
Substituindo em (6.5), obtém-se:

r t
P =P ee
2015 2000
0,0163⋅14,9
P2015 = 169.799.170e
P2015 = 216.329.456
Método Logístico
O modelo logístico não assume nem um crescimento absoluto nem taxas de crescimento
constantes durante o intervalo da projeção. Em vez disso, ele descreve uma situação em que
cresce rapidamente durante o primeiro momento do intervalo, para em seguida diminuir, durante o
segundo momento, quando se aproxima ou se iguala à zero. No Quadro 6.1 é mostrado o
comportamento desta curva. Sua aplicação em vários campos além da demografia deu a esta
curva vários nomes, como a curva S, devido à sua forma, curva de saturação, ogiva ou curva de
Pareto. Segundo Keyfitz (1968) é o modelo que melhor explica a transição demográfica, teoria esta,
largamente empregada e conhecida na demografia.
A curva logística pode ser expressa por uma equação diferencial que mostra ser a taxa
percentual de crescimento proporcional à população residual, entendendo-se como população
residual a diferença entre a população de saturação e a população variável existente. Para o
emprego deste procedimento são necessárias três condições:
- o conhecimento de três populações referentes a três momentos diferentes e eqüidistantes (P0, P1
e P2);
- que as populações de estudo apresentem sempre crescimento, ou seja: P0 < P1 < P2;
- que seja satisfeita a condição de inflexão da curva, através de P12 > P0 . P2.
A projeção da população para um determinado ano é efetuada com a utilização da seguinte

equação:
Ps
Pn =
Kt
(6.7)
1+ c ⋅e
onde:
Pn = população estimada para o ano n;
Ps = estimativa da população assumida como limite;

c = constante a ser estimada que representa o intervalo de tempo entre P0 e 0,
ponto de saturação (aquele em que o crescimento começa a diminuir),
também conhecido como ponto de inflexão;
e = base dos logaritmos naturais;
k = constante a ser estimada;
t = t` - t0, sendo t` o ano para o qual se deseja estimar a população e t0 o ano do primeiro
censo, tomado como referência.
A partir da equação 6.7 pode-se obter a taxa de crescimento (r) por unidade de tempo e
os demais parâmetros.
A população de saturação é determinada a partir da seguinte equação:
Ps =
2
( )
2⋅PO⋅ P1⋅P2 -P1 ⋅ PO+P2
2
PO⋅P -P
2 1
c =
( Ps - PO ) ,
PO
1
 O
(
 P Ps - P )
1 
 1 ( s O ) 
k= ln
t 2 - t1 P P - P
Onde P0, P1 e P2 representam, respectivamente as populações em três instantes do tempo.
Como exemplo de aplicação, considere a população do Brasil em 01/09/1980 com

118.401.737 hab., 01/09/1990* com 143.503.483 hab., em 01/08/2000 com 169.799.170 hab.
Com base nesses dados é possível fazer projeções:
h) Obter a população em 01/07/2015:
P0 = população verificada no censo de 1980;
P1 = população verificada no censo de 1990*;
P2 = população verificada no censo de 2000.

Substituindo em (6.7) e calculando os parâmetros da equação, obtém-se:
Ps
Pn =
kt
1+ c ⋅e
337.314.916
P2002 =
-0,0314⋅21,97
1+1,849 ⋅ e
P2002 = 175.013.669

Substituindo em (6.7) e calculando os parâmetros da equação, tem-se:
Ps
Pn =
kt
1+ c× e
337.314.916
P2015 =
-0,0314⋅34,83
1+1,849 ⋅ e
P2015 = 208.319.656
*população determinada para 1990 a partir do crescimento verificado entre 1980 e 1991.
Embora as técnicas mencionadas sejam frequentemente usadas pelos demógrafos e

outros pesquisadores para projetar tamanhos populacionais, elas não são muito úteis para
produzir projeções “confiáveis” para serem usadas pelos planejadores. O motivo se deve ao fato
de que elas não usam informações sobre a estrutura etária da população e também porque as
populações projetadas não podem ser decompostas em seus componentes. Mudanças bruscas
como explosões demográficas, períodos antinatalistas ou pró-natalistas, são difíceis de serem
captados de maneira simples por estas técnicas discutidas até agora. Em vez delas, uma técnica
diferente e muito mais refinada é normalmente usada, conhecida como “método dos
componentes”.
6.3.2 Métodos dos componentes
O mais vastamente método de projeções usado pelos demógrafos é o método dos

componentes por coorte, conhecido no Brasil, simplesmente, como método dos componentes ou,
ainda, como coortes de sobreviventes, o qual leva em conta a distribuição das idades. O método
como um todo pode ser pensado como uma extensão da equação básica do crescimento
populacional, conforme estabelecido na Sessão 1.6 do Capítulo 1.
Considere uma população em dois momentos determinados no tempo: o momento atual
e o momento passado. A trajetória entre a população inicial e a atual pode ser explicada pelos
nascimentos e mortes, além dos movimentos migratórios, ocorridos no período em questão e
pode ser representado pela equação básica do movimento populacional:
Pn = PO + Nt - Ot + It - Et
onde:
P0 = população inicial, instante 0;
N t = nascimentos no período t;
Ot = mortes no período t ;
It = imigrantes no período t;
E t = emigrações no período t.
Período t (t = n – 0)
No caso de uma população onde, supostamente, não tenha havido movimentos

migratórios, esta equação pode ser escrita como:
Pn = PO + Nt - Ot
Quadro 6.1. Projeção populacional. Métodos com base em fórmulas matemáticas

Taxa de Fórmula da
Método Descrição Forma da curva
crescimento projeção
8
7
(Pn - Po )
6
Crescimento populacional
Pn =Po +( Po ⋅ r ) ⋅ t
5
Projeção 4
segundo uma taxa constante. r=
(PO ⋅ t )
3
aritmética Método utilizado para 2

1
estimativas de menor prazo. 0

0 Crescimento
1 2 Linear/Aritmético
3 4 5 6 7
Crescimento populacional 4
1
Projeção
função da população existente
3 P 
 log n 
2
geométrica a cada instante. Utilizado para t Po 

Pn = P (1+ r )
1
r = 10 
-1 t
estimativas de menor prazo 0
0 1 Crescimento
2 3 Geométrico
4 5 6
0
Crescimento populacional, 6
5
cuja base para estimativas e
Projeção 4
projeções assume um 3
1 P  r t
⋅ ln  n  Pn = Po e e
2
exponencial crescimento continuo na taxa 1 re =
de crescimento entre duas
datas.
0
0 1
Crescimento 2
Exponecial 3
t  Po 
O crescimento populacional
segue uma relação
matemática, que estabelece
uma curva em forma de S. A
Projeção
população tende
assintoticamente a um valor
10
9
8
7
r =k ⋅ P⋅
(Ps -P) Pn =
Ps
de saturação. Os parâmetros kt
1+ c ⋅e
6
logística podem ser também estimados

5
4
3
P
por regressão não linear. 2
1
0
Condições necessárias: 0 0,3 0,6 0,9Crescimento
1,2 1,5 1,8 2,1Logístico
2,4 2,7 3 3,3 3,6 3,9
P0<P1<P2 e P0.P2<P12. O ponto

de inflexão na curva ocorre no
tempo [to-ln(c)/K] e com
Pt=Ps/2.
O motivo para o maior uso deste método se deve à sua maior precisão que os métodos
baseados no crescimento populacional, além de levar em conta a decomposição dos seus
componentes demográficos e a decomposição etária. Este é, praticamente, o único método usado
para projetar população pelos órgãos governamentais dos países, principalmente para tempos
mais longos. Representa um raro consenso nas ciências sociais. Sua sofisticada metodologia
consiste em fragmentar a população em subgrupos expostos diferentemente a comportamentos
especulativos sobre a fecundidade, a mortalidade e a migração, e separadamente computa as
mudanças no tempo para cada um desses grupos. Este método é aplicado para cada sexo em
separado e por faixas etárias. Devido a este último motivo, usualmente, as projeções são
realizadas para intervalos de tempo do mesmo tamanho dos intervalos etários que são utilizados.
Outras diferenciações podem contemplar a nacionalidade, situação de domicílio, segmentos
educacionais, raciais, religiosos, etc.
As três variáveis básicas necessárias para a aplicação deste método são: a) a estrutura da
população por sexo e idade; b) as taxas de sobrevivência específicas por sexo e idade, as quais
são derivadas de uma tábua de vida; c) taxas específicas de fecundidade por idade e d) nas
situações em que a população não é considerada como “fechada” (ver definição no Capítulo 1), o
saldo líquido migratório por sexo e idade. Principalmente, devido a este último item não ser
abordado neste livro, para maiores detalhes na construção e uso do método dos componentes, o
leitor interessado é convidado a consultar referências como: Preston et al., 2002; Santos et ali,
1980; Shryock e Siegel, 1976.
Em 2008, o IBGE revisou suas projeções para a população brasileira por sexo e idade até
o ano 2050, usando para isto o método dos componentes. Os procedimentos que permitiram
estimar e projetar os níveis e padrões da mortalidade e da fecundidade estão descritos em
detalhes na publicação do IBGE (2008), bem como se encontram disponibilizados no portal do
IBGE na Internet (www.ibge.gov.br). Nele, são colocados os resultados correspondentes ao
comportamento evolutivo esperado para:
1) As esperanças de vida ao nascer, por sexo, até o ano 2100;
2) As taxas de mortalidade infantil, por sexo, até o ano 2100;
3) As taxas de mortalidade por grupos de idade e sexo, até o ano 2050;
4) As taxas de fecundidade até o ano 2050, considerando como limite 1,50 filhos em média
por mulher.
5) Considerações sobre os supostos adotados para as migrações internacionais.
Detalhes sobre o significado de cada um desses indicadores são apresentados nos

capítulos anteriores.
A Tabela 6.1 resume os parâmetros de fecundidade e de mortalidade, a qual mostra em
particular as esperanças de vida ao nascer por sexo, ao longo do período da projeção de 1980 a
2050.
A Tabela 6.2 contém projeções administrativas para o Brasil, regiões e estados para o
período de 2010 a 2030, usando estimativas elaboradas pelo IBGE (2008).
Tabela 6.1 Indicadores de fecundidade total e de mortalidade implícitos na projeção Brasil -

1980/2050 (Revisão 2008 pelo IBGE)
Indicadores 1980 1990 2000 2010 2020 2030 2050

Taxa de fecundidade total 4,06 2,79 2,39 1,76 1,53 1,50 1,50
Taxa de mortalidade infantil 69,10 47,00 30,10 21,60 15,30 11,00 6,40
Expectativa nascer (ambos) 62,60 66,57 70,43 73,40 76,06 78,23 81,29
Expectativa nascer Homens 59,62 62,84 66,71 69,68 72,47 74,80 78,16
Expectativa nascer Mulheres 65,69 70,44 74,29 77,26 79,80 81,80 84,54
Fonte: IBGE, 2008.
Tabela 6.2 Projeção da população total para 1º de julho do

período 2010 - 2030 - Revisão 2008 pelo IBGE
Brasil e UF 2010 2020 2030
Brasil 193.252.604 207.143.243 216.410.030
Região Norte 15.565.396 17.178.597 18.254.799
Rondônia 1.513.758 1.590.820 1.642.229

Acre 701.623 783.866 838.732
Amazonas 3.442.959 3.831.695 4.091.030
Roraima 429.767 494.585 537.827
Pará 7.534.925 8.349.445 8.892.830
Amapá 639.363 739.346 806.046
Tocantins 1.303.001 1.388.840 1.446.105
Região Nordeste 54.068.099 57.806.590 60.300.625
Maranhão 6.425.576 6.883.681 7.189.293

Piauí 3.169.638 3.360.230 3.487.378
Ceará 8.640.099 9.363.568 9.846.212
Rio Grande do Norte 3.167.054 3.398.416 3.552.762
Paraíba 3.795.943 3.999.497 4.135.292
Pernambuco 8.882.415 9.448.078 9.825.446
Alagoas 3.183.194 3.395.522 3.537.172
Sergipe 2.038.941 2.189.941 2.290.676
Bahia 14.765.239 15.767.657 16.436.394
Região Sudeste 81.605.616 87.016.790 90.626.718
Minas Gerais 20.207.839 21.573.205 22.484.074

Espírito Santo 3.519.028 3.768.543 3.935.000
Rio de Janeiro 16.141.412 17.168.199 17.853.193
São Paulo 41.737.337 44.506.843 46.354.451
Região Sul 27.928.923 29.573.595 30.670.797
Paraná 10.777.396 11.491.916 11.968.590

Santa Catarina 6.181.506 6.673.509 7.001.737
Rio Grande do Sul 10.970.021 11.408.170 11.700.470
Região Centro-Oeste 14.084.570 15.567.674 16.557.089
Mato Grosso do Sul 2.383.684 2.565.436 2.686.687

Mato Grosso 3.043.396 3.370.314 3.588.409
Goiás 6.003.431 6.608.063 7.011.429
Distrito Federal 2.654.059 3.023.861 3.270.564
Fonte: IBGE, 2008.
7 Métodos para Avaliar a Qualidade dos
Registros Vitais
7.1 Métodos para identificar os erros de cobertura

7.2 O problema das declarações dos registros vitais: completude
7.3 Causas de mortes desconhecidas
Para que seja possível produzir estimativas demográficas confiáveis é necessário que os
dados possuam alta qualidade ou que, mesmo na presença de erros nos dados, possa-se
detectá-los e corrigi-los. Conforme explicitado na sessão 2.1 do Capítulo 2, boa parte dos
problemas enfrentados pelos demógrafos é devotada à qualidade dos dados. Sendo as
estatísticas vitais a matéria-prima de importantes indicadores na demografia, é costume distinguir
nelas dois tipos principais de erros: de cobertura e de declarações (completude). A seguir, alguns
destes métodos são destacados para cada uma das duas situações.
7.1 Métodos para identificar os erros de cobertura

7.1.1 Cobertura dos registros de nascidos vivos
Metodologias para estimação da cobertura de nascimentos foram apresentadas ou usadas

por diversos autores. Na literatura brasileira, metodologias foram empregadas, entre outros, pela
RIPSA, 2008; Barbosa, 2005; Albuquerque e Santos, 2004; Szwarwald et al, 2002; Wong e
Giraldelli, 1997; Frias, 1982; Altmann e Ferreira, 1982. Essas metodologias fazem uso de diversos
recursos: busca ativa dos registros de nascimentos; sistema de registro dual; registro atrasado de
nascimentos (RAN) ou fazem uso de estimativas indiretas. Estas últimas procuram estimar o
número esperado de nascimentos e são normalmente obtidas através de projeções populacionais
ou da distribuição específica da fecundidade por idade da mãe. É importante registrar que estes
recursos metodológicos possuem restrições e produzem erros nas estimativas caso não sejam
cumpridas as exigências impostas para seu adequado uso, o qual é bastante usual. A seguir, são
apresentados, alguns dos métodos mais usuais.
a) A Razão de Sexo dos nascimentos
A relação de sexo ou de masculinidade permite testar a qualidade das estatísticas do

registro civil. Inicialmente concebido para avaliar a qualidade de registro dos nascimentos, este
teste revelou-se um bom indicador da qualidade global dos dados estatísticos demográficos.
Este indicador relaciona o número de nascimentos masculinos por cada 100 nascimentos
femininos, ou seja:
nascimentos masculinos
⋅ 100
nascimentos femininos
Significa a relação dos nascidos vivos masculinos com os nascidos vivos femininos
realizados num determinado período. Permite ver se existem ou não erros ao nível dos registros
dos nascimentos (desequilíbrios ao nível dos registros dos sexos).
Como funciona este teste? Sabe-se que nos países com boa qualidade de estatísticas
demográficas a relação de sexo dos nascimentos anda por volta de 105 (ou seja, para cada 100
meninas nascem 105 meninos). A Tabela 7.1 mostra estas razões para o Brasil e suas regiões no
ano de 2005. Como pode ser observado para todo o Brasil, esta razão é muito próxima de 105. A
existência de desvios acentuados, em relação a este valor, não pode ser senão a conseqüência
direta das flutuações aleatórias, mesmo no caso de estar em presença de uma observação
perfeita. Não se pode concluir, de imediato, que a qualidade dos dados é má. Existem as
flutuações que têm a ver com o número de ocorrência. É necessário averiguar se se deve à
dimensão da população ou à má qualidade dos dados.
Em função do número de nascimentos observados é, no entanto, possível precisar o
intervalo de variação deste erro, que é devido à existência de populações pouco numerosas. Para
tal existe uma fórmula para se encontrar o intervalo de confiança dentro do qual o total dos
nascimentos masculinos pode variar:
Para um total de 1000 nascimentos espera-se, em teoria, 512 nascimentos masculinos e
488 nascimentos femininos, ou seja, uma proporção de 0,512 e de 0,488, respectivamente.
Os limites do intervalo de confiança a 95% são determinados pela fórmula
 0,512 ⋅ 0,488 
0,512 ±1,96  
 n 
onde,
n é o número total de nascimentos
A Tabela 7.1 informa que em 2005 no Brasil nasceram um total de 3.031.678 crianças,
sendo 1.551.806 do sexo masculino e 1.479.872 do feminino. Os limites do intervalo de confiança
para o total de nascimentos, usando a equação acima ficam dados por:
[0,5114 ; 0,5122]
Métodos para Avaliar a Qualidade dos Registros Vitais 107
Em seguida, calcula-se
x y
⋅100 e ⋅100
(1 - x ) (1 - y )
obtendo-se, [104,67 ; 105,00]
Se o valor encontrado no cálculo das relações de sexo ao nascer estiver incluído no

intervalo de confiança, pode-se afirmar que a qualidade de registro de nascimentos é boa. Se o
valor encontrado no cálculo das relações de sexo dos nascimentos não estiver incluído no
intervalo de confiança pode dever-se a:
• má qualidade dos dados
• sobre-registro de nascimentos masculinos
• sub-registro de nascimentos femininos
Pelos valores extraídos da Tabela 7.1, a razão de sexo ao nascer é igual a 104,86, cuja
qualidade dos dados de nascimentos pode ser classificada como boa.
Tabela 7.1 Nascidos vivos, segundo sexo e razão de sexos ao nascer*, Brasil e regiões,
2005
Razão de sexo*
Região Masculino Feminino Razão de sexo (RS)
RS (%)
Norte 161.197 153.326 1,051 105,1

Nordeste 472.389 450.716 1,048 104,8
Sudeste 598.677 572.088 1,046 104,6
Sul 200.917 191.156 1,051 105,1
Centro Oeste 118.625 112.586 1,054 105,4
Brasil 1.551.806 1.479.872 1,049 104,9
Fonte: SINASC – Ministério da Saúde
* Número de nascimentos masculinos por cada 100 nascimentos femininos
b) Método que faz uso da equação básica do crescimento populacional
A equação básica do crescimento populacional conforme apresentada em (1.1) no

Capítulo 1
Pn − P0 = N t − Ot + I t − E t
permite que seja calculado o número esperado de nascimentos, uma vez conhecidos os demais
elementos da equação. Ou seja, o valor de um elemento pode ser determinado através do
conhecimento dos valores de todos os outros. Assumindo que estes outros elementos tenham
sido corretamente observados, o valor esperado dos nascimentos obtido é comparado com o valor
observado dos nascimentos (registrados) e, desta forma, será obtida uma estimativa da cobertura
dos nascimentos.
Nascimentos registrados (t)

Cobertura dos nascimentos = ⋅100
Nascimentos esperados (t)
Note que o número esperado de nascimentos ficará ainda mais fácil de ser calculado se a
população de estudo for considerada como sendo “fechada” conforme conceituado no Capítulo 1.
Considerando que frequentemente um sistema que tem deficiências na captação dos
nascimentos, também tem na dos óbitos, este método impõe severas restrições quanto ao seu
emprego.
c) Método que faz uso das taxas de fecundidade
A cobertura dos nascidos vivos de uma determinada região, normalmente se refere a um

determinado ano e é estabelecida da seguinte forma:
NVobs (i)
Ci =
NVest (i)
em que,
50
NV (i) = ∑ TEF (i) ⋅ TM
est j=15 j j
onde,
C i = cobertura dos nascidos vivos da região i;
NVobs (i ) = total de nascidos vivos observados na região i;
NVest (i ) = total de nascidos vivos estimados para a região i;
TEF j (i ) = taxa específica de fecundidade na faixa etária qüinqüenal j da região i;
TM j = total de mulheres na faixa etária qüinqüenal j da região i;
j = faixa etária qüinqüenal de 15 a 49 anos.
O indicador TEF, taxa específica de fecundidade, é definido no Capítulo 5, e o TM j , total

de mulheres na faixa etária qüinqüenal j se refere ao volume populacional censitário ou estimado
para a região e ano de estudo. Para o uso deste procedimento, as TEF são normalmente obtidas
através de técnicas indiretas referentes à população de estudo ou são extraídas da experiência de
fecundidade de uma outra população assumidas como válidas para a população da região de
estudo. A prática demográfica de considerar faixas etárias qüinqüenais deve-se
fundamentalmente a uma tentativa de diminuir os erros que são cometidos nas declarações das
idades, além da maior facilidade de interpretação deste indicador quando apresentado de forma
agregada. O Quadro 7.1 exemplifica o cálculo para a cobertura dos nascidos vivos do Brasil em
2000.
Quadro 7.1 Exemplo do cálculo da cobertura de nascidos vivos, Brasil, 2000
∑ Nascidos
Taxa Vivos
População
Grupos Taxa Específica Nascidos Observados
Feminina
De Específica Fecundidade Vivos ÷
Ano 2000
Idade Fecundidade* x Observados** ∑ Nascidos
1° de Julho
População Vivos
Feminina Observados
Grupos de População
idade TEF Feminina NVEst. N.V.Obs. C.Nasc.
15 – 19 0,0884 8.907.348 787410 721.564
20 – 24 0,1413 8.081.197 1141873 998.523
25 – 29 0,1163 7.024.819 816986 720.342
30 – 34 0,0733 6.654.997 487811 443.512
35 – 39 0,0384 6.296.227 241775 214.808
40 – 44 0,0123 5.422.137 66692 55.665
45 – 49 0,0017 4.498.388 7647 4.690
Total 2,3585 46.885.112 3550195 3.159.104 88,98
NVobs (i)
Ci =
NVest (i)
em que,
50
NVest (i ) = ∑ TEF (i) × TM
j =15
j j
onde,
Ci = cobertura dos nascidos vivos da região i;
NVobs (i ) = total de nascidos vivos observados na região i;
NVest (i ) = total de nascidos vivos estimados para a região i;
TEF j (i ) = taxa específica de fecundidade na faixa etária qüinqüenal j da região i;
TM j = total de mulheres na faixa etária qüinqüenal j da região i;
j = faixa etária qüinqüenal de 15 a 49 anos.
Fonte: * Estimativas extraídas do IBGE (2009)

** Datasus - Ministério da Saúde – SINASC (2009)
7.1.2 Cobertura dos registros de óbitos
a) Método que faz uso da equação básica do crescimento populacional

Da mesma maneira como foi apresentado na estimação da cobertura dos nascimentos, a

equação básica do crescimento populacional conforme apresentada em (1.1) permite que seja
estimada a cobertura para os óbitos, desde que as informações estejam disponíveis e sejam
corretamente captadas.
Óbitos registrados
Cobertura dos óbitos = ⋅ 100
Óbitos esperados
b) Equação do Balanço do crescimento de Brass
O método da Equação Balanço de Crescimento foi proposto por Brass (1975) para avaliar
a cobertura de óbitos da população considerada a partir dos cinco anos de idade. Tal método foi
derivado de um outro proposto por Carrier em 1958, o qual desencadeou, por sua vez, toda uma
série de outros métodos. O método de Brass para calcular a cobertura dos dados de óbitos em
uma dada população Ω ou para qualquer partição de Ω (segmento da população) parte da
seguinte fórmula fundamental das populações estáveis (Lotka, 1922):
c (a) = b ⋅ e ⋅ p (a)
-ra
(7.1)
onde,
tem-se que:
c(a) = proporção de pessoas com idade exata a
b = taxa bruta de natalidade
r = taxa de crescimento natural
p(a) = probabilidade de sobrevivência até a idade exata a
De (7.1) deduz-se que:
N ( a ) = B.e − ra . p ( a )
onde,
N (a) = número de pessoas com a idade a
B = número total de nascimento no ano
Assim sendo, tem-se:

w w -rx
N(a+) = ∫ N(x)dx = B ∫ e p(x)dx
a a
onde,
N (a+ ) = número de pessoas com idade igual ou superior à idade a.
Sabendo-se que:
d(a) = c(a).µ(a)
onde,
µ (a) = taxa de mortalidade, dada por:
1 dp(a)
µ (a) = .
p(a) da
-ra
d(a) = b.e .p(a).µ(a)
-ra dp(a)
d(a) = b.e .
da
Então: -ra dp(a)

D(a) = -B.e .
da
w -rx dp(x)
D(a+) = -B ∫ e . (7.2)
a dx
onde,
D(a ) = número de óbitos de pessoas com a idade a
D (a+ ) = número de óbitos de pessoas com idade igual ou superior à idade de a.
Integrando-se por partes a equação (7.2), tem-se:
-rx w w -rx
D(a+) = [-B.e .p(x)] a - B.r ∫ e .p(x)dx
a
Por definição, pode-se dizer que p(w)=0, logo:

-rx w -ra
[-B.e .p(x)] a = B.e .p(a) = N(a) (7.3)
e,
w -rx
-.r ∫ Be .p(x)dx = -r.N(a+) (7.4)
a
Das equações (7.3) e (7.4), tem-se:
D(a+) N(a)
= -r
N(a+) N(a+)
Por transposição, tem-se:
D(a+) N(a)
= +r (7.5)
N(a+) N(a+)
Considerando-se, agora, que:
D (a+ ) = k.D’(a+)
onde,
D '(a+) = número de óbitos registrados, afetado por erro, de pessoas com idade igual ou
superior à idade a.
k = fator de correção dos óbitos a partir da idade a.
1
Se k>1 implica em sub-registro C= = Cobertura
k
Substituindo–se D(a+) na equação (7.5), tem-se:
N(a) D'(a+)
= r + k. (7.6)
N(a+) N(a+)
onde,
N (a ) = população na idade exata a
N (a+ ) = somatório de pessoas que estão na idade exata até um limite de idades w
qualquer;
D (a+ ) = Óbitos registrados e afetados por erros na idade a e +
r = taxa de crescimento da população estável
k = fator de correção dos óbitos

A equação de Brass trata-se de um método robusto quando a população de interesse Ω é

estável e fechada, ou seja, Ω deve ter uma taxa de crescimento r aproximadamente constante nas
idades em um dado intervalo de tempo ∆t e Ω não deve ter movimentos migratórios de muita
relevância no período de ∆t. Esta técnica supõe ainda que não haja erros de declarações das
idades consideradas.
Se as condições teóricas são verificadas, colocando-se em um sistema cartesiano os
valores podem ser interpretados como D(a) / N(a+) (taxa de mortalidade) no eixo das abscissas e
os valores de N(a) / N(a+) (taxa de natalidade) nas ordenadas, será obtido um conjunto de pontos
linearmente dispostos. Ajustando-se uma reta e esses pontos tem-se como coeficiente angular, o
fator de correção k e como parâmetro linear, à taxa de crescimento natural r.
O principal problema associado a esta técnica é o efeito dos desvios da estabilidade nas
estimativas, o efeito das idades não registradas e o diferencial de sub-registro por idade. Na
medida do possível, as violações desses supostos são controladas na aplicação da técnica. O
Quadro 7.2 ilustra a aplicação desta técnica para o Brasil em 2000, sexo masculino. Literatura em
português para o uso desta técnica e das seguintes pode ser encontrada, por exemplo, em Frias
(1984) e em Paes e Albuquerque (1999).
c) Método de Preston et al
O método de Preston et al (1980) se propõe à estimar a cobertura dos óbitos de uma

população Ω qualquer. Tal método é baseado na idéia de gerações extintas desenvolvidas por
Vincent em 1951.
Considere em uma determinada idade x uma população Ω qualquer em um período de
tempo t. Se essas pessoas são acompanhadas até a morte, então se pode conhecer o total de
mortes ocorridas a partir de idade exata x em um dado tempo t. Quando se tem Ω estável e
fechada em um tempo t, tem-se que o número de mortes de indivíduos com idade exata x que irá
ocorrer no futuro pode ser estimado através do número de óbitos a partir da idade exata x. Dessa
forma, pode-se obter uma estimativa da cobertura de óbitos em uma população Ω ou para
qualquer subconjunto dela utilizando o número de mortes correntes. Seja N (x) o número de
pessoas em uma idade exata x qualquer em uma população estável com taxa de crescimento r
constante. Considere também D (x) o número de óbitos na idade exata x. Portanto, a estimativa
do número de pessoas na idade x é dado pela estimativa que se segue:
w ( r ( a-x ) )
N ( x ) = ∑ D (a ) e
a=x
Com os pressupostos de estabilidade e que Ω seja fechada em um dado período de

tempo, tem-se que a taxa de crescimento natural da população Ω é considerada constante. Se a
população for realmente estável, a taxa de crescimento corretamente estipulada e as declarações
de óbitos em populações bem registradas, será igual à N (a+), caso os óbitos estejam sub-
registrados, N (a+) = f N (a+), onde a constante f é o fator de correção de óbitos determinado para
os valores medianos das proporções.
Quadro 7.2 Técnica de Brass para estimar a cobertura dos registros de óbitos para o sexo
masculino, Brasil 2000
N(a) D'(a+)
= r +k
N(a+) N(a+)
Grupo População Óbitos (a) N(a) N(a+) D'(a+) N(a)/N(a+) D'(a+)/N(a+)

de Idade
0–4 8.326.926 6135 - - - - - -
5–9 8.402.353 3212 5 1.672.928 75.249.089 504.425 0,0222 0,0067
10 – 14 8.777.639 3821 10 1.717.999 66.846.736 501.213 0,0257 0,0075
15 – 19 9.019.130 14928 15 1.779.677 58.069.097 497.392 0,0306 0,0086
20 – 24 8.048.218 21509 20 1.706.735 49.049.967 482.464 0,0348 0,0098
25 – 29 6.814.328 19696 25 1.486.255 41.001.749 460.955 0,0362 0,0112
30 – 34 6.363.983 20809 30 1.317.831 34.187.421 441.259 0,0385 0,0129
35 – 39 5.955.875 23652 35 1.231.986 27.823.438 420.450 0,0443 0,0151
40 – 44 5.116.439 26868 40 1.107.231 21.867.563 396.798 0,0506 0,0181
45 – 49 4.216.418 29921 45 933.286 16.751.124 369.930 0,0557 0,0221
50 – 54 3.415.678 33081 50 763.210 12.534.706 340.009 0,0609 0,0271
55 – 59 2.585.244 36190 55 600.092 9.119.028 306.928 0,0658 0,0337
60 – 64 2.153.209 42983 60 473.845 6.533.784 270.738 0,0725 0,0414
65 – 69 1.639.325 47509 65 379.253 4.380.575 227.755 0,0866 0,052
70 – 74 1.229.329 51890 70 286.865 2.741.250 180.246 0,1046 0,0658
75 – 79 780.571 48275 75 200.990 1.511.921 128.356 0,1329 0,0849
80 e + 731.350 80081 - - - - - -
Ajustamento para o sexo masculino, Brasil 2000
Foram utilizados para a regressão linear os indivíduos entre 20 a 60 anos de idade.
1
Coeficiente angular: 1,227, dessa forma a estimativa é dada por: = 0,82..ou..82%
1,227
Fonte: Dados de óbitos extraídos do Ministério da Saúde – SIM (2009).

Dados de população extraídos do IBGE - Censo Demográfico 2000.
d) Método de Preston e Hill
O método da Equação Geral de Balanço (Preston e Hill, 1980) trata-se de uma

generalização do método da Equação de Balanço de Brass (1975). Tal método é aplicado para
populações não estáveis mais que mantém os outros pressupostos da técnica de Brass. Quando
se tem disponíveis dois ou mais censos, pode-se calcular a taxa de crescimento para cada grupo
etário, e o pressuposto de estabilidade não é necessário. Com o método de Preston e Hill estima-
se a cobertura do registro de mortes e a cobertura relativa da enumeração de dois censos. Sua
proposição é dada por:
N (x) D ( x +)
- r (x) =
N ( x +) N ( x +)
Onde,
x representa as idades consideradas e r é a taxa de crescimento natural da população Ω
considerada.
e) Método para estimar a cobertura dos óbitos infantis

O método da equação do balanço de crescimento de Brass, não fornece estimativa
confiável para a faixa etária inicial de 0 a 1 ano de idade. O motivo é porque nesta faixa o sub-
registro é muito maior, resultando em uma cobertura menor do que para as demais idades. Um
método baseado nas taxas de fecundidade pode fornecer esta estimativa. (Ele faz uso do mesmo
princípio metodológico explicitado no item c) da sessão 7.1.1..Assim, a cobertura dos óbitos
menores de 1 ano de idade ( 1 C0 ) pode ser estimada como:
Óbitosobservados
1 C0 = Óbitos .100
esperados
Onde, os óbitos observados são extraídos dos registros vitais ou pesquisas. Com o conhecimento
do total de nascidos vivos estimados (NVest) (ver item c) da sessão 7.1.1) e a taxa mortalidade
infantil (TMI) é possível encontrar o número esperado de óbitos. Assim,
Óbitos Esperados = NVest .TMI
7.1.3 Classificação da qualidade dos registros vitais
Devido aos erros inerentes a toda estimativa e para facilitar a interpretação das estimativas
das coberturas tanto dos nascidos vivos como dos óbitos, muitas vezes é prudente recorrer a uma
classificação. A classificação mostrada no Quadro 7.3 foi adaptada por Paes (2007) de uma
proposta feita por Chackiel (1987).
Quadro 7.3 Classificação das coberturas dos óbitos adultos para ambos os sexos
Cobertura (%) Classificação

> 90 Muito boa
81 a 90 Boa
71 a 80 Regular
≤ 70 Deficiente
7.2 O problema das declarações dos registros vitais: completude
7.2.1 Completude proporcional
Um outro problema diz respeito ao preenchimento das variáveis que integram o formulário
da declaração de nascimentos - DN e da declaração dos óbitos – DO. Esse tipo de
preenchimento, muitas vezes, acarreta em declarações errôneas ou omissões de informações
referentes às variáveis. Trata-se da completude, conforme referido mais acima. Para dimensionar
tal problema, um dos recursos utilizados é considerar o grau de completude de tais declarações,
através da proporção de ignorados em cada uma das variáveis. Alguns autores estabeleceram
limites de tolerância para a representatividade das variáveis. No caso das coberturas de óbitos
Preston (1980) estabeleceu 60%, a United Nation (1982) em 55% e a OECD (1979) em 50%.
Estes limites foram considerados como razoáveis para expressar os padrões de representação
das variáveis. A Tabela 7.2 ilustra para as causas externas, o percentual de preenchimento de
algumas variáveis selecionadas da Declaração de Óbitos para o município de João Pessoa do
sexo masculino em 2007.
7.2.2 As causas mal definidas
A proporção dos óbitos por causas mal definidas é considerada como um importante
indicador da completude das informações sobre as causas básicas de morte. A nomenclatura das
causas obedece a uma normatização pactuada pelos países membros das Nações Unidas,
através da Organização Mundial de Saúde – OMS, cuja versão atual se encontra na décima
revisão. Ela é conhecida como Classificação Internacional das Doenças – CID pelo seu Centro
Colaborador da OMS em Português. A CID-10, em sua décima revisão, está classificada em 22
grupos de causas, ou capítulos, os quais, por sua vez, estão desagregados por causas e em mais
sub-divisões para várias causas de morte.
Tabela 7.2 Percentual de completude das informações de algumas variáveis para o grupo
de causas externas e suas causas para o sexo masculino, João Pessoa, 2007
Grau
Causa (CID10 BR) Estado Civil de Raça Idade
Instrução
Causas externas 70,57 16,51 87,80 99,76
Acidentes de transporte 81,33 24,00 84,00 100,00
Quedas 71,43 14,29 100,00 100,00
Afogamento e submersões acidentais 80,00 20,00 100,00 100,00
Exposição a fumaça, ao fogo e as chamas 66,67 0,00 66,67 100,00
Lesões auto-provocadas voluntariamente 58,33 8,33 91,67 100,00
Agressões 67,91 14,86 87,84 99,66
Demais causas externas 71,43 28,57 85,71 100,00
Fonte: Assis (2009)
A causa mal definida, assim simplesmente denominada, tem sua especificação definida no
capítulo XVIII da 10ª revisão da CID, como “Sintomas, sinais e achados anormais de exames
clínicos e de laboratório, não classificados em outra parte”. A não especificação da causa básica
do óbito ocorre pelo mau preenchimento do atestado de óbito pelo médico, seja por negligência ou
mesmo por ignorância sobre a verdadeira causa que levou o indivíduo à morte.
Se a proporção é elevada, isto sinaliza que a mortalidade pelas outras causas está
subestimada, o que pode comprometer seriamente as avaliações e análises da mortalidade por
causas de morte. Ou seja, é provável que não seja possível extrair conclusões confiáveis sobre a
precisão das estimativas.
Uma solução imediata para este problema seria a redistribuição proporcional das mortes
por causas mal definidas em cada um dos capítulos com causas bem definidas. Mas, esta não
parece ser uma saída justa. Alternativas têm sido utilizadas por alguns autores ao procurar
resgatar essas causas através de métodos como o da “recuperação de informação” que consiste
em visitas a domicílios, hospitais, Institutos de Medicina Legal e Unidades de Saúde. Em uma
destas versões, há o método conhecido como “autópsia verbal”. Um outro método, de caráter
mais teórico, foi proposto por Ledermann (1955), o qual foi extensivamente explorado por Vallin
(1987) para regiões da França.
7.2.2.1 Estimação do fator redistributivo das mal definidas: o método de Ledermann
O método de Ledermann supõe que a proporção de uma causa entre todos os óbitos é
subestimada, pois parte de seus óbitos é atribuído às causas de óbitos mal definidos. Ledermann
utilizou a regressão linear simples entre as proporções de cada uma das causas de morte bem
definidas (Yj, j = 0,..., r) e a proporção de mortes mal definidas, X (que representa a variável
independente do modelo de regressão) obtendo as observações (Yij, Xi), para cada área de
interesse, digamos i, (i = 1,2,...,n), ao todo, n áreas. Sendo assim, para cada causa definida de
morte corresponderá uma regressão.
Por exemplo, em uma situação em que se desejasse redistribuir, reclassificar, as causas
mal definidas do Brasil em causas definidas de determinado ano, os estados (n) poderiam
representar as áreas. O coeficiente angular (β) de cada regressão da variável Yj (variável
dependente do modelo) sobre X, ao todo, r coeficientes angulares (βj), fornecerão uma estimativa
dos óbitos mal definidos atribuídos às causas de morte definidas, Yj. Esta estimativa derivada do
método de Ledermann tem a propriedade de que a soma desses r coeficientes angulares (βj) é
igual a –1 e dos coeficientes da reta (αj) é igual a 0, sendo, portanto justificado como um fator de
distribuição dos óbitos mal definidos. Em outras palavras, Ledermann interpretou o coeficiente
angular da reta de regressão de Yi (proporção de mortes atribuídas à causa bem definida Yj) sobre
X (proporção de mortes mal definidas) como uma estimativa da proporção de mortes mal definidas
atribuídas à causa j. De modo que ao se dispor de r causas definidas, torna-se possível estimar a
quantidade de óbitos mal definidos que deveriam estar entre as r causas de morte. Esta
interpretação de Ledermann é conseqüência de uma propriedade da reta de regressão linear
simples. Em temos formais, tem-se que:
Yi = α + βX i + ei
Pelo método dos mínimos quadrados, estima-se que,
n
∑ X i Yi - n XY
β̂ = i=1
n 2 α̂ = y - βˆ x
2
∑ Xi - n X
i=1
Considerando r causas definidas, cada equação de regressão assumirá a seguinte relação
Y ij = α j + β j X i + e ij
onde:
Yij = óbitos da causa j da área i;
α j = coeficiente da reta da causa j;
βj = coeficiente de redistribuição da causa j;
Xi = óbitos observados da causa mal definida da área i;
eij = referente ao “erro” ou “resíduo”.
Demonstra-se que
∑β
j =1
j = −1
A equação de redistribuição dos óbitos por causas mal definidas para uma determinada
área é dada por:
(
O j = Y j -1 ⋅ X ⋅ β j )
onde,
Oj = óbitos redistribuídos da causa j;

Yj = óbitos observados da causa j;
βj = fator de redistribuição da causa j;
X = óbitos da causa mal definida.
No ano 2000, a Paraíba era um dos estados com uma das mais elevadas proporções de
causas mal definidas do Brasil (46,2% para os homens e 50,8 para as mulheres). A Tabela 7.3
mostra para este estado, neste mesmo ano, os coeficientes estimados de β usando o método de
Lederman e o número absoluto de óbitos antes e depois da redistribuição das causas mal
definidas em causas definidas. Para a aplicação do método foram usadas as 23 microrregiões da
Paraíba como unidades de referência para a análise de regressão linear simples. Este modelo foi
aplicado para cada um dos principais grupos de causas especificadas na Tabela 7.3, sendo
estimados, assim, os valores para β. Observe que as causas externas não foram incluídas na
redistribuição das causas mal definidas porque foram consideradas como causas relativamente
bem informadas, ou seja, com baixo sub-registro desses óbitos.
Tabela 7.3 Coeficientes de redistribuição e óbitos para as principais grupos de causas de

óbitos por sexo, Paraíba, 2000
Coeficiente Óbitos
Grupo de Causa de redistribuição (βi) Antes Depois
M F M F M F
Algumas doenças infecciosas e parasitárias -0,043 -0,030 348 260 545 384
Neoplasias (tumores) -0,174 -0,183 462 468 1.259 1.223
Doenças endócrinas nutricionais e metabólicas -0,104 -0,131 348 421 827 960
Doenças do aparelho circulatório -0,352 -0,393 1.475 1.448 3.092 3.064
Doenças do aparelho respiratório -0,112 -0,129 528 484 1.044 1.013
Doenças do aparelho digestivo -0,082 -0,037 331 156 707 308
Outras causas* -0,133 -0,097 1.056 915 1.669 1.316
Mal definidas - - 4.595 4.115 - -
Total -1,000 -1,000 9.143 8.267 9.143 8.268

* Não inclui as causas externas
7.3 Causas de mortes desconhecidas

A mortalidade por “causas desconhecidas” representa o resultado da combinação de dois
fatores: os óbitos não registrados, cujas causas de morte, conseqüentemente, não se conhecem
(sub-registro) e os óbitos registrados, cujas causas básicas foram mal definidas e que, também,
não se conhecem.
A partir de informações sobre o percentual da cobertura dos óbitos e o percentual de óbitos

com causas mal definidas é possível chegar ao percentual de óbitos com causas básicas
desconhecidas, o qual pode ser obtido através da seguinte expressão:
 C ⋅ Md 
O = (100 - C)+  
d  100 
 
onde:
Od - Percentual de óbitos cuja causa básica é desconhecida;

C - Percentual de cobertura dos óbitos;
Md - Percentual dos óbitos com causa básica mal definida.
Usando os valores obtidos na Tabela 3.4 do Capítulo 3, para o Brasil em 2000, foi
encontrada uma cobertura de óbitos para os homens de 89,0% e um percentual de óbitos com
causas mal definidas de 13,9%. Sendo assim, o percentual de óbitos com causas desconhecidas
para o Brasil para este ano é dado por:
O = (100 - 89)+
d ( 100 )
89 ⋅13,9
= 23,4%
Referências 121
Referências
Albuquerque FRPC, Santos SR. Fatores de correção para o registro de nascimento utilizando registros
tardios segundo os grupos de idades das mulheres Brasil e Unidades da Federação 1984/2001. In: 14º
Encontro Nacional de Estudos Populacionais, 2004; Anais. Caxambu: ABEP; 2004.
Altmann AMG, Ferreira CEC. A situação dos registros dos fatos vitais no Brasil. Inf Demográfico 1982; 7: 1-
24.
ª
Anderton DL, Richard EB, Donald JB. The Population of the United States. 3 ed. New York: The Free Press;
1997.
Armstrong S, Royston E. Preventing Maternal Deaths. Genebra: WHO; 1989.
Assis DFV. Causas externas: relações com variáveis socieconômicas e o impacto de sua eliminação na
mortalidade da população residente no município de João Pessoa em 2007 [Monografia]. Depto Estatística
da UFPB; 2009.
Barbosa LM, Melo GHN. Avaliação da qualidade das informações sobre fecundidade provenientes do
SINASC no Nordeste, 2000. Rev Brasileira de Estudos de População 2005; 22(1): 141-58.
Berquó ES, Souza JMP, Gotlieb SLD. Bioestatística. São Paulo: EPU; 1981.
Bogue DJ, Arriaga EE, Anderton DL, eds. Readings in population research methodology. Chicago: Social
Development Center; New York: United Nations Fund for Population Activities; 1993.
Brass W. Methods for estimating fertility and mortality from limited and defective data. Chapel Hill (NC):
International Program of Laboratories for Population Statistics; 1975 (Occasional Publication).
Bussab WO, Bolfarine H. Elementos de amostragem. São Paulo: E. Blücher; 2005.
Carvalho JAM, Sawyer DO, Rodrigues RN. Introdução a alguns conceitos básicos e medidas em
demografia. Belo Horizonte: ABEP; 1994 (Textos didáticos, 1).
Carvalho JAM, Campos MB. O saldo migratório no Brasil na década de 1990. In: 5º Encontro Nacional sobre
Migração, Anais; 2007. Campinas: ABEP; 2007.
Cavenaghi S. Bases de dados para o estudo da saúde sexual e reprodutiva. In: Cavenaghi S (org).
Indicadores Municipais de Saúde Sexual e Reprodutiva. Rio de Janeiro: ABEP; Brasília: UNFPA; 2006.
Chackiel J. La investigación sobre causas de muerte en la América Latina. Notas de Población 1987; 44: 9-
30.
Chiang CL. Introduction to stochastic processes in biostatistics. New York: John Wiley; 1968.
Chiang CL. Competing risks and conditional probability. Biometrics 1970; 25: 767-76.
Coale AJ, Demeny P. Regional model life tables and stable populations. New York: Academic Press;1983.
Cochran WG. Sampling techniques. 3ª ed. New York: John Willey; 1977.
Cohen JE. How Many People Can the Earth Support? New York: WW Norton and CO; 1995.
Courbaje Y, Fargues P. A method for deriving mortality estimates from incomplete vital statistics. Popul Stud
1979; 33(1):165-80.
Dempsey M. Decline in tuberculosis: the death rate fails to tell the entire story. American Review of
Tuberculosis 1947; 86: 157-64.
Frias LAM. Um modelo para estimar o sub-registro de nascimentos. Bol Demográfico 1982; 13(2): 11-32.
Frias LAM. Considerações sobre algumas técnicas para a avaliação do grau de cobertura dos óbitos. In: 4º
Encontro Nacional de Estudos Populacionais, 1984; Anais. Belo Horizonte: ABEP; 1984.
Fundação IBGE. Estatísticas do Registro Civil. Rio de Janeiro, 1974/2005 (Publicação anual).
Fundação IBGE. Censo Demográfico. Rio de Janeiro, 1970/2000.
Fundação IBGE. Contagem da População. Rio de Janeiro, 1996/2007.
Fundação IBGE. Projeção da população do Brasil por sexo e idade para o período de 1980-2050 Revisão
2008. Rio de Janeiro: IBGE, 2008.
Fundação IBGE. Diretoria de Pesquisas (DPE). Coordenação de População e Indicadores Sociais (COPIS).
Rio de Janeiro; 2009 (acesso em 01 de jun. 2009). Disponível em: www.ibge.gov.br.
Gotlieb SLD. Mortalidade diferencial por causas, São Paulo, Brasil, 1970: tábuas de vida de múltiplo
decremento. Rev Saúde Pública 1981; 15: 401-17.
Graunt J. Natural and political observations mentioned in following index and made upon the Bills of
mortality. Republished with an introduction by Benjamin in the Journal of the Institute of Actuaries. London:
1964; 20(3):513-85.
Greiville TNE. Short methods for constructing life tables. Record from the American Institute of Actuaries.
1943; 32: 29-42.
Guralnick L. Some problems in the use of multiple causes of death. J Chron Dis. 1966; 19: 979-90.
Hakkert R. Fontes de Dados Demográficos. Belo Horizonte: ABEP; 1996 (Textos didáticos, 3).
Hauser PH, Duncan OD, eds. El estúdio de la población. Santiago de Chile: CELADE; 1975.
International Union for the Scientific Study of Population (IUSSP). Multilingual demographic dictionary.
English Section. Liege, Belgium: Ordina Editions;1982.
Jekel JF, Katz DL, Elmore JG. Epidemiologia, bioestatística e medicina preventiva. 2ª ed. Porto Alegre (RS):
Artmed; 2005.
Keyfitz N. Introduction to the mathematics of population. Reading (MA): Addison-Wesley; 1968.
Keyfitz N. What difference would it make if cancer were eradicated? An examination of the taeuber paradox.
Demography 1977; 14: 411-8.
Kertzer DI, Fricke T, eds. Antropological Demography: Toward a New Synthesis. Chicago: University of
Chicago Press; 1997.
Kish L. Survey sampling. New York: John Willey; 1965.
Laurenti R, Mello Jorge MH, Lebrão ML, Gotlieb SLD. Estatísticas de saúde. 2ª ed. Revista e atualizada.
São Paulo: Pedagógica e Universitária Ltda; 2006.
Ledermann S. La répartition de decés de causa indeterminée. Revue de l’ institut International de Statistique

1955; 23 (1/3).
Lotka, AJ. The stability of the normal age distribution. Proceedings of the National Academy of Sciences
1922; 8: 339-45.
Maas PJ van. Applications of summary measures of population health. In: Summary measures of population
health: concepts, ethics, measurement and applications. Edited by Christopher JL et al. Geneva: WHO;
2002.
Referências 123
Medronho RA, Carvalho DM, Bloch KV, Luiz RR, Werneck GL. Epidemiologia. São Paulo: Atheneu; 2005.
Mello Jorge MHP, Gotlieb SLD. As condições de saúde no Brasil. Rio de Janeiro: Ed. Fiocruz; 2000.
Ministério da Saúde. SIM – Sistema de Informações sobre Mortalidade: 1994-2005. Ministério da Saúde,
Brasil; 2009 (Acesso em 01 de jun. 2009). Disponível em www.datasus.gov.br.
Ministério da Saúde. SINASC – Sistema de Informações sobre Mortalidade: 1979-2001. Ministério da

Saúde, Brasil; 2009 (Acesso em 01 de jun. 2009). Disponível em www.datasus.gov.br.
Moeschberger ML, David HA. Life tests under competing causes of failure and the theory of competing risks.
Biometrics 1971; 27: 909-33.
Murray CJL, Alan DL, eds. The Global Burden of Disease: a comprehensive assessment of mortality and
disability from diseases, injuries and risk factors in 1990 and projected do 2020. Cambridge (MA): Harvard
University Press; 1996.
Nadalin SQ. História e demografia: elementos para um diálogo. Campinas (SP): ABEP; 2004
(Demographicas, 1).
Namboodiri NK. Life Table Techniques and their Applications. Orlando (FL): Academic Press; 1987.
Newell C. Methods and Models in Demography. London: Belhaven Press; 1988.
Organization for Economic Cooperation and Development (OECD). Mortality project annotated bibliography
on the sources of demographic data. v:1-3. Paris: Organization for Economic Cooperation and Development;
1979.
Organização Mundial de Saúde. CID – 10: Classificação estatística internacional de doenças e problemas
relacionados à saúde. 10ª rev. São Paulo: EDUSP; 1996.
Paes NA. Mortalidade em Recife: aplicação de um modelo de riscos competitivos. Rev Saúde Pública 1985;
19(3): 251-262.
Paes NA. Qualidade das estatísticas de óbitos por causas desconhecidas dos Estados brasileiros. Rev
Saúde Pública 2007; 41(3): 436-45.
Paes NA e Esmeraldo ME. Avaliação da qualidade dos dados populacionais e cobertura dos registros de
óbitos para as regiões brasileiras. Rev. Saúde Pública 1999; 33(1): 33-43.
Preston SH, Coale AJ, Trussell J, Wenstein M. Estimating the completeness of reporting of adult populations
that are approximately stable. Popul Index 1980; 46(2): 179-202.
Preston SH, Hill K. Estimating the completeness of death registration. Popul Stud 1980; 34(2): 349-66.
Preston SH, Heuveline P, Guillot M. Demography: Measuring and Modeling Population Process.
Massachusets: Blackwell Publisher Ltd; 2002.
Pressat, R. The dictionary of demography. Edited by Christopher Wilson. New York: Basil Blackwell Ltd;
1985.
Reed L, Merrell M. A short method for constructing an abridged life table. In D. Smith and N. Keyfitz, eds.
Mathematical Demography. New York: Springer Verlag; 1977. p. 43-51.
RIPSA – Rede Interagencial de Informação para a Saúde. Indicadores básicos pra a saúde no Brasil:
conceitos e aplicações. 2ª ed. Brasília: Organização Pan-Americana da Saúde, 2008.
Romeder JM, McWhinnie JR. Años de vida potencial perdidos entre lãs edades de 1 y 70 años: un indicator
de mortalidad prematura oara la planificación de la salud. In: Back C. (org). El Desafío da la Epidemiologia.
Washington: OPAS: 1988.
Rouquayrol MZ e Almeida-Filho N. Epidemiologia e Saúde. 5ª ed. Rio de Janeiro: MEDSI; 1999.

Sanches KRB, Júnior KRC, Coeli CM, Cascão AM. Sistemas de Informação em Saúde. In: Epidemiologia.
Medronho et al. São Paulo: Atheneu, 2005.
Santos LFJ, Levy MSF, Szmrecsányil T, Organizadores. Dinâmica da população: teoria, métodos e técnicas
de análise. São Paulo: TA Queiroz; 1980.
Shryock HS, Siegel JS, Associates. The Methods and Materials of Demography. Condensed ed. by G
Stockwell. New York: Academic Press; 1976.
Siegel JS, Swanson DA. The Methods and Materials of Demography. 2ª ed. San Diego (CA): Academic
Press; 2004.
Smith DP, Keyfitz N. Mathematical Demography: Selected Papers. Berlin: Springer-Verlag, 1976.
Spiegelman M. Introduction to demography. Revised edition. Cambridge: Harvard University Press; 1968.
Szwarcwald CL, Leal MC, Andrade CLT, Borges PRSJ. Infant mortality estimation in Brazil: what do Ministry
of Health data on deaths and live births say? Cad Saúde Pública 2002; 18(6); 1725-36.
United Nations. Model life tables for developing countries. New York; 1982. (Population Studies, 77).
United Nations. Principles and recommendations for population and housing censuses. Statistical Papers.
New York: United Nations Statistical Office, Department of International Social and Economical Affairs; 1980.
United Nations. Manual X. indirect techniques for demographic estimation. New York; 1983. (Population
Studies, 81).
United States Bureau of the Census. World Population Profile: 1998. Report WP/98. Washington (DC):
Government Printing Office; 1999.
Vallin J. Seminário sobre causas de muerte: aplicación al caso de Francia. Santiago de Chile: INED –
Instituto Nacional de Estudos Demográficos e CELADE; 1987.
Vermelho LL, Costa AJL, Kale PL. Indicadores de saúde. In: Epidemiologia. Medronho et al. São Paulo:
Atheneu; 2005.
Weinstein JA, Pillai VK. Demography: The Science of Population. Boston (MA): Allyn and Bacon; 2001.
Wong O. A competing-risk model based on the life table procedure in epidemiological studies. Int J Epidem.
1977; 6: 153-9.
Wong LR, Hakkert R, Lima RA (Organizadores). Futuro da População Brasileira: Projeções, Previsões e
Técnicas. In: Seminário Técnico sobre Projeções Populacionais, Embu. São Paulo: ABEP; 1987.
Wong L, Giraldelli B. Delayed Birth Registration (DBR) in São Paulo State: an attempt at correcting under-
registration. Brazilian J Popul Stud. 1997; 1: 85-104.
Yaukey D, Anderton DL. Demography: The study of human population. 2ª ed. Prospect Heights: Waveland
Press; 2001.
Yunes J. Demografia e saúde pública. In: Dinâmica da População – teoria, métodos e técnicas de análise.
Santos JLF, Levy MSF, Szmrecsányi T, Organizadores. São Paulo: TA Queiroz; 1980.

Idioma

Minicurso RBRAS2009 NEIR

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Minicurso RBRAS2009 NEIR

Título original:

Enviado por

Direitos autorais:

Formatos disponíveis

Demografia

Neir Antunes Paes

1.Campo, Objeto e Métodos da Demografia. 9

2. Fontes, Dados e Erros 27

3.1.4 Mortalidade por causa 47

7 Métodos para Avaliar a Qualidade dos Registros Vitais 105

Escolas e universidades têm oferecido, ao longo do tempo, cursos introdutórios de

agradeço imensamente pelo encorajamento, leitura e correção dos originais, especialmente a

1.1 A demografia como campo do conhecimento: a progressiva maturação da

A separação é feita, então, ao estabelecer uma distinção entre “análise demográfica” e

1.1.1 Demografia e estatística

de vida – os esforços realizados procuram se aproximar o máximo possível à verdadeira

1.1.2 Demografia e Saúde

As condições de saúde de uma região estão intimamente relacionadas à dinâmica

1) No planejamento e avaliação dos serviços de saúde;

No planejamento dos serviços de saúde, a combinação de variáveis demográficas permite

No plano das políticas de saúde, o conhecimento da distribuição espacial da população, da

1.2 A demografia definida

1) do tamanho e composição das populações segundo diversos critérios (idade, sexo,

Desta maneira, a demografia descreve o tamanho e a composição da população. Ela

crianças em idade escolar, a população em idade matrimonial ou ainda o conjunto de habitantes

1.3. Tamanho e composição da população

1.3.1. Tamanho absoluto, distribuição e densidade

China 1.306.313.812 140,1 Brasil 169.799.170 184.184.074* 19,9 21,6

A desigualdade de distribuição da população mundial é muito grande. A China e a Índia

A distribuição populacional também traz suas consequências. Os países menos

1.3.2 Composição da população. A distribuição geográfica e a composição por sexo

A demografia estatística vai além da simples contagem populacional e da comparação de

1.4. A dinâmica global da população

1.5 Tipos de população

Tipo Progressivo - que apresenta um número crescente de nascimentos ano a ano.

1.6 Crescimento populacional e seus componentes

Crescimento populacional = crescimento natural + migração líquida

O saldo negativo de um desses dois componentes pode ser compensado ou superado

1.7 Medidas demográficas estatísticas

Por exemplo, a proporção da população do sexo feminino será o número de mulheres

Número de ocorrências do evento

1.8 A estrutura das taxas demográficas

Taxa bruta de crescimento (r)

Pn - P0 Diferença entre o número de pessoas no início e final do período de 0 a t

Taxa Bruta de Nascimento (TBN)

Nt Número de nascimentos no período de 0 a t

Taxa Bruta de Mortalidade (TBM)

Ot Número de óbitos no período de 0 a t

Taxa Bruta de Imigração (TBI)

It Número de imigrantes no período de 0 a t

Taxa Bruta de Emigração (TBE)

Et Número de emigrantes no período de 0 a t

Taxa de Crescimento Natural (TCN)

Nt - Ot Diferença entre a TBN e TBM

Taxa Líquida de Migração (TLM)

I - Et Diferença entre a TBI e TBE

Assim, a equação básica do crescimento populacional pode ser reescrita em símbolos

r = TBN - TBM + TBI - TBE

Taxa Bruta de Crescimento = Taxa de Crescimento Natural + Taxa Líquida de Migração

Como exposto, ao longo do tempo o número de habitantes de um determinado espaço

• Se o crescimento for positivo ( Pn ≥ P0 ): a população aumenta;

Considerando a população para 1º de julho de 1980 e de 1990, o incremento total no

Tabela 1.2 Estrutura conciliada da população, segundo os indicadores

População e indicadores de crescimento

Quadro 1.1 Cálculo da taxa bruta de crescimento.