Escolar Documentos
Profissional Documentos
Cultura Documentos
V
V
V
V
V
I
c
Ao escrever esta Apostila não pretendi outra
coisa, senão proporcionar aos alunos da disciplina GESTÃO DE FRETES da
UNISO, a facilidade de dispor de notas de aulas dos temas do Programa da
Disciplina.
c
V
V
1- TRANSFORMAÇÃO DE NÚMEROS FRACIONÁRIOS EM DECIMAIS
(PERCENTAGEM)
V
Em nosso dia-a-dia é comum observarmos expressões como estas:
TAXA PERCENTUAL
12 = 4 = 0.8 = 8 = 80 = 80%
15 5 10 100
Esse numeral (80%) é denominado de taxa percentual .
Exemplos:
Vimos que:
12 = 4 = 80
15 5 100
Percentagem = taxa
Principal 100
PROBLEMAS DE PERCENTAGEM
Representando:
O principal por P;
A percentagem por p;
A taxa por r;
Temos genericamente:
p = r (1)
P = 100
Dados, então, dois quaisquer dos três elementos, podemos calcular o terceiro
fazendo uso da proporção (1).
EXEMPLO DE EXERCÍCIO
Um vendedor tem 3% de comissão nos negócios de frete que faz. Qual sua
comissão numa venda de R$ 3.600,00?
Um motorista teve aumento de 12% nos seus vencimentos, sabemos que seu
salário era de R$ 1.800,00, qual será o seu novo salário?
2- REGRA DE TRÊS
Chamamos de regra de três os problemas nos quais figura uma grandeza que
é direta ou inversamente proporcional a uma ou mais grandezas
REGRA DE TRÊS SIMPLES
Neste caso, são dados dois valores de uma grandeza e um valor de outra, o
qual corresponde a um dos valores da primeira grandeza. Devemos, então,
obter o valor da segunda grandeza que corresponde ao segundo valor da
primeira.
4 4.450
Comprimento Preço
(m) (R$)
4 4.450
7 x
Resolução:
Temos:
Operários Dias
6 10
20 x
6 10
20 x
20 = 10 x = 6 x 10 x =3
6 x 20
EXERCÍCIOS ± CLASSE
1- Um motorista recebe R$ 1.836,00 por 20 dias de trabalho. Quanto receberá
por 35 dias ?
2- Uma viagem foi feita em 12 dias , percorrendo-se 150 Km por dia. Quantos
dias seriam empregados para fazer a mesma viagem, percorrendo 200 Km por
dia?
i
1- REGRA DE TRÊS
V
3- CORRELAÇÃO
3.1 INTRODUÇÃO
Quando duas variáveis estão ligadas por uma Relação Estatística , dizemos
que existe uma correlação entre elas.
NOTAS
Nº MATEMATICA ESTATISTICA
(xi) (yi)
01 5,0 6,0
08 8,0 9,0
24 7,0 8,0
38 10,0 10,0
44 6,0 5,0
58 7,0 7,0
59 9,0 8,0
72 3,0 4,0
80 8,0 6,0
92 2,0 2,0
Representando, em um sistema de coordenadas cartesiano ortogonal, os
parâmetros (xi ; yi), obtemos uma nuvem de pontos que denominamos
DIAGRAMA DE DISPERSÃO. Esse diagrama nos fornece uma idéia grosseira,
porem útil, da correlação existente:
yi
10 . o
.
o
8 . o o
. o
6 . o o
. o
4 . o
2 . o
. . . . . . . . .
.
2 4 6 8 10 xi
Podemos imaginar que, quanto mais fina for a elipse mais ela se aproximará
de uma reta.
Dizemos, então, que a correlação de forma elíptica tem como ³imagem´ uma
reta, sendo, por isso denominada de Correlação Linear.
É possível verificar que cada correlação esta associada como ³imagem³ uma
relação funcional. Por esse motivo, as relações funcionais são chamadas
Relações Perfeitas.
yi
10 . RETA IMAGEM o
.
o
8 . o o
. o
6 . o o
. o
4 . o
2 . o
. . . . . . . . .
.
2 4 6 8 10 xi
Como a correlação em estudo tem como ³imagem´ uma reta ascendente , ela é
chamada de Correlação Linear Positiva.
Assim uma correlação é:
a- Linear Positiva se os pontos do diagrama tem com ³imagem´ uma reta
ascendente;
b- Linear negativa se os pontos tem como ´imagem´ uma reta
descendentes;
c- Nao-linear se os pontos tem como ³imagem´ uma curva.
o
oo
ooo
oo
ooooo correlação linear positiva
ooo
ooooo
oo
o
oo
X
Y
o
oo
ooo
oo
ooooo correlação linear negativa
ooo
ooooo
oo
o
oo
Y X
o
o oo
oo oooo
ooo oo
oo ooo
ooooo o correlação não -linear
ooo oooo
ooooo ooo
oo oo
o oooo
oo ooo
Y X
oo
o o o o
o o o oooo ooo o ooo
oo ooo oooo oooo oooo o não há correlação
o oo ooo ooooo o
o ooo oo o
ooooo
X
r= n Ȉ xi yi ± (Ȉxi ) (Ȉyi)
Onde
n = número de observações
Os valores limites de r são -1 e +1, isto é, o valor de r pertence ao intervalo [
-1 e +1].
Assim:
0 Para que uma relação possa ser descrita por meio do Coeficiente de
Correlação de Person imprescindível que ela se aproxime de
uma função Linear. Uma maneira pratica de verificarmos a
linearidade da relação é a inspeção do Diagrama de Dispersão : se
a elipse apresenta saliências ou reentrâncias muito acentuadas,
provavelmente trata-se de uma relação curvilínea.
0 Para podermos tirar algumas conclusões significativas sobre o
comportamento simultâneo das variáveis analisadas , é necessário
que:
Se 0,6 | r | 1 Existe uma correlação linear forte entre as variáveis
Se 0,3 | r | < 0,6 , há uma correlação linear relativamente fraca entre
as variáveis.
Se 0 < | r | < 0,3, a correlação linear é muito fraca e, praticamente,
nada podemos concluir sobre a relação entre as variáveis em estudo.
MATEMÁTICA ESTATÍSTICA
(xi) (yi) xi yi x²i y²i
5,0 6,0 30 25 36
8,0 9,0 72 64 81
7,0 8,0 56 49 64
10,0 10,0 100 100 100
6,0 5,0 30 36 25
7,0 7,0 49 49 49
9,0 8,0 72 81 64
3,0 4,0 12 09 16
8,0 6,0 48 64 36
2,0 2,0 04 04 04
~ogo:
Dai: r = 0,91 Resultado que indica uma correlação linear positiva altamente
significativa entre as duas variáveis.
u
. Um estudo mostrou uma correlação entre salários de
duas variáveis são afetadas pelas condições econômicas que envolvem não
oculta.
*
V
. Quando utilizamos taxas ou médias para os dados,
r
Ô A conclusão
de que não há correlação linear significativa não quer dizer que x e y não
xi 4 6 8 10 12
yi 12 10 8 12 14
Temos:
4,0 12,0
««. ««.
««. ««
..«.. ««
12,0 14,0
~ogo:
ONDE: r =
2- Padronize cada conjunto de escores e calcule o coeficiente de correlação.
A-
34 21
30 22
40 25
34 28
39 15
35 24
42 24
45 22
43 17
VVVVVVVVVVVVVVVVVVVVVV VVVVVVVV
VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV
VVVVVVVVVVVVVVVVVVV
VVVVVVVVVVVVVVVV
b-
3,9 46
4,6 46
6,0 52
2,8 50
3,1 48
3,4 40
4,2 42
4,0 44
V
VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV
VVVVVVVVVVVVVVVVVVVVVVVVVVVVV
VVVVVVVVVVVVVVVVVVV
VVVVVVVVVVVVVVVVVVVV
1 82 92
2 84 91
3 86 90
4 83 92
5 88 87
6 87 86
7 85 89
8 83 90
9 86 92
10 85 90
11 87 91
VVVVVVVVVVVVVVVVVVVVVVVVVV VVVVVVVV Ȉ= Ȉ= Ȉ= Ȉ= Ȉ=
Podemos dizer que a analise de regressão tem por objetivo descrever, através
de um modelo matemático, a relação entre duas variáveis, partindo de n
observações das mesmas.
MATEMATICA ESTATISTICA
(xi) (yi)
5,0 6,0
8,0 9,0
7,0 8,0
10,0 10,0
6,0 5,0
7,0 7,0
9,0 8,0
3,0 4,0
8,0 6,0
2,0 2,0
yi
10 . RETA IMAGEM o
.
o
8 . o o
. o
6 . o o
. o
4 . o
2 . o
. . . . . . . . .
.
2 4 6 8 10 xi
Y = ax+ b
4.2 MÉTODO DOS MÍNIMOS QUADRADOS
Vamos então, calcular os valores dos parâmetros a e b com a ajuda das
fórmulas:V
a = n Ȉ Xi Yi - Ȉxi . Ȉyi
n ȈXi² - (Ȉxi)²
e
b = Y - a X
Onde : n é o número de observações
X média dos valores de Xi (X = Ȉ Xi )
n
Y média dos valores de Yi (Y = Ȉ Yi )
n
Nota: Como estamos fazendo uso de uma amostra para obtermos os valores
dos parâmetros, o resultado, na realidade, é uma estimativa da verdadeira
equação de regressão. Sendo assim, escrevemos: V
Y^ = a X + b
Onde Y^ é o Y estimado
?
MATEMÁTICA ESTATÍSTICA
(xi) (yi) xi yi x²i
5,0 6,0 30 25
8,0 9,0 72 64
7,0 8,0 56 49
10,0 10,0 100 100
6,0 5,0 30 36
7,0 7,0 49 49
9,0 8,0 72 81
3,0 4,0 12 09
8,0 6,0 48 64
2,0 2,0 04 04 VVVVV
Como:
X = 65 = 6,5 e Y = 56 = 6,5
10 10
Vem:
b = 6,5 ± 0,8632 x 6,5 = 6,5 - 5,6108 = 0,8892,
Donde:
a = 0,86 e b = 0,89
~ogo:
Y^ = 0,86 X + 0,89
X=0 Y^ = 0,89
X=5 Y^ = 0,86 x 5 + 0,89 = 5,19
Assim temos:
yi
10 . o
Y^ = 0,86 X + 0,89
. o
8 . o o
. o
6 . o o
5,19 . o
4 . o
2 . o
.
0,89
. . . . . . . . . .
2 4 6 8 10 xi
4.3 ANÁLISE DE REGRESSÃO
quadrados?
seguir.
EXERCICIOS: E ± 3 (PARA ENTREGAR)
a- y = 10 - ½ x
b- y = 8 - 1/3 x
2 13
7 21
9 23
1 14
5 15
12 21
b- Com o auxilio da parte a, estime quantos carros uma pessoa que venha
trabalhando no posto de inspeção ha 8 semanas poderá inspecionar?
3- Os dados abaixo se referem ao resíduo de cloro em uma piscina
em vários momentos, após ter sido tratada com produtos
químicos:
X Y
Número de Horas Resíduo de cloro
(P.P.M.)
0 2,2
2 1,8
4 1,5
6 1,4
8 1,1
10 1,1
12 0,9
B
A
A = CAPACIDADE
B = DEMANDA
A demanda fixa
Demanda
Não atendida A
B
Ociosidade
A = CAPACIDADE
B = DEMANDA
Fluxo da Demanda
- Continua
freqüências
12
10
0
4 I-------8 8 I-------12 12 I-------16 16 I-------20 20 I-------24
salários
6.2 DIAGRAMA DE BARRAS
V
V
V
A mesma distribuição acima poderia ser representada por meio de diagrama
que levasse em conta a magnitude da área da figura geométrica, ja que a vista
repousa melhor sobre uma superfície do que sobre uma linha.
V
freqüências
12
10
0
4 I-------8 8 I-------12 12 I-------16 16 I-------20 20 I-------24
salários
V
V
(3,1416) pelo quadrado do raio (r), isto é, C= ʌ.r ² ,e desde que as áreas dos
diversos círculos devem ser proporcionais às magnitudes das freqüências, isto
é, C = ë. f onde ë é o fator de proporcionalidade, segue -se que:
V
V V
V
V VVVVV33,33
V 13,89
VV22,22 VVVV27,78
V 2,7 % V %V
V %VVVVVVV V
Outra opção seria através de setores circulares, na qual se divide a área total
de um circulo em subáreas (setores) proporcionais as freqüências.
~embrando que o circulo compreende setores cujas áreas (S) são produto do
raio (r) pelo tamanho do arco (a), isto é, S = r.a, e com S deve ser proporcional
a freqüência f, tem-se S= Į.f , onde Į é o fator de proporcionalidade; então:
Į .f = r. a
VV
aVV VVVVëVVVV
r
Se chamarmos Į de Į`, tem-se S = Į . f , isto é, os arcos e os
respectivos
r
ângulos centrais de um circulo é igual a 360°, e sendo F a freqüência total, tem -
se: 360° = Į`. F
V
V
120°
V
V 50°
V
V V
V
V
V
V
V 100° 80°
V
V
V
V
V
V
%
%
% %
%
6.5 DIAGRAMA LINEARV
No diagrama linear deve -se plotar os pontos no eixos como foi feito no
diagrama de barras e em seguida unir esses pontos por semi -retas
constituindo-se desta forma o diagrama linear.
V
V
freqüências
12 x
10 x
x
8
0
4 I-------8 8 I-------12 2 12 I-------16 16 I-------20 20 I-------24
salarios